研究團隊開發出可消音不同區域的智慧揚聲器
文：愛德華·費爾森塔爾（）
簡介
華盛頓大學的研究團隊開發了一種形狀變化的智慧揚聲器，利用自行展開的麥克風將房間劃分為語音區域並追蹤每位講話者的位置。這個系統使用深度學習算法，讓使用者可以消音特定區域或分離同時進行的對話，即使相鄰的兩個人有類似的聲音。透過自動展開和回到充電座，這個系統可以在不同環境中移動和自動設定。這項研究成果已經在《自然通訊》（Nature Communications）上發表。
問題與挑戰
在虛擬會議中，我們可以輕鬆讓人們不要彼此搶話，只需要按下靜音鍵。但是對於實體聚會來說這種能力不容易實現。在繁忙的咖啡廳中，並沒有按鈕可以將隔壁桌的聲音消音。在擁擠的房間中定位和控制聲音，例如區分出說話的具體位置，一直是研究人員面臨的挑戰，尤其在沒有攝像頭的視覺提示的情況下。華盛頓大學的研究團隊開發的形狀變化的智慧揚聲器，透過自行部署的麥克風將房間劃分為語音區域，追蹤每位講話者的位置，並利用深度學習算法實現這一目標。
技術原理和應用
這個智慧揚聲器的原型由七個小型機器人組成，它們自動分佈在不同大小的桌子上。宕機器人從充電器移動時，每個機器人會發出高頻聲音，就像蝙蝠導航一樣，使用這個頻率和其他感測器來避開障礙物，在桌子上安全行走。自動部署使得機器人能夠根據最大準確度進行位置改變，從而實現比人工設定更好的聲音控制。機器人盡可能分散放置在彼此距離較遠的位置，因為距離較遠會使得區分和定位說話者更容易。
研究結果與應用前景
研究團隊在辦公室、客廳和廚房等環境中，測試了三到五人進行語音對話的情況。在所有這些環境中，該系統在人與人之間的距離小於 1.6 英尺（50 釐米）時，有 90％的時間能夠分辨出不同的聲音，而不需要事先理解說話者的數量。該系統的處理速度平均為 1.82 秒，可以在直播等場景中實現即時流媒體，但對於影片通話等實時通訊來說時間稍長。
隨著技術的進步，研究人員表示可將聲音區分開指定人與智慧揚聲器的智慧家居應用將會更加普及。例如，只有坐在沙發上的人才能透過聲音來控制電視機。研究團隊計劃最終製造可在房間內移動的麥克風機器人，而不僅僅局限於桌子上使用。此外團隊還在研究揚聲器是否能夠發出特定聲音，以實現實際的消音與活動區域，從而使房間中不同位置的人聽到不同的音訊。
倫理和隱私考慮
當然與虛構間諜工具相比，任何類似的技術都會引起對隱私的疑慮。研究人員承認這種技術存在潛在的誤用風險，因此他們在系統設計中加入了相應措施。這些機器人使用聲音而不是攝像頭進行導航，並且在活動時會有明顯的閃爍燈光以顯示其狀態。與大多數智慧揚聲器將音訊處理在雲端不同，這個系統將所有音訊在本地進行處理，以確保隱私。研究團隊還強調這個系統不僅僅可以用於監控，還可以用於保護隱私。例如，使用者可以指定在他們的辦公桌周圍建立一個半徑為三英尺（約 0.9 米）的隱私保護區域，該區域內的聲音不會被記錄下來，或者當兩組人正在進行對話時，可以將一組聲音置於靜音區域，以保護私密對話。
結論
華盛頓大學的研究團隊成功開發出一種形狀變化的智慧揚聲器，能夠讓使用者消音不同區域的房間。透過自行展開的麥克風和深度學習算法，該系統能夠追蹤房間內多個講話者的位置並區分他們的聲音。這項技術不僅有助於改善會議室內的聲音控制，還有著智慧家居等廣泛應用的前景。同時研究團隊也意識到隱私議題，並透過麥克風機器人的設計和音訊處理方法，既保障了使用者的隱私，又避免了濫用風險。
