自適應(yīng)語(yǔ)控智能會(huì)議系統(tǒng)中的技術(shù)及設(shè)備解析

顧克明　顧锃

【摘 要】 介紹全新的數(shù)字會(huì)議系統(tǒng)即自適應(yīng)語(yǔ)控智能會(huì)議系統(tǒng)，并實(shí)現(xiàn)“一線通、一聲控、一云端”理念。

【關(guān)鍵詞】 智能會(huì)議系統(tǒng)；自適應(yīng)性；抗噪聲傳聲器；語(yǔ)音文字化；語(yǔ)控系統(tǒng)

文章編號(hào)： 10.3969/j.issn.1674-8239.2017.10.010

【Abstract】The author introduces a new digital conference system， namely adaptive speech control intelligent conference system， and implements the concept of "one line connection， one voice control， one cloud".

【Key Words】intelligent conference system； adaptive； anti noise microphone； voice and text； speech control system

會(huì)議的擴(kuò)聲效果千差萬(wàn)別，甚至有時(shí)會(huì)出現(xiàn)聽(tīng)不見(jiàn)、聽(tīng)不清的窘?jīng)r。因此，對(duì)于會(huì)議系統(tǒng)，通常在前期需要對(duì)系統(tǒng)設(shè)備及會(huì)場(chǎng)環(huán)境進(jìn)行專門(mén)的設(shè)計(jì)調(diào)試；開(kāi)會(huì)發(fā)言時(shí)需要現(xiàn)場(chǎng)操作擴(kuò)聲系統(tǒng)，隨時(shí)調(diào)節(jié)音量等參數(shù)；會(huì)上還要指定專人進(jìn)行會(huì)議記錄；會(huì)后還要加班加點(diǎn)整理會(huì)議紀(jì)要……

以上繁雜的工作能否化繁為簡(jiǎn)，形成一個(gè)高度智能化的自適應(yīng)系統(tǒng)，這是筆者想討論的內(nèi)容。

1 自適應(yīng)語(yǔ)控智能會(huì)議系統(tǒng)及功能

自適應(yīng)語(yǔ)控智能會(huì)議系統(tǒng)能夠按照設(shè)定的標(biāo)準(zhǔn)工作，并根據(jù)會(huì)場(chǎng)的各種條件，自動(dòng)適應(yīng)地選擇各種會(huì)議功能，同時(shí)對(duì)自身工作特性進(jìn)行智能調(diào)節(jié)，從而獲得語(yǔ)言清晰、音樂(lè)豐滿、聲像一致的會(huì)場(chǎng)效果。其可以將繁瑣、復(fù)雜的會(huì)議步驟高度簡(jiǎn)化，為與會(huì)人員提供自然舒適、高效順暢的會(huì)議體驗(yàn)。

自適應(yīng)語(yǔ)控智能會(huì)議系統(tǒng)包含會(huì)議拾聲自適應(yīng)、會(huì)議設(shè)備智能語(yǔ)控、會(huì)議發(fā)言實(shí)時(shí)轉(zhuǎn)寫(xiě)三大模塊，為各類會(huì)議提供系統(tǒng)解決方案。 其具體的三項(xiàng)功能如下。

（1）會(huì)議拾聲自適應(yīng)。會(huì)議系統(tǒng)能夠根據(jù)說(shuō)話人的聲音大小、環(huán)境噪聲強(qiáng)弱來(lái)自動(dòng)調(diào)節(jié)自身特性、自動(dòng)匹配聲音處理策略，使系統(tǒng)處于適配的工作狀態(tài)，盡可能地提高拾取音源的聲音質(zhì)量，從而獲得高語(yǔ)言清晰度的聽(tīng)音效果，擺脫由操作人員調(diào)整控制傳聲器等設(shè)備的傳統(tǒng)會(huì)議模式。

