تیم تحقیق تکنیک های محلی سازی صدا را برای بلندگوهای هوشمند توسعه می دهد

بلندگوهای هوشمند - فکر می کنید ، Amazon Alexa یا Google Home a قابلیت های متنوعی را برای کمک به آزاد کردن هم زمان و هم دست ما ارائه می دهند. می توانیم اخبار صبح را هنگام مسواک زدن روی دندان های خود بشنویم ، هنگام انتخاب کت ، گزارش وضعیت هواشناسی را بخواهیم و در حالی که دو قابلمه داغ را به طور همزمان کنترل می کنید ، یک تایمر را برای اجاق تنظیم کنید. طبق گفته Voicebot.ai ، الکسا بیش از 100000 مهارت را در سراسر جهان پشتیبانی می کند ، اما یکی از وظایفی که نتوانسته است تعیین موقعیت کاربر در خانه باشد.

این کار بومی سازی مورد توجه دانشگاه ایلینویز در تیم تحقیقاتی Urbana-Champaign بود که به تازگی منتشر شده است ، " محلی سازی صدا با استفاده از بازتاب های دیوار نزدیک ". این کار در بیست و ششمین کنفرانس بین المللی سالانه رایانه و شبکه تلفن همراه پذیرفته شد. در مقاله ، تیم به سرپرستی دانش آموز فارغ التحصیل آزمایشگاه علوم هماهنگ شده ، شن شن ، به تحقیق درباره VoLoc می پردازند ، سیستمی که از آرایه میکروفون در الکسا و همچنین پژواک های اتاق صدا از صدای انسان استفاده می کند ، برای استنباط مکان کاربر در داخل خانه

دانستن موقعیت مکانی کاربر در یک خانه می تواند به یک دستگاه هوشمند کمک کند که از مهارت های موجود در حال حاضر پشتیبانی بهتری داشته باشد. به عنوان مثال ، پس از دریافت دستوراتی مانند "روشن کردن چراغ" یا "افزایش دما" ، الکسا در حال حاضر باید حدس بزند که کدام نور و اتاق در قلب فرمان قرار دارد. با استفاده از تکنیک معروف به مثلثی معکوس ، شن و مشاور رومیت روی چودوری به محلی سازی صدا نزدیکتر می شوند.

شن ، دانشجوی مهندسی برق و کامپیوتر (ECE) گفت: "استفاده از این تکنیک در بلندگوهای هوشمند مستلزم چالشهای زیادی است." "ابتدا باید صدای مستقیم انسان و هر یک از اتاق را از ضبط میکروفون جدا کنیم. سپس باید جهت هر یک از این مداح ها را به طور دقیق محاسبه کنیم. هر دو چالش دشوار است زیرا میکروفون ها به سادگی مخلوطی از تمام صداها را ضبط می کنند. در کل

VoLoc از طریق "الگوریتم هم ترازی و لغو" این موانع را برطرف می کند که به طور تکراری مسیرهای هرکدام از سیگنال های صوتی وارد شده را جدا می کند ، و از میان آنها ، مثلث معکوس مکان کاربر را مشخص می کند. برخی از جنبه های هندسه اتاق به طور خودجوش آموخته می شود ، که سپس به مثلث بندی کمک می کند. در حالی که این یک موفقیت مهم است ، Shen و روی Choudhury قصد دارند به زودی این تحقیقات را به کاربردهای بیشتری گسترش دهند.

شن توضیح داد: "قدم بعدی فوری ما ساختن قاب مرجع گوینده هوشمند است." "این می تواند به معنای قرار دادن مکانها باشد ، همانطور که VoLoc در یک طبقه کف ارائه داده است تا مشخص شود کاربر در اتاق رختشویی قرار دارد. در غیر این صورت ، اگر بلندگو هوشمند صداهای ایجاد شده توسط واشر و خشک کن را در همان مکان صدا جمع کند. فرمان ، می تواند به همان نتیجه برسد. "

امکانات این عملکرد به ظاهر بی پایان است و می تواند توانایی های فعلی الکسا را ​​بهبود بخشد.

روی Choudhury ، استاد CSL و WJ "جری" Sanders III — Advanced Micro Devices، Inc. محقق در مهندسی برق و کامپیوتر گفت: "پیامدهای مهم هستند. "موقعیت مکانی می تواند الکسا را ​​در بهبود گفتار کمک کند ، زیرا واژگان و مدل های مختلف گفتار را می توان بارگیری کرد. برای مثال ، ممکن است یک دستور مانند" افزودن فوری به لیست خرید "معنی نداشته باشد ، اما اگر الکسا بداند که کاربر در لباسشویی است. اتاق ، الکسا ممکن است استنباط کند که کاربر در واقع گفته است "مواد شوینده را به لیست خرید اضافه کنید ". "

شن و روی Choudhury اذعان دارند که این فن آوری می تواند حریم خصوصی را از بین ببرد ، با این کار به شرکت هایی مانند آمازون و گوگل اجازه می دهد تا هر چه بیشتر به خانه ها و زندگی روزمره ما بپردازند. با این حال ، آنها همچنین معتقدند که این مزایا بسیار حیاتی است ، زیرا دستگاه های هوشمند آگاه از زمینه می توانند به فناوریهای مهم حامی برای سالمندان مستقل و بیشتر تبدیل شوند.

به عنوان مثال ، از این فناوری می توان برای یادآوری پدربزرگ و مادربزرگ که به طور مستقل زندگی می کند تا هنگام گذر از کابینت دارو ، از داروهای خود استفاده کند ، یا به کودک یادآوری کرد که هنگام خارج شدن از حمام ، شیر آب را خاموش کند.