在虛擬會(huì)議中，通過(guò)靜音鍵可以很容易阻止人們互相交談。但在熙熙攘攘的咖啡館里，沒(méi)有按鈕可以讓你旁邊的桌子安靜下來(lái)。
定位和控制聲音的能力——例如，在擁擠的房間里，將一個(gè)人的說(shuō)話與特定位置隔離開(kāi)來(lái)——對(duì)研究人員來(lái)說(shuō)是一個(gè)挑戰(zhàn)，尤其是在沒(méi)有攝像頭視覺(jué)線索的情況下。
由華盛頓大學(xué)的研究人員領(lǐng)導(dǎo)的一個(gè)團(tuán)隊(duì)開(kāi)發(fā)了一種可變形的智能揚(yáng)聲器，它使用自動(dòng)部署的麥克風(fēng)將房間劃分為語(yǔ)音區(qū)域，并跟蹤單個(gè)揚(yáng)聲器的位置。在該團(tuán)隊(duì)的深度學(xué)習(xí)算法的幫助下，即使兩個(gè)相鄰的人的聲音相似，該系統(tǒng)也可以讓用戶將某些區(qū)域或單獨(dú)的同時(shí)對(duì)話靜音。每個(gè)直徑約一英寸，麥克風(fēng)自動(dòng)從充電站部署，然后返回到充電站。這允許系統(tǒng)在環(huán)境之間移動(dòng)并自動(dòng)設(shè)置。例如，在會(huì)議室會(huì)議中，可以部署這樣一個(gè)系統(tǒng)，而不是中央麥克風(fēng)，以便更好地控制室內(nèi)音頻。
該團(tuán)隊(duì)于9月21日在《自然通訊》（Nature Communications）上發(fā)表了他們的研究結(jié)果。
“如果我閉上眼睛，房間里有10個(gè)人在說(shuō)話，我不知道誰(shuí)在說(shuō)什么，也不知道他們?cè)诜块g里的確切位置。這對(duì)人類大腦來(lái)說(shuō)是很難處理的。到目前為止，這對(duì)技術(shù)來(lái)說(shuō)也很困難，”共同主要作者M(jìn)alek Itani說(shuō)，“這是第一次，使用我們稱之為‘聲學(xué)群’（acoustic swarm）的機(jī)器人，我們能夠跟蹤一個(gè)房間里說(shuō)話的多人的位置，并將他們的講話分開(kāi)。”
以前對(duì)機(jī)器群的研究需要使用頭頂或設(shè)備上的攝像頭、投影儀或特殊表面。華盛頓大學(xué)團(tuán)隊(duì)的系統(tǒng)是第一個(gè)僅使用聲音精確分配機(jī)器群的系統(tǒng)。
該團(tuán)隊(duì)的原型由七個(gè)小型機(jī)器人組成，它們分布在不同大小的桌子上。當(dāng)它們從充電器中移動(dòng)時(shí)，每個(gè)機(jī)器人都會(huì)發(fā)出高頻聲音，就像蝙蝠導(dǎo)航一樣，利用這個(gè)頻率和其他傳感器來(lái)避開(kāi)障礙物，四處移動(dòng)而不會(huì)從桌子上掉下來(lái)。自動(dòng)部署使機(jī)器人能夠以最大的精度放置自己，比人工設(shè)置它們更能精準(zhǔn)控制聲音。這些機(jī)器人分散在盡可能遠(yuǎn)的地方，因?yàn)榫嚯x越遠(yuǎn)，區(qū)分和定位說(shuō)話的人就越容易�，F(xiàn)在的消費(fèi)級(jí)智能揚(yáng)聲器有多個(gè)麥克風(fēng)，但聚集在同一個(gè)設(shè)備上，相距太近了，無(wú)法允許這個(gè)系統(tǒng)的靜音和活動(dòng)區(qū)域。
“如果我有一個(gè)麥克風(fēng)離我一英尺遠(yuǎn)，另一個(gè)麥克風(fēng)離我兩英尺遠(yuǎn)，我的聲音會(huì)先傳到一英尺遠(yuǎn)的麥克風(fēng)。如果其他人離麥克風(fēng)更近，他們的聲音會(huì)先傳到那里�！毖芯咳藛T表示，“我們開(kāi)發(fā)了神經(jīng)網(wǎng)絡(luò)，利用這些延時(shí)信號(hào)來(lái)區(qū)分每個(gè)人在說(shuō)什么，并跟蹤他們?cè)诳臻g中的位置。因此，你可以讓四個(gè)人進(jìn)行兩次對(duì)話，并分離出四種聲音中的任何一種，并在房間中定位每種聲音�！�
該團(tuán)隊(duì)在辦公室、客廳和廚房測(cè)試了機(jī)器人，每組三到五人說(shuō)話。在所有這些環(huán)境中，該系統(tǒng)可以在90%的情況下識(shí)別彼此相距1.6英尺（50厘米）以內(nèi)的不同聲音，而無(wú)需事先了解說(shuō)話者的數(shù)量。該系統(tǒng)平均能夠在1.82秒內(nèi)處理3秒的音頻。
研究人員表示，隨著技術(shù)的進(jìn)步，聲群可能會(huì)被部署在智能家居中，以更好地區(qū)分與智能揚(yáng)聲器交談的人。例如，這可能只允許坐在沙發(fā)上的人，在一個(gè)“活動(dòng)區(qū)”，對(duì)電視進(jìn)行語(yǔ)音控制。
研究人員計(jì)劃最終制造出可以在房間里移動(dòng)的麥克風(fēng)機(jī)器人，而不是局限在桌子上。該團(tuán)隊(duì)還在研究揚(yáng)聲器是否能發(fā)出聲音，允許真實(shí)世界內(nèi)實(shí)現(xiàn)靜音和活動(dòng)區(qū)域，讓房間不同位置的人就能聽(tīng)到不同的聲音。
當(dāng)然，這項(xiàng)技術(shù)也會(huì)讓人聯(lián)想到隱私問(wèn)題。研究人員承認(rèn)麥克風(fēng)可能會(huì)被誤用，所以他們?cè)O(shè)置了防范措施：麥克風(fēng)是用聲音導(dǎo)航的，而不是像其他類似系統(tǒng)那樣用車載攝像頭導(dǎo)航。而且這些機(jī)器人很容易被看到，當(dāng)它們活動(dòng)時(shí)，它們的提示燈會(huì)閃爍。聲學(xué)群不像大多數(shù)智能揚(yáng)聲器那樣在云端處理音頻，而是在本地處理所有音頻，作為隱私限制。盡管有些人最初的想法可能是關(guān)于監(jiān)視，但該系統(tǒng)可以用于相反的情況，該團(tuán)隊(duì)說(shuō)。
“它有可能真正有益于隱私，超出了目前的智能揚(yáng)聲器所允許的范圍，”Itani說(shuō)�！拔铱梢哉f(shuō)，'不要在我的辦公桌周圍記錄任何東西'，我們的系統(tǒng)會(huì)在我周圍3英尺處產(chǎn)生一個(gè)區(qū)域。這個(gè)區(qū)域中的任何內(nèi)容都不會(huì)被記錄下來(lái)�；蛘撸绻麅山M在旁邊說(shuō)話，一組正在進(jìn)行私人對(duì)話，而另一組正在錄音，則一個(gè)對(duì)話可以處于靜音區(qū)，并且它將保持私密。”
|