（2）會(huì)議設(shè)備智能操控。系統(tǒng)通過(guò)人機(jī)語(yǔ)音交互完成投影儀、幕布、窗簾、燈光、音響、空調(diào)等會(huì)場(chǎng)設(shè)備的應(yīng)用操作，為與會(huì)人員提供便捷、智能、個(gè)性化的會(huì)議體驗(yàn)。

（3）會(huì)議發(fā)言實(shí)時(shí)轉(zhuǎn)寫(xiě)?；谡Z(yǔ)音轉(zhuǎn)寫(xiě)技術(shù)，能夠?qū)?huì)議發(fā)言實(shí)時(shí)轉(zhuǎn)換成文字，還具有實(shí)時(shí)編輯修改、關(guān)鍵詞優(yōu)化、敏感詞屏蔽等實(shí)用功能，會(huì)議結(jié)束即可同步提供會(huì)議紀(jì)要。

2 系統(tǒng)設(shè)備

2.1 抗噪聲傳聲器

抗噪聲指向性傳聲器（專利第55 32871號(hào)）如圖1所示，其抗噪性能可在各類會(huì)場(chǎng)條件下提供自適應(yīng)的解決辦法。

2.1.1 主要性能

（1）抗噪聲傳聲器配備了具有聲干涉管的￠14 mm專業(yè)數(shù)字音頭，采用指向性結(jié)構(gòu)與DSP（數(shù)字信號(hào)處理）技術(shù)相結(jié)合的原理，在增加指向性與降低環(huán)境噪聲的基礎(chǔ)上達(dá)到遠(yuǎn)距離拾音的目的。

（2）為了減少干擾和噪聲，內(nèi)置聲學(xué)DSP芯片，通過(guò)短音節(jié)收斂算法達(dá)到穩(wěn)態(tài)噪聲抑制效果，在每次開(kāi)機(jī)時(shí)，可針對(duì)傳聲器當(dāng)時(shí)所處環(huán)境的情況自動(dòng)校準(zhǔn)以實(shí)現(xiàn)消噪功能；支持廣泛的采樣率范圍，從8 kHz、16 kHz（寬帶語(yǔ)音）到48 kHz。

（3）采用AGC（自動(dòng)增益控制）與高低頻帶寬抑制技術(shù)，實(shí)現(xiàn)較高的拾音信噪比指標(biāo)，獲得清晰的音質(zhì)。只要人在5 m范圍內(nèi)說(shuō)話，不論遠(yuǎn)近，聲音能一直維持相同的輸出音量。

2.1.2 主要指標(biāo)

（1）強(qiáng)指向性。接收角度小于30°，定向拾音有效地排除周?chē)肼暿叭×浚ＷC會(huì)議質(zhì)量。

（2）AGC自動(dòng)增益。做到0.2 m～5 m范圍內(nèi)拾音輸出保持相同音量，為多種場(chǎng)合使用提供方便。

（3）語(yǔ)言清晰度。通過(guò)STIPA測(cè)試對(duì)比，抗噪聲指向性傳聲器比普遍傳聲器提高0.05以上，語(yǔ)言清晰度得到提高。

（4）傳聲器配備PDM數(shù)字輸入，針對(duì)環(huán)境自動(dòng)校準(zhǔn)，對(duì)穩(wěn)態(tài)噪聲具有降噪功能，經(jīng)實(shí)測(cè)降噪值達(dá)14 dB以上，如圖2所示，圖中淺紅色為噪聲原信號(hào)，深紅色為降噪后信號(hào)。

經(jīng)降噪處理后的會(huì)議擴(kuò)聲系統(tǒng)，其會(huì)場(chǎng)環(huán)境噪聲相對(duì)降低14 dB以上，信噪比得到很大改善，會(huì)議發(fā)言的語(yǔ)言清晰度得到顯著提高，特別是應(yīng)用于聲場(chǎng)環(huán)境不太好的會(huì)議室會(huì)更為有效。

