本發明涉及語音識別技術領域，特別是涉及一種語音話者分離方法和裝置。
背景技術：
在通話、語音識別、聲紋識別等場景中，通常需要區分不同語音輸入對應的話者身份，或在輸入的多人語音中僅接收某個特定說話人的語音。因此，在實際應用中，當輸入的是多人語音時，就需要通過話者分離技術分離不同說話人的語音。
當輸入的音頻信噪比較高時，可以通過對語音特定長度分段、逐段特征提取、依據特征聚類的方式分離不同話者的語音。但是，當輸入的音頻信噪比低、背景干擾噪聲如鍵盤敲擊聲、開關門聲、風聲較多時，會影響語音特征提取的結果，從而嚴重干擾語音聚類的準確性，降低話者分離的魯棒性。
技術實現要素：
鑒于上述問題，提出了本發明以便提供一種克服上述問題或者至少部分地解決上述問題的一種語音話者分離方法和裝置。
依據本發明的第一方面，提供了一種語音話者分離方法，該方法包括：
獲取待處理的音頻數據；
根據靜音期對所述音頻數據進行分段處理，獲得至少一個語音片段；
將符合預設噪聲過濾參數的語音片段歸為第一語音集合；
提取所述第一語音集合中的語音片段的第一語音特征；
根據所述第一語音特征對所述第一語音集合中的語音片段進行聚類，得到聚類結果；
根據所述聚類結果，分離所述第一語音集合中不同話者的語音片段。
依據本發明的第二方面，提供了一種語音話者分離裝置，所述裝置包括：
數據獲取模塊，用于獲取待處理的音頻數據；
數據分段模塊，用于根據靜音期對所述音頻數據進行分段處理，獲得至少一個語音片段；
參數過濾模塊，用于將符合預設噪聲過濾參數的語音片段歸為第一語音集合；
特征提取模塊，用于提取所述第一語音集合中的語音片段的第一語音特征；
數據聚類模塊，用于根據所述第一語音特征對所述第一語音集合中的語音片段進行聚類，得到聚類結果；
語音分離模塊，用于根據所述聚類結果，分離所述第一語音集合中不同話者的語音片段。
本發明實施例中，在對語音片段聚類之前，通過預先設置的預設噪音過濾參數對語音片段進行過濾，由于瞬態噪聲與話者語音之間有著明顯的不同，因此，可以通過合適的預設噪音過濾參數將大部分瞬態噪聲過濾，保證第一語音集合中大部分為不同話者的語音片段，從而提升了后續第一語音特征提取以及語音片段聚類的準確性，正確分離不同話者語音，提升了語音話者分離技術的魯棒性。
上述說明僅是本發明技術方案的概述，為了能夠更清楚了解本發明的技術手段，而可依照說明書的內容予以實施，并且為了讓本發明的上述和其它目的、特征和優點能夠更明顯易懂，以下特舉本發明的具體實施方式。
附圖說明
通過閱讀下文優選實施方式的詳細描述，各種其他的優點和益處對于本領域普通技術人員將變得清楚明了。附圖僅用于示出優選實施方式的目的，而并不認為是對本發明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：
圖1是本發明實施例提供的一種語音話者分離方法的步驟流程圖；
圖2是本發明實施例提供的另一種語音話者分離方法的步驟流程圖；
圖3是本發明實施例提供的一種語音話者分離裝置的框圖。
具體實施方式
下面將參照附圖更詳細地描述本發明的示例性實施例。雖然附圖中顯示了本發明的示例性實施例，然而應當理解，可以以各種形式實現本發明而不應被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本發明，并且能夠將本發明的范圍完整的傳達給本領域的技術人員。
圖1是本發明實施例提供的一種語音話者分離方法的步驟流程圖，如圖1所示，該方法可以包括：
步驟101、獲取待處理的音頻數據。
本發明實施例應用于需要分離不同話者輸入語音的場景，其中，話者可以為多人電話會議、視頻會議場景下的說話人、發言人等，也可以是多人語音環境中單人聲紋識別的對象等。因此，獲取到的待處理的音頻數據中應至少包括兩個話者的音頻數據，除此外由于音頻采集設備的硬件條件、采集環境的采集條件等影響，待處理的音頻數據中還可能包括環境雜音、采集設備雜音等噪音，可能影響對音頻數據的話者分離過程。
步驟102、根據靜音期對所述音頻數據進行分段處理，獲得至少一個語音片段。
