在虛擬會議中，通過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，沒有按鈕可以讓你旁邊的桌子安靜下來。
定位和控制聲音的能力——例如，在擁擠的房間里，將一個人的說話與特定位置隔離開來——對研究人員來說是一個挑戰(zhàn)，尤其是在沒有攝像頭視覺線索的情況下。
由華盛頓大學(xué)的研究人員領(lǐng)導(dǎo)的一個團隊開發(fā)了一種可變形的智能揚聲器，它使用自動部署的麥克風(fēng)將房間劃分為語音區(qū)域，并跟蹤單個揚聲器的位置。在該團隊的深度學(xué)習(xí)算法的幫助下，即使兩個相鄰的人的聲音相似，該系統(tǒng)也可以讓用戶將某些區(qū)域或單獨的同時對話靜音。每個直徑約一英寸，麥克風(fēng)自動從充電站部署，然后返回到充電站。這允許系統(tǒng)在環(huán)境之間移動并自動設(shè)置。例如，在會議室會議中，可以部署這樣一個系統(tǒng)，而不是中央麥克風(fēng)，以便更好地控制室內(nèi)音頻。
該團隊于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個人在說話，我不知道誰在說什么，也不知道他們在房間里的確切位置。這對人類大腦來說是很難處理的。到目前為止，這對技術(shù)來說也很困難，”共同主要作者Malek Itani說，“這是第一次，使用我們稱之為‘聲學(xué)群’（acoustic swarm）的機器人，我們能夠跟蹤一個房間里說話的多人的位置，并將他們的講話分開�！�
以前對機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)團隊的系統(tǒng)是第一個僅使用聲音精確分配機器群的系統(tǒng)。
該團隊的原型由七個小型機器人組成，它們分布在不同大小的桌子上。當(dāng)它們從充電器中移動時，每個機器人都會發(fā)出高頻聲音，就像蝙蝠導(dǎo)航一樣，利用這個頻率和其他傳感器來避開障礙物，四處移動而不會從桌子上掉下來。自動部署使機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。這些機器人分散在盡可能遠(yuǎn)的地方，因為距離越遠(yuǎn)，區(qū)分和定位說話的人就越容易。現(xiàn)在的消費級智能揚聲器有多個麥克風(fēng)，但聚集在同一個設(shè)備上，相距太近了，無法允許這個系統(tǒng)的靜音和活動區(qū)域。
“如果我有一個麥克風(fēng)離我一英尺遠(yuǎn)，另一個麥克風(fēng)離我兩英尺遠(yuǎn)，我的聲音會先傳到一英尺遠(yuǎn)的麥克風(fēng)。如果其他人離麥克風(fēng)更近，他們的聲音會先傳到那里�！毖芯咳藛T表示，“我們開發(fā)了神經(jīng)網(wǎng)絡(luò)，利用這些延時信號來區(qū)分每個人在說什么，并跟蹤他們在空間中的位置。因此，你可以讓四個人進行兩次對話，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。”
該團隊在辦公室、客廳和廚房測試了機器人，每組三到五人說話。在所有這些環(huán)境中，該系統(tǒng)可以在90%的情況下識別彼此相距1.6英尺（50厘米）以內(nèi)的不同聲音，而無需事先了解說話者的數(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)的進步，聲群可能會被部署在智能家居中，以更好地區(qū)分與智能揚聲器交談的人。例如，這可能只允許坐在沙發(fā)上的人，在一個“活動區(qū)”，對電視進行語音控制。
研究人員計劃最終制造出可以在房間里移動的麥克風(fēng)機器人，而不是局限在桌子上。該團隊還在研究揚聲器是否能發(fā)出聲音，允許真實世界內(nèi)實現(xiàn)靜音和活動區(qū)域，讓房間不同位置的人就能聽到不同的聲音。
當(dāng)然，這項技術(shù)也會讓人聯(lián)想到隱私問題。研究人員承認(rèn)麥克風(fēng)可能會被誤用，所以他們設(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。而且這些機器人很容易被看到，當(dāng)它們活動時，它們的提示燈會閃爍。聲學(xué)群不像大多數(shù)智能揚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，該團隊說。
“它有可能真正有益于隱私，超出了目前的智能揚聲器所允許的范圍，”Itani說�！拔铱梢哉f，'不要在我的辦公桌周圍記錄任何東西'，我們的系統(tǒng)會在我周圍3英尺處產(chǎn)生一個區(qū)域。這個區(qū)域中的任何內(nèi)容都不會被記錄下來�；蛘�，如果兩組在旁邊說話，一組正在進行私人對話，而另一組正在錄音，則一個對話可以處于靜音區(qū)，并且它將保持私密�！�
|