2.1.3 主要用途

抗噪聲傳聲器廣泛適用于會(huì)議采訪、電化教學(xué)、安防系統(tǒng)等場(chǎng)合?？乖肼晜髀暺饔绕溥m用于教學(xué)系統(tǒng)，滿足了“要把師生的手解放出來(lái)”的學(xué)校需求，解決了有些老師不愿配帶無(wú)線傳聲器或手持傳聲器的問(wèn)題。只要將傳聲器吊裝于教室頂棚之上，充分發(fā)揮抗噪聲傳聲器遠(yuǎn)距離拾音的特性，即可方便自如地進(jìn)行互動(dòng)教學(xué)，如圖3。

2.2 數(shù)字自動(dòng)混音臺(tái)

數(shù)字自動(dòng)混音器是近年會(huì)議系統(tǒng)中使用的常規(guī)設(shè)備，其特點(diǎn)是連接容易、使用簡(jiǎn)便、防嘯叫效果好。數(shù)字自動(dòng)混音器不同于調(diào)音臺(tái)，其在抑制聲反饋方面完成了“人+調(diào)音臺(tái)”的自適應(yīng)工作。

新近的數(shù)字自動(dòng)混音器，采用 “自動(dòng)傳聲器開(kāi)關(guān)管理”控制技術(shù)，在標(biāo)準(zhǔn)工作模式下，雖然有多支傳聲器同時(shí)收到同一個(gè)人的講話聲，但只有音量最大的傳聲器的通道才能被自動(dòng)打開(kāi)。由于其他傳聲器不被打開(kāi)，從而避免了反射聲、背景噪聲等激勵(lì)信號(hào)的迭加，拾音質(zhì)量得到保障。另外一項(xiàng)技術(shù)是“自動(dòng)傳聲增益控制”，傳聲器切換速度達(dá)到毫秒級(jí)，開(kāi)/關(guān)無(wú)轉(zhuǎn)換痕跡，達(dá)到信號(hào)平滑過(guò)渡，不會(huì)發(fā)生講話時(shí)第一音節(jié)丟失的現(xiàn)象。endprint

2.3 強(qiáng)指向性揚(yáng)聲器

強(qiáng)指向性揚(yáng)聲器能夠以窄的波束向指定方向傳播聲音，波束內(nèi)的聲音較強(qiáng)，波束外的聲音較弱，如圖4。目前，市場(chǎng)上出現(xiàn)了多種會(huì)議系統(tǒng)專用揚(yáng)聲器，大部分為條狀揚(yáng)聲器系統(tǒng)，即音柱。音柱即強(qiáng)指向性揚(yáng)聲器系統(tǒng)，但僅指垂直方向，其水平方向仍是較寬的，指向性圖呈扇形?，F(xiàn)有一款磁磚揚(yáng)聲器系統(tǒng)，在垂直方向與水平方向兩個(gè)方向上，指向性都很窄，指向性圖呈銳形，能將聲音更集中地傳輸?shù)铰?tīng)眾區(qū)，更大程度地減弱反射聲對(duì)會(huì)場(chǎng)的影響。如果能很好地控制揚(yáng)聲器垂直/水平指向性，使波束區(qū)內(nèi)聽(tīng)眾得到更多的直達(dá)聲，就能獲得比普通揚(yáng)聲器系統(tǒng)更高的語(yǔ)言清晰度。

選用強(qiáng)指向性揚(yáng)聲器系統(tǒng)相當(dāng)于起到縮短混響時(shí)間的效果，這是“有效混響時(shí)間”的概念，對(duì)于混響時(shí)間較長(zhǎng)的會(huì)議室更有選擇的必要?？乖肼晱?qiáng)指向傳聲器結(jié)合強(qiáng)指向性揚(yáng)聲器，是對(duì)抗長(zhǎng)混響環(huán)境行之有效的方法。

