一种智能设备及其智能设备的音频时延计算方法和装置与流程

本申请属于音频处理领域，尤其涉及一种智能设备及其智能设备的音频时延计算方法和装置。

背景技术：

随着科技技术的发展，越来越多的智能音箱、智能电视等智能设备进入到了人们的生活。智能设备中包括的语音唤醒功能，可以方便人们脱离遥控器的限制，免于遥控器丢失时需要通过按键对智能设备进行控制的缺陷，大大的提高了人们使用智能设备的便利性。

在智能设备的使用过程中，智能设备本身会播放音频，因此，用户的语音指令可能会与智能设备本身播放的音频混合在一起，可能会使智能设备不能准确的解析用户的语音指令，为了消除该声学回声，往往需要增加附加的硬件，操作较为复杂而且增加了成本。

技术实现要素：

有鉴于此，本申请实施例提供了一种智能设备及其音频时延计算方法和装置，以解决现有技术中由于用户的语音指令可能会与智能设备本身播放的音频混合在一起，会使智能设备不能准确的解析用户的语音指令，在增加附加的硬件消除回声时，操作较为复杂而且增加了成本的问题。

本申请实施例的第一方面提供了一种智能设备的音频时延计算方法，所述智能设备的音频时延计算方法包括：

智能设备将包括预设频谱特征的第一音频送入音频播放器，并记录将所述第一音频送入音频播放器时的第一时间戳t1；

智能设备获取由麦克风采集的第二音频，计算第二音频中的音频的频谱特征与所述第一音频的频谱特征的相似度大于预设值时的第二时间戳t2；

智能设备根据所述第一时间戳t1和第二时间戳t2的差值，确定所述音频时延△t。

结合第一方面，在第一方面的第一种可能实现方式中，所述智能设备将预设频谱特征的第一音频送入音频播放器的步骤包括：

将预设频率的方波音频送入音频播放器。

结合第一方面，在第一方面的第二种可能实现方式中，所述智能设备将包括预设频谱特征的第一音频送入音频播放器的步骤包括：

获取当前场景和/或用户的频率-声强的分布信息；

根据所述频率-声强的分布信息，选择声强较强区域的声音频率的方波作为第一音频输入音频播放器。

结合第一方面，在第一方面的第三种可能实现方式中，所述音频播放器和/或麦克风为智能设备的内置音频播放器和/或麦克风，或者为智能设备的外接的音频播放器和/或麦克风，所述智能设备通过音频连接线与音频播放器和/或麦克风相连。

结合第一方面，在第一方面的第四种可能实现方式中，所述智能设备为机顶盒或智能电视。

本申请实施例的第二方面提供了一种智能设备的音频时延计算装置，所述智能设备的音频时延计算装置包括：

播放记录单元，用于由智能设备将包括预设频谱特征的第一音频送入音频播放器，并记录将所述第一音频送入音频播放器时的第一时间戳t1；

音频比较单元，用于由智能设备获取由麦克风采集的第二音频，计算第二音频中的音频的频谱特征与所述第一音频的频谱特征的相似度大于预设值时的第二时间戳t2；

时延计算单元，用于由智能设备根据所述第一时间戳t1和第二时间戳t2的差值，确定所述音频时延△t。

结合第二方面，在第二方面的第一种可能实现方式中，所述播放记录单元还用于：

将预设频率的方波音频送入音频播放器。

结合第二方面，在第二方面的第二种可能实现方式中，所述播放记录单元包括：

声音分布信息获取子单元，用于获取当前场景和/或用户的频率-声强的分布信息；

方波选择子单元，用于根据所述频率-声强的分布信息，选择声强较强区域的声音频率的方波作为第一音频输入音频播放器。

本申请实施例的第三方面提供了一种智能设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述方法的步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：通过将智能设备中预设频谱特征的第一音频送往音频播放器进行解码播放，并记录送入音频播放器的第一时间戳t1，然后接收由麦克风获取的第二音频，提取第二音频中的音频数据与第一音频的频谱特征进行比较，确定与所述第一音频的频谱特征的相似度超过预定值时的第二音频中的第二时间戳t2，根据第一时间戳t1与第二时间戳t2的差值作为所述音频时延，不需要在智能设备上增加附加的硬件即可有效的计算得到音频时延，并且实现更为简单，有利于节省成本。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种智能设备的结构示意图；

