[发明专利]用于同时的关键字发现、转录和实时通信的音频管线

说明书

在一些示例中公开了用于防止无意激活语音激活设备的语音命令处理的方法、系统和机器可读介质。第一音频信号可以是将被输出到被通信地耦合到计算设备的扬声器的音频信号。第二音频信号可以从麦克风或其他音频捕获设备输入。这两种音频信号都输入到关键字检测器，以检查是否存在激活关键字。如果在第二音频信号中检测到(一个或多个)激活关键字但是在第一音频信号中没有检测到，则激活所述设备的语音命令处理，因为这很可能是来自用户的命令，而不是来自所述扬声器的反馈。

背景技术

近年来，随着用于识别人类用户的语音并且理解命令的技术越来越成熟，带有使用语音识别的用户接口的计算设备越来越受欢迎。具有语音识别系统的计算设备使用音频捕获设备(诸如麦克风)来捕获用户的语音。然后，由计算设备处理所捕获的语音以识别所述语音中的一条或多条命令。然后，将这些命令转换为计算机化的任务。示例性任务可以包括从在线商店订购产品、在计算机化的日历应用中安排约会、搜索互联网等。采用语音识别的一些示例性用户界面包括基于软件的个人助理，诸如来自的来自的来自的或者来自的GOOGLE另一示例性语音识别技术是语音听写，其中，用户向麦克风讲话，并且计算设备将所捕获到的音频转换为文字处理程序中的可编辑文本。

附图说明

在不一定按比例绘制的附图中，相似的数字可以在不同的视图中描述相似的组件。具有不同字母后缀的相似数字可以表示相似组件的不同实例。附图通过示例而非限制的方式大体上示出了在本文档中所讨论的各种实施例。

图1图示了根据本公开的一些示例的示例性系统的示意图，所述系统包括防止意外激活语音激活设备的组件。

图2图示了根据本公开的一些示例的关键字检测器的框图。

图3图示了根据本公开的一些示例的防止意外语音激活的方法的流程图。

图4图示了根据本公开的一些示例示出确定是否激活语音命令处理的方法的流程图。

图5是图示了可以在其上实现一个或多个实施例的机器的示例的框图。

具体实施方式

当利用语音识别应用时，用户对被通信地耦合到计算设备的麦克风或其他声音捕获设备讲话。房间中的其他声音，包括由计算设备自身正在播放的声音，诸如来自通信事件的音乐、视频或音频，可能被麦克风拾取。为了防止这些噪声无意地激活所述计算设备的语音控制功能，通常仅在检测到一个或多个激活关键字时才激活所述语音命令功能。例如，通过在输入音频中检测到关键字“Hey Cortana”来激活计算机化个人助理。然后，在所述关键字之后的音频被解读为命令。

尽管使用了激活关键字来防止意外的激活，但是这并不总是足以防止意外的激活。例如，如果第一用户正在进行在线会议，而作为远程参与者的第二用户希望激活其自己的计算机化个人助理，则第二用户可以说出旨在仅激活其个人计算机助理的激活关键字。如果第二用户在讲出所述激活关键字之前没有在在线会议中使自己静音，那么可能通过第一用户的扬声器播放出所述激活关键字，并且可能被第一用户的麦克风拾取。这可能无意地激活第一用户的计算机化个人助理。这可能导致采取不符合第一用户的意愿的意外动作。在一些情况下，可以使用回声消除器来防止这种情况。回声消除器可能无法在所有情况下都可行，因为其降低了声音质量，并且趋于使得对激活关键字以及之后的命令的检测更加困难。

除了无意激活外，研究人员还已经发现了一些新颖的方式来隐藏音乐中使计算机化个人助理执行意外命令的激活命令。在一些情况下，这些命令是人耳听不到的。研究人员已经秘密地使这些计算机化个人助理拨打电话号码、打开网站、订购产品并且执行其他命令。这带来了严重的安全风险并且给用户带来了取消不希望的命令的不便。