2.4 功率放大器的擴(kuò)聲電平控制

從圖5中可以清晰地看到語(yǔ)言傳輸指數(shù)（選自IEC 60268-16（4.0版.2011.6）規(guī)范）與聲壓級(jí)的關(guān)系，見(jiàn)表1。

經(jīng)過(guò)反復(fù)驗(yàn)證，在工程實(shí)際中多次證實(shí)了以下規(guī)律：同等條件下，聲壓級(jí)50 dB～80 dB 時(shí)語(yǔ)言傳輸指數(shù)（STI）的一種簡(jiǎn)化形式STIPA（擴(kuò)聲系統(tǒng)語(yǔ)言傳輸指數(shù)）基本不變，而聲壓級(jí)升高到80 dB后，STIPA急劇下降。由此可見(jiàn)，為了使會(huì)議系統(tǒng)獲得較高的語(yǔ)言傳輸指數(shù)，保證較好的語(yǔ)言清晰度，建議擴(kuò)聲的聲壓級(jí)控制在75 dB±3 dB，大型會(huì)場(chǎng)控制在85 dB±3 dB為宜。

例如，昆明滇池國(guó)際會(huì)展中心萬(wàn)人會(huì)場(chǎng)的擴(kuò)聲系統(tǒng)設(shè)計(jì)[3]中，如圖6，在實(shí)測(cè)混響時(shí)間高達(dá)10.58 s的嚴(yán)峻現(xiàn)實(shí)下，運(yùn)用以上原理展開(kāi)設(shè)計(jì)施工，最終語(yǔ)言清晰度仍達(dá)到GB/T 28049-2011《廳堂、體育場(chǎng)館擴(kuò)聲系統(tǒng)設(shè)計(jì)標(biāo)準(zhǔn)》會(huì)議類擴(kuò)聲系統(tǒng)聲學(xué)特性指標(biāo)一級(jí)標(biāo)準(zhǔn)（STIPA≥0.5）。

由此想到，倘若在數(shù)字功率放大器輸入端設(shè)有三段壓限器，設(shè)定75 dB前為線性增益、75 dB～78 dB為斜率增益、78 dB以上為0增益，這將自動(dòng)適應(yīng)講話人聲音大小，為會(huì)議系統(tǒng)管理帶來(lái)極大便利。

3 語(yǔ)音控制技術(shù)

引入人機(jī)交互理念，集成了包括雙全工技術(shù)、傳聲器技術(shù)、聲紋識(shí)別技術(shù)、方言識(shí)別、語(yǔ)義理解技術(shù)和內(nèi)容服務(wù)等技術(shù)，通過(guò)繼電器、遠(yuǎn)紅外等控制音頻、視頻、燈光、小型機(jī)械、窗簾、空調(diào)等會(huì)議室相關(guān)設(shè)備，可根據(jù)邏輯關(guān)系進(jìn)行聯(lián)動(dòng)編程，達(dá)到智能控制、一鍵聯(lián)動(dòng)等。操作設(shè)備采用有線或無(wú)線觸摸屏、電腦、墻裝按鍵面板等。

通過(guò)AIUI（科大訊飛人工智能交互界面）前端語(yǔ)音交互入口，進(jìn)行高保真拾音及語(yǔ)音轉(zhuǎn)寫(xiě)，轉(zhuǎn)寫(xiě)的結(jié)果是利用其語(yǔ)義理解平臺(tái)所提供的語(yǔ)音交互、上下文理解能力，快速關(guān)聯(lián)相應(yīng)的設(shè)備應(yīng)用場(chǎng)景，快速抽取語(yǔ)義、提取意圖和關(guān)鍵信息，形成結(jié)構(gòu)化的語(yǔ)義理解結(jié)果指令，經(jīng)中央控制器輸出到已連接的相應(yīng)設(shè)備，從而達(dá)到控制設(shè)備的效果。還可預(yù)設(shè)多個(gè)設(shè)備的組合控制模式，達(dá)到一句話控制所有設(shè)備的便捷效果。

