[论文解读] SpeechJammer: A System Utilizing Artificial Speech Disturbance with Delayed Auditory Feedback

Kazutaka Kurihara, K. Tsukada|arXiv (Cornell University)|Feb 28, 2012

Speech and Audio Processing参考文献 4被引用 32

一句话总结

本文介紹了SpeechJammer系統，該系統透過將說話者的聲音經由定向麥克風與揚聲器裝置以200–500毫秒的延遲反饋，利用延遲語音反饋（DAF）來干擾人類語音。該系統能無接觸地有效中斷語音，提供一種非侵入性的方法來控制群體環境中的 verbal 行為，初步結果顯示在受控試驗中具有高度的干擾效率。

ABSTRACT

In this paper we report on a system, "SpeechJammer", which can be used to disturb people's speech. In general, human speech is jammed by giving back to the speakers their own utterances at a delay of a few hundred milliseconds. This effect can disturb people without any physical discomfort, and disappears immediately by stop speaking. Furthermore, this effect does not involve anyone but the speaker. We utilize this phenomenon and implemented two prototype versions by combining a direction-sensitive microphone and a direction-sensitive speaker, enabling the speech of a specific person to be disturbed. We discuss practical application scenarios of the system, such as facilitating and controlling discussions. Finally, we argue what system parameters should be examined in detail in future formal studies based on the lessons learned from our preliminary study.

研究动机与目标

• 開發一種無需物理接觸即可干擾人類語音的非侵入式系統。
• 探討延遲語音反饋（DAF）作為語音中斷機制的應用。
• 設計並原型化一種針對群體環境中特定個人的定向系統。
• 評估基於DAF的干擾技術在現實討論環境中的實際適用性。
• 識別未來正式研究語音干擾時所需的關鍵系統參數。

提出的方法

• 系統使用定向麥克風從特定個人捕獲語音。
• 延遲語音反饋迴路將說話者的聲音以200–500毫秒的延遲重新引入。
• 定向揚聲器將延遲後的音訊聚焦回說話者，以最大化局部效果。
• 使用市售零組件打造了兩個原型版本，以驗證概念。
• 系統僅隔離並針對被反饋語音的說話者，最大限度減少對其他人的干擾。
• 設計確保當說話者停止說話時，干擾立即停止。

实验结果

研究问题

• RQ1 延遲語音反饋能否有效用於以定向、非侵入方式干擾語音？
• RQ2 定向音訊傳遞如何提升語音干擾的精確度與有效性？
• RQ3 何種延遲時間最適於產生最大語音干擾而不造成不適？
• RQ4 此類系統在哪些現實場景中可實際應用於控制語音行為？
• RQ5 哪些系統參數（例如延遲、方向性、增益）需要進一步正式研究？

主要发现

• SpeechJammer系統在受控實驗中成功干擾語音，受試者經常在句子中間停頓或結巴。
• 干擾效果高度針對目標說話者，對周圍其他人的影響極小。
• 系統啟動後干擾立即生效，且在說話者停止說話時立即停止。
• 200–500毫秒的延遲被發現最有效於引發語音干擾。
• 定向設計顯著提升了目標定位的準確性，並減少無意的干擾。
• 初步使用者反饋顯示，該系統造成明顯的語音干擾，但無物理不適感。