Soundr：使用麦克风阵列预测头部位置和方向

尽管最先进的智能扬声器可以听到用户的语音，但与人类助手不同，这些设备无法根据用户头部的位置和方向来理解用户的口头引用。Soundr提出了一种新的交互技术，利用大多数智能扬声器内置的麦克风阵列，仅通过用户的语音来推断用户的空间位置和头部方向。有了这些额外的信息，Soundr可以根据说话者的目光来理解用户对物体、人物和地点的引用，并提供相对的方向。为了提供我们神经网络的训练数据，我们从人类说话者那里收集了751分钟的数据（是之前最佳工作的50倍），利用虚拟现实头盔来准确提供头部跟踪的基准。我们的结果实现了每个语音命令的平均位置误差为0.31米，方向角度准确度为34.3°。一项用户研究评估了用户对通过与之交谈来控制物联网设备的偏好，发现这种方法快速且易于使用。