語(yǔ)義理解平臺(tái)是一種實(shí)現(xiàn)人機(jī)間自然語(yǔ)言通信的軟件系統(tǒng)。從形式上看，中文文本是由漢字（包括標(biāo)點(diǎn)符號(hào)等）組成的一個(gè)字符串。由字可組成詞，由詞可組成詞組，由詞組可組成句子，進(jìn)而由一些句子組成段、節(jié)、章、篇。但在不同的場(chǎng)景或不同的語(yǔ)境下，可以理解成不同的詞串、詞組串等，并有不同的意義。一般情況下，它們中的大多數(shù)都是可以根據(jù)相應(yīng)的語(yǔ)境和場(chǎng)景的規(guī)定而得到解決的。但是，為了消解歧義，是需要大量的知識(shí)并進(jìn)行推理。語(yǔ)義理解平臺(tái)就是將這些知識(shí)較完整地加以收集和整理，以合適的形式將它們存入計(jì)算機(jī)系統(tǒng)中，有效地利用它們來(lái)消除歧義，實(shí)現(xiàn)準(zhǔn)確識(shí)別、理解自然語(yǔ)言含義的功能。

4 語(yǔ)音文字化功能

在會(huì)議系統(tǒng)中整合語(yǔ)音文字化產(chǎn)品，以符合安全要求的離線方式，將會(huì)議場(chǎng)景下的發(fā)言語(yǔ)音內(nèi)容實(shí)時(shí)轉(zhuǎn)換成文字，方便有效地解決了語(yǔ)言與文字的互換關(guān)系，從而有效提高會(huì)議系統(tǒng)的智能化程度。

如果要真正實(shí)現(xiàn)語(yǔ)音轉(zhuǎn)寫(xiě)在會(huì)議場(chǎng)景下的應(yīng)用能力，需要提升語(yǔ)音轉(zhuǎn)寫(xiě)結(jié)果的可讀性，提高智能語(yǔ)音轉(zhuǎn)寫(xiě)系統(tǒng)的易用性，就需要開(kāi)展轉(zhuǎn)寫(xiě)結(jié)果可讀性提升、段落劃分、摘要及意圖檢測(cè)方面的研究工作。

（1）語(yǔ)音轉(zhuǎn)寫(xiě)結(jié)果的可讀性提升：使用基于多信息融合及基于聲學(xué)屬性識(shí)別的聲學(xué)置信度技術(shù)，并結(jié)合語(yǔ)義信息，進(jìn)一步提升異常語(yǔ)音的檢測(cè)能力；基于CRF（Conditional Random Field）模型的標(biāo)點(diǎn)技術(shù)、基于CRF模型的句子順滑及基于最大熵模型的關(guān)鍵信息抽取等技術(shù)，通過(guò)這些技術(shù)的組合，進(jìn)一步改善轉(zhuǎn)寫(xiě)內(nèi)容的可閱讀性。

（2）語(yǔ)義段落的自動(dòng)劃分：基于句子級(jí)別語(yǔ)義聚類和關(guān)聯(lián)邏輯關(guān)系的分析以及一些特殊的提示型詞匯、停頓長(zhǎng)度等額外信息，自動(dòng)將較長(zhǎng)的內(nèi)容轉(zhuǎn)寫(xiě)結(jié)果切分為語(yǔ)義相對(duì)獨(dú)立的若干個(gè)段落，為關(guān)鍵信息和摘要做準(zhǔn)備。

