Ubicoustics：即插即用的声学活动识别

尽管声音是丰富的信息源，但配备麦克风的计算设备并不利用音频来获取其物理和社会环境的有用洞察。例如，智能音箱放在厨房柜台上无法判断自己是否在厨房，更不用说知道用户在厨房做什么了——这是一个错失的机会。在这项工作中，我们描述了一种新颖的、实时的、基于声音的活动识别系统。我们首先获取现有的最先进的音频标注模型，然后通过从传统娱乐行业使用的专业音效库中提取数据来将其调整到感兴趣的类别。这些标注良好且高质量的声音是数据增强的完美基本单元，包括幅度、混响和混合，使我们能够以现实的方式指数级地扩展调整数据。我们量化了方法在各种环境和设备类别上的性能，并表明配备麦克风的计算设备已经具备了解锁与人类准确率相当的实时活动识别的必要能力。