图2是本申请实施例提供的一种智能设备的音频时延计算方法的实现流程示意图；

图3是本申请实施例提供的一种智能设备的回声消除应用场景示意图；

图4是本申请实施例提供的一种智能设备的音频时延计算装置的示意图；

图5是本申请实施例提供的智能设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

图1为本申请实施例提供的一种智能设备的结构示意图，为便于说明，仅示意了与本申请相关的部分。如图1所示，所述智能设备包括扬声器、麦克风、计算单元、dac/音频编解码器、adc/音频编解码器以及计算单元。

其中，所述扬声器和麦克风不局限于智能设备本身具有的扬声器和麦克风，还可以通过音频传输线连接的其它扬声器或其它麦克风。

所述计算单元可以根据预设的时延计算触发指令，将包括预设频谱特征的第一音频传送至dac/音频编解码器进行解码。经过dac/音频编解码器解码后，获取解码后的模拟音频信号，然后由扬声器播放所解码的模拟音频信号。所述计算单元在发送第一音频至dac/音频编解码器的同时，记录发送所述第一音频的时间，即第一时间戳t1。

所述麦克风用于采集所述扬声器发出的声音，并且还包括场景中的噪声和语音指令。为了提高本申请对于第二时间戳t2的计算效率，所述预设频谱特征可以为方形音频，由于其具有抗干扰能力强的特点，可以有效的提高计算单元中的时延测算模块对于音频相似度便利性。

另外，由于场景中的噪声可能会随着场景不同而发生变化，为了进一步提高第二时间戳t2的准确度，可以通过麦克风采集当前场景的频率-声强的分布信息，选择声强分布较弱的频率区域作为方波的频率，从而使得掺入的方波的干扰更少，更加容易检测到第二时间戳t2。

根据智能设备放置的场景的不同，或者智能设备连接的扬声器放置的位置不同，都会影响麦克风接收到所述扬声器的接收时间。因此，对于智能设备的音频时延计算的触发信号，可以通过检测所述智能设备的位置是否有发生改变，或者检测所述智能设备是否有调整方位。即当智能设备的位置发生改变时，触发音频时延计算，或者，当智能设备的方位发生改变时，触发音频时延计算。

计算确定音频时延△t后，可以将麦克风实时采集的音频与所述实时数据的时间戳△t之前由计算单元发送给扬声器，或者发送给dac/音频编解码器的音频进行比较，消除扬声器所播放的音频干扰，过滤得到更为准确的用户语音指令。

图2为本申请实施例提供的一种智能设备的时延计算方法的实现流程示意图，详述如下：

在步骤s201中，智能设备将包括预设频谱特征的第一音频送入音频播放器，并记录将所述第一音频送入音频播放器时的第一时间戳t1；

所述预设的频谱特征可以为方形音频，通过方形音频干抗能力较强的特点，便于后续查找第二音频中的第二时间戳t2。当然，优选的实施方式还可以包括，获取当前场景的频率-声强分布信息，或者也可以获取用户的频率-声强分布信息，根据所获取的频率-声强分布信息，确定声强分布较弱的区域所对应的频率作为所述第一音频。所述第一音频的频率属于可采集的声音频率的范围。

所述智能设备包括但不限于机顶盒、智能电视、智能手机或平板电脑等。获取智能设备的音频时延，可以用于对智能设备进行语音控制，也可以用于智能设备的语音通话过程中的语音质量提升。

在步骤s202中，智能设备获取由麦克风采集的第二音频，计算第二音频中的音频的频谱特征与所述第一音频的频谱特征的相似度大于预设值时的第二时间戳t2；

所述智能设备的麦克风实时采集第二音频，并通过预设的频谱特征对所采集的第二音频进行相似度分析。当所采集的第二音频中包括与所述第一音频的频率相似度大于预定值时，则记录所查找的音频的第二时间戳t2。

如果在预定时长内没有检测到所播放的第一音频，则可表示本次时延计算失败，需要重新进行下一次的时延计算，或者通过采集当前场景的频率-声强分布信息，调整第一音频的频谱特征，重新进行测量。

