[发明专利]分布式语音处理系统及方法

说明书

提供一种分布式语音处理系统及方法。该系统包括组成网络的多个节点设备，其中至少一个包括声音采集模块；其中声音采集模块配置为采集音频信号；声音处理模块配置为对音频信号进行预处理以得到第一声音预处理结果；通信模块还配置为从网络接收来自至少一个其他节点设备的一个或多个第二声音预处理结果；声音预处理结果包括数据块；每个数据块包括时间信息和递增序号；声音处理模块还配置为按照递增序号递增顺序拼接第一声音预处理结果和/或一个或多个第二声音预处理结果的数据块，以得到完整的第三声音预处理结果，及对第三声音预处理结果进行处理以得到最终的语音识别结果。本申请实现了去中心化的设计,提高了语音识别的效率、稳定性和鲁棒性。

技术领域

本申请涉及分布式语音处理领域，尤其涉及一种分布式语音处理系统及方法。

背景技术

语音识别技术和关键词识别技术日趋成熟，且在市场中的应用越来越广泛，比如儿童玩具、教育产品、智能家居等产品中都加入了语音识别功能，实现语音交互控制的功能。

当前的语音识别有两种常见的方法，一种是基于单个设备的本地识别，另一种是基于本地识别结合服务器云端的识别。

对于第一种方法，智能家居市场上常用的单个设备实现本地语音控制，其语音识别过程是将原始语音采集到一个设备，在这个设备上进行计算获得识别结果。这种方法在应用过程中，如果用户在空间环境中移动或需要跨房间识别时，受拾音距离的限制，常常不能顺利完成语音识别，从而导致出现不能识别或识别效果差的情况。

对于第二种方法，市面上通常通过智能音箱或者智能网关等进行语音识别。这些设备作为控制中枢，同时也是语音识别的唯一入口。设备必须先连接到互联网，然后接入相应的云端服务器也需要连接到互联网。这些设备从云端获取语音识别结果，进而完成语音识别或语音控制。这种方法存在问题，例如作为语音识别的唯一入口的设备发生故障、或者网络出现波动等，都会造成语音识别失败的问题。特别是，当网络稳定性较差时，容易导致识别响应速度慢。此外，此类语音识别方法将语音上传至云端，并且设备需要实时监听周围环境声音，容易导致出现用户隐私安全问题。

与此同时，这两种方法都存在不能跨房间的语音识别控制等问题。

除了上述两种方法之外，还存在另外一种本地中心识别方法，其将多个点的原始语音采集后，传输到一个中心设备进行语音识别。该方法可以用于解决拾音距离短、跨房间识别难、人员移动等问题。但这个方法严重依赖中心设备，当中心设备出现故障时会导致整个系统的语音识别功能失效。并且，由于直接传输原始语音数据对网络要求很高，数据传输的时延大，其实际的识别效果欠佳。

中国专利(CN111415658A)公开了一种去中心化语音控制多设备系统及其控制方法。在该方案中，设备首先识别出语音中的唤醒词，然后将识别出的唤醒词向系统内所有设备发送，并同时接收系统内其他设备发送的唤醒词。设备对所有的唤醒词进行筛选，筛选出与本设备匹配的唤醒词。在该方案中，如果设备接收到的语音中包含自身不支持的唤醒词(即语音指令)，则可能导致语音控制失败。

中国专利(CN110136708A)公开了一种基于蓝牙mesh的分布式语音控制系统及控制方法，该控制系统包括蓝牙Mesh网络、语音控制器、蓝牙节点设备；语音控制器包括语音采集，语音降噪，语音识别，蓝牙模块，及可选的wifi模块。语音控制器之间通过蓝牙互相通信并实时保持数据同步，任一语音控制器都可控制网络内蓝牙节点设备；蓝牙节点设备通过蓝牙Mesh网络与语音控制器通信，根据接收Mesh数据或其自身的按键事件进行响应操作。在该方案中，每一语音控制器采集语音，进行语音降噪和回音消除，然后进行语音本地或者在线识别，语义理解解析出要控制的信息，封装成Mesh数据，通过蓝牙模块发送至Mesh网络中。如果语音控制器不支持当前的控制指令，则可能会导致设备无法识别自己不支持的语音指令，最终导致语音控制失败。