本發明實施例中，對于音頻數據可以先進行分段處理，將音頻數據分為至少一個語音片段，使得每一個語音片段中盡量只包括一個話者的語音，或者只包括噪音，從而提高后續聚類的準確度。可選地，由于切換不同的話者時，語音的輸入可能會出現停頓，從而使得音頻數據中存在可識別的靜音期，因此，可以通過靜音期對音頻數據進行分段處理，從而得到僅包括一個話者的語音片段。在具體應用中，可以通過靜音活動檢測vad(voiceactivitydetection)或者也稱靜音端點檢測、靜音邊界檢測的技術，在音頻數據中識別、消除長時間的靜音期，從而獲得不同的語音片段。為了提升音頻數據分段的準確性可以采用最小分析窗口，即在音頻數據中截取可能的最小時間片段進行靜音期的識別和消除，以獲得更準確的語音片段。
步驟103、將符合預設噪聲過濾參數的語音片段歸為第一語音集合。
本發明實施例中，可以預先設定一個預設噪聲過濾參數，該預設噪聲過濾參數用于過濾語音片段中的瞬態噪聲，其中，瞬態噪聲為音頻數據中常見的噪聲數據，具有持續時間短、寬帶頻譜的特點，對語音數據的處理會產生嚴重影響。可選地，可以基于瞬態噪聲持續時間短的特性，統計分析不同瞬態噪聲時間長度，從而設置合適的時間值為預設噪聲過濾參數，將時間長度大于或等于該時間值的語音片段確定為符合預設噪聲過濾參數，歸為第一語音集合，使得第一語音集合中僅包括過濾瞬態噪聲后的語音片段。預設噪聲過濾參數只需能夠區分話者語音的語音片段以及瞬態噪聲的語音片段即可，也可以利用瞬態噪聲的寬頻特性，統計分析瞬態噪聲的寬帶頻譜以設置預設噪聲過濾參數，本發明實施例對此不做具體限定。
步驟104、提取所述第一語音集合中的語音片段的第一語音特征。
本發明實施例中，可以提取第一語音集合中每一個語音片段的第一語音特征，第一語音特征是從語音片段中提取的能代表語音特征的信息。實際應用中可以通過梅爾頻率倒譜等現有話者分離技術提取第一語音特征，其中，梅爾頻率倒譜是基于聲音頻率的非線性梅爾刻度的對數能量頻譜的線性變換，梅爾頻率倒譜的頻帶劃分是在梅爾刻度上等距劃分的，它比用于正常的對數倒頻譜中的線性間隔的頻帶更能近似人類的聽覺系統，通過梅爾頻率倒譜求得的第一語音集合中語音片段的梅爾頻率倒譜系數即為該語音片段對應的特征向量，也就是第一語音特征。
可選地，第一語音特征還可以包括語音片段的短時平均能量、短時平均幅度、短時平均過零率、共振峰、聲門波、語速等，只要能夠代表不同語音片段的特征即可，本發明實施例中對提取第一語音特征的方法以及具體第一語音特征種類不作具體限制。
本發明實施例中，可選地，還可以將提取到的特征向量通過機器學習算法進一步提取，從而獲得對應的抽象特征向量作為第一語音特征，如基于gmm(gaussianmixturemodel，高斯混合模型)得到的均值超矢量進一步提取得到的ivector(identity-vector，i向量)語音特征、通過tdnn(timedelayneuralnetwork，時延神經網絡)提取得到的xvector(x向量)語音特征，通過dnn(deepneuralnetworks,深度神經網絡)提取得到的dvector(d向量)語音特征等。
步驟105、根據所述第一語音特征對所述第一語音集合中的語音片段進行聚類，得到聚類結果。
本發明實施例中，根據第一語音特征對第一語音集合中的語音片段進行聚類，可選地，可以計算不同語音片段對應特征向量的距離，如特征向量通過plda(probabilisticlineardiscriminantanalysis，概率線性判別式分析)打分得到的距離，或特征向量間的余弦距離等，將距離小于預設聚類距離的第一語音特征對應的語音片段聚為一個類別，從而獲得不同語音片段對應的至少兩個類別為聚類結果。
步驟106、根據所述聚類結果，分離所述第一語音集合中不同話者的語音片段。
本發明實施例中，在確定聚類結果后，可以獲取不同的類別以及每一個類別下的語音片段，其中，由于根據不同語音片段的第一語音特征進行聚類，因此得到的每一個類別中僅包括第一語音特征高度相似或相近的語音片段，在過濾瞬態噪音、消除干擾的情況下，可以認為得到的聚類結果準確性較高。一個類別僅包括一個話者的語音片段，此時，不同類別下的語音片段即為分離的不同話者的語音片段。
另外，在電話會議、視頻會議等場景中，可選地，每一個話者發言時可以形成發言記錄，當有發言記錄的話者的數量與聚類結果中類別的數量不對應時，可以認為聚類結果不準確，并重新對語音片段進行特征提取、聚類等；在聲紋識別的場景中，當不同類別的語音片段中第一語音特征均與識別對象歷史語音特征不匹配時，可以認為沒有采集到的話者的音頻數據，或話者的音頻數據被錯誤分配，此時，可以提示話者重新輸入音頻數據，或對語音片段重新提取特征、聚類等。