在步骤s203中，智能设备根据所述第一时间戳t1和第二时间戳t2的差值，确定所述音频时延△t。

所述智能设备通过记录发送第一音频时的第一时间戳t1，以及记录麦克风所采集的第二音频，查找第二音频中包括的与所述第一音频的特征相似度超过预定值的第二时间戳t2，获得两者的差值，即通过在后的第二时间戳t2减去在先的第一时间戳t1，即可得到所述智能设备在当前场景下的时延△t。

根据计算的时延△t，可以将当前采集的音频，与当前采集的音频的△t之前播放的音频进行回声消除，即使用△t之前播放的音频来抵销所采集的音频中的部分音频，得到环境中的声音，包括环境噪声和用户语音。

优选的实施方式中，还可以对环境噪声进行采集和分析，可以根据环境噪声与时间的关系，或者环境噪声与天气的关系等，确定当前场景可能包括的环境噪声，对扬声器所采集的音频作进一步的过滤，从而更进一步提高语音指令的清晰度，提高控制的准确性。

图3为本申请实施例提供的一种本申请所述时延计算的应用场景示意图，如图3所示，包括远端用户和近端用户，远端用户发出的声音经由远端设备麦克风采集编码后，由网络传输至近端设备进行解码后由扬声器播放，并在播放时记录播放的时间戳t1，近端设备的麦克风采集到用户声音和扬声器声音的音频a2以及采集时间t2，通过本申请所述时延计算方法计算得到的时延△t，确定所采集的声音的时间t2的△t之前所播放的音频a1，将音频a1和音频a2进行回声消除处理后，得到用户声音，并通过编码传输至远端设备，由远端设备解码播放后，用户可以清晰的听到用户语音，从而能够提高用户通信效率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

图4为本申请实施例提供的一种智能设备的音频时延计算装置的结构示意图，详述如下：

所述智能设备的音频时延计算装置包括：

播放记录单元401，用于由智能设备将包括预设频谱特征的第一音频送入音频播放器，并记录将所述第一音频送入音频播放器时的第一时间戳t1；

音频比较单元402，用于由智能设备获取由麦克风采集的第二音频，计算第二音频中的音频的频谱特征与所述第一音频的频谱特征的相似度大于预设值时的第二时间戳t2；

时延计算单元403，用于由智能设备根据所述第一时间戳t1和第二时间戳t2的差值，确定所述音频时延△t。

优选的，所述播放记录单元还用于：

将预设频率的方波音频送入音频播放器。

优选的，所述播放记录单元包括：

声音分布信息获取子单元，用于获取当前场景和/或用户的频率-声强的分布信息；

方波选择子单元，用于根据所述频率-声强的分布信息，选择声强较强区域的声音频率的方波作为第一音频输入音频播放器。

图4所述智能设备的音频时延计算装置，与图2所述的智能设备的音频时延计算方法对应。

图5是本申请一实施例提供的智能设备的示意图。如图5所示，该实施例的智能设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如智能设备的音频时延计算程序。所述处理器50执行所述计算机程序52时实现上述各个智能设备的音频时延计算方法实施例中的步骤，例如图2所示的步骤201至203。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块401至403的功能。

示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述智能设备5中的执行过程。例如，所述计算机程序52可以被分割成播放记录单元、音频比较单元和时延计算单元，各单元具体功能如下：

播放记录单元，用于由智能设备将包括预设频谱特征的第一音频送入音频播放器，并记录将所述第一音频送入音频播放器时的第一时间戳t1；

音频比较单元，用于由智能设备获取由麦克风采集的第二音频，计算第二音频中的音频的频谱特征与所述第一音频的频谱特征的相似度大于预设值时的第二时间戳t2；

时延计算单元，用于由智能设备根据所述第一时间戳t1和第二时间戳t2的差值，确定所述音频时延△t。

所述智能设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是智能设备5的示例，并不构成对智能设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述智能设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器50可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述智能设备5的内部存储单元，例如智能设备5的硬盘或内存。所述存储器51也可以是所述智能设备5的外部存储设备，例如所述智能设备5上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器51还可以既包括所述智能设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述智能设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。