[发明专利]经由标识信息的语音识别分析

说明书

技术领域

本发明涉及语音识别技术，尤其涉及一种经由标识信息的语音识别分析的方法和系统。

背景技术

语音识别技术允许计算设备的用户经由语音命令而非经由键盘或其他外围设备输入设备来作出输入。不同的语音识别系统共有的一个困难在于将预期语音输入与其他所接收的声音辨别开来，这些声音包括但不限于，背景噪声、背景语音、以及来自当前系统用户的不旨在成为输入的语音。

提出了将预期语音输入与其他声音辨别开来的各种方法。例如，某些语音输入系统在接受任何语音并将其作为输入进行分析之前要求用户说出一个特定命令，诸如“开始收听”。然而，这些系统可能仍然易于受到随机地匹配所识别的语音模式并因此被解释为输入的背景噪声的影响。这种“假肯定”可能导致语音识别系统执行用户未期望的动作，或者甚至在没有用户在场的情况下执行动作。

发明内容

因此，本文公开了涉及使用身份信息来帮助避免在语音识别系统中发生假肯定语音识别事件的各种实施例。例如，一个所公开的实施例提供了一种操作语音识别输入系统的方法。该方法包括接收语音识别数据，该语音识别数据包括所识别的语音段、经由来自麦克风阵列的信号所确定的与所识别的语音段的起源位置有关的声学位置数据、以及包括识别置信值的置信数据，并且还接收包括与位于图像传感器的视场中的每一个人的位置有关的视觉位置信息的图像数据。将声学位置数据与视觉位置数据进行比较来确定所识别的语音段是否源自图像传感器的视场中的人。该方法还包括基于所识别的语音段是否被确定为源自图像传感器的视场中的人来调整置信数据。

提供本发明内容是为了以简化的形式介绍将在以下具体实施方式中进一步描述的一些概念。本发明内容并不旨在标识出所要求保护的主题的关键特征或必要特征，也不旨在用于限定所要求保护的主题的范围。此外，所要求保护的主题不限于解决在本发明的任一部分中提及的任何或所有缺点的实现。

附图说明

图1示出视频游戏环境形式的示例语音输入环境的一个实施例。

图2示出包括语音识别输入系统的计算系统的一个实施例的框图。

图3示出描绘了使用身份数据来分析语音输入的方法的一个实施例的流程图。

图4示出描绘了使用身份数据来分析语音输入的方法的另一实施例的流程图。

图5示出用于使用身份数据来分析语音输入的系统的一个实施例的框图。

图6示出了深度图像的帧的一个实施例的一部分的示意性描绘。

具体实施方式

本公开涉及避免语音识别输入系统中的假肯定语音识别。此外，所公开的各实施例还可以在语音识别系统环境中存在多个用户的情况下帮助确保语音识别事件源自所期望的用户。例如，在多个用户正在玩知识竞赛(game show)主题的视频游戏并且该游戏要求特定人回答特定问题的情况下，所公开的各实施例可以帮助阻塞其他用户喊叫的回答。可以理解，可以使用该语音识别输入系统来实现对任意合适的设备的语音输入。各示例包括但不限于，交互式娱乐系统，诸如视频游戏控制台、数字录像机、数字电视机和其他媒体播放器以及将这些功能中的两个或更多进行组合的设备。

图1示出交互式娱乐系统10形式的示例语音识别使用环境，该交互式娱乐系统10可以用于播放各种各样不同的游戏、播放一个或多个不同的媒体类型、和/或控制或操纵非游戏应用程序。交互式娱乐系统10包括被配置成在显示器104上显示图像的控制台102，显示器104被示为可以用于向一个或多个游戏玩家呈现游戏视觉形象的电视机。可以理解，图1中示出的示例实施例是出于说明的目的而呈现的，并且不旨在以任何方式进行限制。

娱乐系统10还包括具有深度感测照相机和麦克风阵列的输入设备100。深度感测照相机可以用于在视觉上监视娱乐系统10的一个或多个用户，而麦克风阵列可以用于由接收玩家作出的语音命令。使用麦克风阵列而非单个麦克风允许从音频数据中确定关于声音(例如，玩家说话)的源的位置的信息。

输入设备100所获取的数据允许玩家在不使用手持式控制器或其他远程设备的情况下作出输入。相反，语音输入、移动和/或其组合可以被娱乐系统10解释为可以用于影响娱乐系统10正在执行的游戏的控制命令。