（3）語(yǔ)義摘要：借鑒傳統(tǒng)的文本自動(dòng)摘要，并根據(jù)語(yǔ)音中說(shuō)話人、語(yǔ)氣強(qiáng)調(diào)重復(fù)等信息，自動(dòng)對(duì)每一段語(yǔ)音進(jìn)行關(guān)鍵信息的抽取和自動(dòng)摘要，以便快速地從長(zhǎng)時(shí)語(yǔ)音中找到所需轉(zhuǎn)寫(xiě)的內(nèi)容，進(jìn)一步提升人機(jī)結(jié)合方式的語(yǔ)音轉(zhuǎn)寫(xiě)的投入產(chǎn)出比。

會(huì)議語(yǔ)音轉(zhuǎn)寫(xiě)的核心價(jià)值在于語(yǔ)音轉(zhuǎn)寫(xiě)的實(shí)時(shí)性和準(zhǔn)確率，采用的智能會(huì)議系統(tǒng)可達(dá)到實(shí)時(shí)語(yǔ)音轉(zhuǎn)寫(xiě)效率≤500 ms，基本達(dá)到零延遲的出材效果感知。而基于“即聽(tīng)即所見(jiàn)”的核心技術(shù)，其對(duì)標(biāo)準(zhǔn)普通話的轉(zhuǎn)寫(xiě)準(zhǔn)確率超過(guò)95%，達(dá)到無(wú)紙化記錄水平。

目前，國(guó)內(nèi)相關(guān)的前沿技術(shù)主要為采用13 000小時(shí)以上連續(xù)語(yǔ)流數(shù)據(jù)訓(xùn)練而成的聲學(xué)模型及二遍解碼技術(shù)，其獨(dú)有的文本順滑、標(biāo)點(diǎn)識(shí)別、英文數(shù)字后處理等自然語(yǔ)言處理能力，使識(shí)別結(jié)果更加準(zhǔn)確、規(guī)范。

5 工程案例

某會(huì)議室尺寸為長(zhǎng)9.5 m、寬4.5 m、高3.4 m，如圖7所示。經(jīng)建聲專業(yè)裝修后混響時(shí)間T60=0.4 s；系統(tǒng)配置包括降噪傳聲器系統(tǒng)、會(huì)議音響系統(tǒng)、視頻顯示系統(tǒng)、智能照明系統(tǒng)、語(yǔ)音控制系統(tǒng)、語(yǔ)言轉(zhuǎn)寫(xiě)系統(tǒng)，視頻會(huì)議系統(tǒng)、電動(dòng)窗簾系統(tǒng)、中央空調(diào)系統(tǒng)、集中控制系統(tǒng)，系統(tǒng)原理圖如圖8所示。

6 結(jié)束語(yǔ)

綜上所述，自適應(yīng)語(yǔ)控智能會(huì)議系統(tǒng)以數(shù)字處理為核心技術(shù)，形成由數(shù)字傳聲器-數(shù)字處理器-數(shù)字有源揚(yáng)聲器組成的智能會(huì)議系統(tǒng)，有利于提高會(huì)場(chǎng)系統(tǒng)工程質(zhì)量；以降噪技術(shù)為手段，體現(xiàn)在會(huì)場(chǎng)語(yǔ)言清晰度的提高從聲源上解決問(wèn)題； “即聽(tīng)即所見(jiàn)”技術(shù)實(shí)現(xiàn)了語(yǔ)音文字化，對(duì)會(huì)議紀(jì)要整理、資料保存以及無(wú)紙化辦公具有實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)：

[1] 顧克明，彭妙顏，周錫韜等. 會(huì)場(chǎng)系統(tǒng)工程[M]. 北京：中國(guó)電力出版社，2013.

[2] 高玉龍. 小房間聲學(xué)設(shè)計(jì)及建筑聲學(xué)處理[M]. 北京：國(guó)防工業(yè)出版社， 2014.

[3] 顧克明，陳敏，顧 锃. 昆明滇池國(guó)際會(huì)展中心萬(wàn)人會(huì)場(chǎng)的擴(kuò)聲系統(tǒng)設(shè)計(jì)[J]. 電聲技術(shù)，2015（8）.endprint