[发明专利]基于上下文的设备仲裁

说明书

本公开部分描述了基于上下文的设备仲裁技术，以从多个语音使能设备中选择一个语音使能设备，为包括在用户语音发声中的命令提供响应。在一些示例中，所述上下文驱动的仲裁技术可包括确定语音使能设备的排序表，所述语音使能设备的排序是基于各语音使能设备生成的音频信号的音频信号指标值进行的，并可迭代地遍历所述排序表，以基于所述语音使能设备的设备状态确定，是否所述语音使能设备之一能够执行响应所述命令的动作。如果检测到所述语音发声的语音使能设备不能执行响应所述命令的动作，可分析与账户关联的所有其他语音使能设备，以确定是否所述其他语音使能设备之一能够执行响应所述语音发声中的命令的动作。

相关申请交叉引用

本申请主张于2017年8月30日提交的、名称为“基于上下文的设备仲裁”、申请号为15/691,460的美国专利申请的优先权。上述美国专利申请的全部内容通过引用结合在本文中。

背景技术

随着计算设备的能力不断发展，用户可以通过众多不同的方式与计算设备进行交互，例如通过机械设备(如键盘、鼠标等)、触屏、动作和手势等。现在，台式机、平板电脑、娱乐系统和可携式通信设备等许多计算设备能够接受声音命令并对此做出回应。在某些情况下，用户附近可能会放有多个此类语音使能计算设备，以便各语音使能计算设备监测用户发出的语音命令。各语音使能计算设备均可监测并处理该语音命令，以便为用户执行所述任务。由此造成多个语音使能设备为用户执行同样的任务，最终导致不好的用户体验。

附图说明

下面将结合附图进行详细描述。在所述附图中，参考标号的最左位数字表明该参考标号首次出现的附图。不同附图中的相同参考标号代表相似或相同的物件。附图中示出的系统未按比例绘制，且附图中的部件彼此之间也可能未按比例绘制。

图1为一种示例环境的示意图。在该示例性环境中，用户发出语音发声，多个语音使能设备检测到该语音发声，一个语音处理系统进行仲裁，以确定哪个语音使能设备响应该语音发声。

图2为一种语音使能设备的示例架构框图，该语音使能设备生成音频信号和元数据，并将该音频信号和元数据发送至语音处理系统。

图3为一种由语音使能设备向语音处理系统提供音频信号和元数据的示例方法的流程图。

图4A为一种语音处理系统的示例架构框图，该语音处理系统从语音使能设备接收音频信号和音频信号指标值，并进行仲裁，以确定哪个语音使能设备将对该音频信号所代表的用户的语音发声作出响应。

图4B为一种语音处理系统的示例架构框图，该语音处理系统包括命令处理器，该命令处理器用于做出哪个语音使能设备将对用户语音发声作出响应的决定。

图5为一种根据各语音使能设备所采集的音频信号的各种音频信号指标值，对检测到用户语音发声的语音使能设备进行排序的示例方法的流程图。

图6A和6B为一种由语音处理系统为多个语音使能设备进行仲裁，以确定哪个语音使能设备将对用户语音发声作出响应的示例方法的流程图。

具体实施方式

随着语音使能计算设备(或被称为“语音使能设备”)的广泛使用，用户能够通过语音与更多的计算设备进行交互。例如，用户可通过语音发声向语音使能设备发布命令，以执行打开/关闭电器、串流音乐、打电话等操作。因为这些语音使能设备的有效性，用户经常在其家中等环境里放有多个设备。尽管有了多个语音使能设备，用户在家中各处都可发出包括命令的语音发声，进而提高用户满意度，但在多个语音使能设备彼此靠近，比如在同一房间或隔壁房间内的情况下，各语音使能设备均可接收到用户的发声，且各语音使能设备均可独立地试图处理该用户的发声，并作出响应，如同有两次分开的发声。在一些示例中，可通过使用非常有限的数据类型，从所述多个语音使能设备中选出一个语音使能设备，对发声作出响应。例如，可通过分析和比较代表所述语音发声的、由各语音使能设备生成的音频信号的不同音频信号指标(metric)值，比如各语音使能设备生成的各音频信号的信号幅度或信噪比，进而选择语音使能设备。