C7.17.2Keyboard appearance pauses ASR设计研究
键盘唤出后语音识别应自动暂停,避免键入声被误识别为语音内容
别名: 按键噪声 · key click · 识别暂停
概念解释
软键盘或硬件键盘一旦成为当前输入源,识别应自动暂停(最好同时停采)。键入的咔嗒、触控的敲击和用户自言自语都会进麦克风,被解成乱字插进文档。暂停针对的是通道互斥,不是把语音会话整段丢掉。
机制
键盘活动是强声学事件:机械轴、屏幕敲击、甚至电容触控的指甲声,都落在语音频段。若 ASR 仍在流式解码,这些脉冲变成插入错误,或把正在打的字和“识别出来的假词”缠在一起。焦点在文本框且键盘可见,就是足够强的信号:用户此刻的效应器是手指。暂停可以是关识别、关麦、或把音频标成非命令。会话不必结束:键盘收起或用户再点麦克风时恢复。不暂停的典型事故是文档里突然多出一串与按键无关的汉字。这与旁人归属不同:噪声源是用户自己的手。
怎么研究
在识别仍开着时打字,统计插入到文档里的键击噪声词、以及打字内容是否被语音假设改写。比较“键盘升起即停 / 手动关麦 / 不停”。用机械键盘和触屏各测。因变量包括错误插入次数和用户是否发现。
边界
外接键盘在远场音箱旁打字、同时对音箱说话,是有意的并行,暂停策略要按设备:手机上的软键盘应停,桌面短命令音箱不一定停。语音控制键盘(说“下一个键”)是语音作为键盘的替代,停 ASR 会自相矛盾。耳语音量极低时键击相对更响,更要停。
怎么落地
- 软键盘 onShow 时暂停识别并停波形;onHide 且用户未点麦克风前不要自动恢复采集。
- 暂停期间把状态切到非聆听,避免看起来还在录。
- 验收:听写中途唤出键盘猛打,文档中不得出现与击键同步的乱识别。