[发明专利]用于在具有语音功能的装置之间的仲裁中的方法以及用于仲裁的系统

说明书

本文描述了用于选择具有语音功能的装置来处置由多个具有语音功能的装置检测到的音频输入的架构和技术。在一些情况下，由于多个具有语音功能的装置位于用户附近，所以所述具有语音功能的装置可以在基本上相同的时间检测到来自所述用户的音频输入。所述架构和技术可以分析所述具有语音功能的装置的多种音频信号度量值以指定用于处置所述音频输入的具有语音功能的装置。

相关申请

本申请要求2015年9月11日提交的美国专利申请第14/852,022号的优先权权益，所述专利申请的全部内容以引用的方式并入本文。

背景

用户越来越多地采用具有语音功能的(voice-enabled)装置来执行任务。在许多情况下，用户可以在位于多个具有语音功能的装置附近时提供话音输入。话音输入可以请求执行任务。具有语音功能的装置中的每一者可以检测话音输入并且处理所述话音输入以为用户执行任务。这可能导致为用户多次执行相同的任务。此外，在一些情况下，具有语音功能的装置中的每一者可以作出响应以向用户告知已经执行任务、请求额外的信息等。这最终产生不合意的用户经验。

附图简述

参考附图陈述详细描述。在图中，参考数字的最左边数字识别了所述参考数字第一次出现的图。在不同的图中使用相同的参考数字来指示类似或相同的项目或特征。

图1示出其中可以实施本文描述的技术的示例性架构。

图2示出服务提供方的示例性组件。

图3示出具有语音功能的装置的示例性组件。

图4示出用于在多个具有语音功能的装置之间进行仲裁的示例性过程。

图5示出用于执行初始处理以选择在其间仲裁的具有语音功能的装置的示例性过程。

详细描述

本公开描述了用于选择具有语音功能的装置来处置由多个具有语音功能的装置检测到的音频输入的架构和技术。在一些情况下，由于多个具有语音功能的装置各自位于用户附近，所以所述具有语音功能的装置可以在基本上相同的时间检测到来自用户的音频输入。所述架构和技术可以分析具有语音功能的装置的多种音频信号度量值以指定用来处置对音频输入的处理的具有语音功能的装置。这可以通过避免重复的输入处理来提高用户体验。此外，这可以允许处理最佳音频信号。

在一些实现方式中，服务提供方可以识别检测到音频输入的多个具有语音功能的装置。具有语音功能的装置可以位于彼此附近，并且因此，在基本上相同的时间检测到音频输入。在一些情况下，一些或所有具有语音功能的装置包括传感器阵列(例如，麦克风阵列)，所述传感器阵列提供用于确定多个音频信号(例如，与不同的观看方向相关联的波束成形的音频信号)的输入信号。服务提供方可以基于从具有语音功能的装置接收的音频信号度量值来选择具有语音功能的装置中的一者或多者以处置所述音频输入。举例来说，每个具有语音功能的装置可以向服务提供方提供在具有语音功能的装置处确定的音频信号的至少一个音频信号度量值。

音频信号度量值可以指示音频信号的特性。举例来说，音频信号度量值可以包括信噪比、频谱质心量度、话语能量水平、频谱通量、特定百分位频率、周期性、清晰度、调和性等。音频信号度量值可以是一个音频信号特有的，或者可以适用于多个音频信号。举例来说，具有语音功能的装置可以确定多个波束成形的音频信号，并且选择与具有最高值的音频信号度量值相关联的波束成形的音频信号。此处，具有语音功能的装置可以向服务提供方发送选定的波束成形的音频信号的音频信号度量值以使得服务提供方能够选择用于处置对音频输入的处理的具有语音功能的装置。作为另一实例，具有语音功能的装置可以发送在具有语音功能的装置处确定的每个波束成形的音频信号的音频信号度量值。作为另一实例，具有语音功能的装置可以发送在具有语音功能的装置处确定的波束成形的音频信号的平均音频信号度量值。在其他实例中，具有语音功能的装置可以发送其他类型的音频信号度量值(例如，经加权的音频信号度量值等)。