[发明专利]语音输入装置和方法以及程序

说明书

本技术涉及一种语音输入装置和方法以及一种能够促进语音方向估计的程序。该语音输入装置包括：固定部分，其设置在规定位置；移动部分，其相对于固定部分移动；麦克风阵列，其附接到所述固定部分；语音方向估计单元，用于基于通过麦克风阵列输入的说话者的语音来估计语音方向；以及驱动单元，用于驱动根据所估计的语音方向调用的移动部分。所述语音输入装置可以用作例如智能扬声器、语音代理或机器人的一部分。

技术领域

本技术涉及一种语音输入装置和方法以及一种程序，具体涉及一种语音输入装置和方法以及一种便于估计话语方向的程序。

背景技术

近年来，随着机器人技术和人工智能(AI)的发展，能够与人交谈或移动自己身体的装置越来越多。为了识别人的语音，需要假设各种使用环境并且能够尽可能多地抑制噪声。因此，众所周知，通过利用设置有多个麦克风的麦克风阵列的语音收集和使用空间信息的信号处理来抑制噪声。

例如，在使用人形机器人的情况下，可以在头部设置多个麦克风。利用这种设置，用户的嘴和麦克风的位置彼此靠近的可能性很高，并且可以容易地识别语音。此外，期望麦克风和诸如马达等驱动声源之间的距离变得更长，噪声降低，并且目标语音的信噪比(SNR)提高。

众所周知，可以通过使用相关矩阵来估计说话者的方向来执行精确的语音识别，通过对麦克风阵列收集的信号执行操作并在估计的方向上强调语音而获得所述相关矩阵(例如，专利文献1)。

引文目录

专利文献

专利文献1：日本专利申请公开号2001-337694

发明内容

本发明要解决的问题

然而，如果估计话语方向，然后装置转向话语方向，则破坏到目前为止已经学习的关于空间中的噪声方向的信息与装置移动后的麦克风阵列之间的位置关系。因此，不能使用已经依次学习的噪声学习信息，并且需要在运动之后再次在空间上学习噪声信息。

然而，在装置转向话语方向之后，可以立即执行下一个用户的话语。在这种情况下，有可能无法保证足够的学习时间，结果，噪声抑制性能可能恶化，语音识别可能失败。

鉴于这种情况而提出本技术，并且使得可以促进估计话语方向。

问题的解决方案

本技术的一个方面是一种语音输入装置，包括：固定部分，其设置在预定位置；能移动部分，其能相对于固定部分移动；麦克风阵列，其附接到固定部分；话语方向估计单元，被配置为基于来自说话者的语音来估计话语方向，从麦克风阵列输入所述语音；以及驱动单元，被配置为根据估计的话语方向驱动所述能移动部分。

还可以提供控制单元，被配置为识别来自说话者的语音，从麦克风阵列输入所述语音，并且基于识别的结果来控制前驱动单元。

控制单元可以包括内部或外部语音识别引擎，其识别来自说话者的语音。

在麦克风阵列中，多个麦克风可以设置在一个平面中。

能移动部分可以相对于旋转中心对称。

话语方向估计单元可以包括：第一估计单元，被配置为根据来自说话者的语音信号来估计第一水平角，该第一水平角是话语方向上的水平角；以及第二估计单元，被配置为在第一水平角附近的预定范围内相对于第一水平角估计第二水平角和仰角，所述第二水平角是话语方向上的水平角。

本技术的一个方面是一种语音输入装置的语音输入方法，包括：固定部分，其设置在预定位置；能移动部分，其能相对于固定部分移动；以及麦克风阵列，其附接到固定部分；所述语音输入方法包括：基于来自说话者的语音来估计话语方向的步骤，从附接到固定部分的麦克风阵列输入所述语音；以及根据估计的话语方向驱动所述能移动部分的步骤。