綜上所述，本發明實施例中，在對語音片段聚類之前，通過預先設置的預設噪音過濾參數對語音片段進行過濾，由于瞬態噪聲與話者語音之間有著明顯的不同，因此，可以通過合適的預設噪音過濾參數將大部分瞬態噪聲過濾，保證第一語音集合中大部分為不同話者的語音片段，從而提升了后續第一語音特征提取以及語音片段聚類的準確性，正確分離不同話者語音，提升了語音話者分離技術的魯棒性。
圖2是本發明實施例提供的另一種語音話者分離方法的步驟流程圖，如圖2所示，該方法可以包括：
步驟201、獲取待處理的音頻數據；
步驟202、根據靜音期對所述音頻數據進行分段處理，獲得至少一個語音片段；
步驟203、將符合預設噪聲過濾參數的語音片段歸為第一語音集合；
步驟204、提取所述第一語音集合中的語音片段的第一語音特征；
步驟205、根據所述第一語音特征對所述第一語音集合中的語音片段進行聚類，得到聚類結果；
步驟206、根據所述聚類結果，分離所述第一語音集合中不同話者的語音片段。
本發明實施例中，步驟201至步驟206的說明內容可參考步驟101至步驟106的說明內容，在此不再贅述。
可選地，步驟205之后，該方法還可以包括：
步驟2051、將不符合所述預設噪聲過濾參數的語音片段歸為第二語音集合。
本發明實施例中，除了將符合預設噪聲過濾參數的語音片段歸為第一語音集合外，還可以將不符合預設噪聲過濾參數的語音片段，如時間長度小于該時間值的語音片段歸為第二語音集合，因此，第二語音集合中包括的是大多數瞬態噪聲的語音片段。但是，也有可能出現誤判的情況，如第二語音集合中除了瞬態噪聲的語音片段外，還可能包括時間長度較短的話者語音片段，或者也有可能由于分段的失誤使得語音片段中既包括瞬態噪聲，也包括話者的語音。
步驟2052、提取所述第二語音集合中的語音片段的第二語音特征。
本發明實施例中，可以對第二語音集合中的每一個語音片段進行第二語音特征的提取，其中，第二語音特征提取的過程類似于步驟104中對第一語音集合中語音片段的第一語音特征的提取，在此不再贅述。可選地，也可以在對音頻數據分段獲得語音片段后，先對所有的語音片段進行語音特征的提取，再根據預設噪聲過濾參數將語音片段分為第一語音集合和第二語音集合，同時將語音片段的語音特征也分為第一語音集合對應的第一語音特征集合，以及第二語音集合對應的第二語音特征集合，從而簡化音頻數據的處理步驟，提升語音話者分離的效率。
步驟2053、根據所述第二語音特征和所述聚類結果，分離所述第二語音集合中不同話者的語音片段。
本發明實施例中，可以根據第一語音集合的聚類結果以及第二語音集合中語音片段的第二語音特征，分離第二語音集合中不同話者的語音片段，可選地，可以是將聚類結果中不同的類別與第二語音特征進行匹配，從而確定第二語音集合中不同語音片段可能所屬的類別，以分離第二語音集合不同話者的語音片段。
可選地，步驟2053包括：
步驟s11、根據所述聚類結果中的每個類別，分別計算所述每個類別對應的類矢量。
本發明實施例中，在確定聚類結果中的類別與第二語音集合對應的第二語音特征是否匹配時，可以先計算每個類別分別對應的類矢量，類矢量即為類別對應的特征向量，可以由每一個類別下所有語音片段對應的第一語音特征來計算，可選地，可以是每一個類別下所有語音片段對應的第一語音特征的特征向量均值或加權平均值等。
步驟s12、根據所述第二語音特征與所述類矢量，分離所述第二語音集合中不同話者的語音片段。
本發明實施例中，可以將第二語音特征與類矢量進行匹配，從而確定第二語音特征匹配第一語音集合對應的聚類結果中包括的類別，以分離第二語音集合中不同話者的語音片段。
可選地，步驟s12包括：
步驟s21、分別計算所述第二語音特征與所述類矢量的匹配度。
本發明實施例中，可以分別計算所有第二語音特征與類矢量的匹配度，可選地，匹配度可以是第二語音特征的特征向量與類矢量之間的距離，距離越小匹配度越高，距離越大匹配度越低，其中，特征向量與類矢量之間的距離可以是plda距離或余弦距離等。
步驟s22、根據所述匹配度確定所述第二語音特征與所述類矢量的第一對應關系。
本發明實施例中，可以按照不同第二語音特征與類矢量之間的匹配度確定第二語音特征與類矢量的第一對應關系，可選地，可以是針對每一個第二語音特征，將類矢量按照匹配度進行排序，根據排序的結果確定第二語音特征與類矢量之間的第一對應關系，也可以是對每一個類矢量確定匹配度最高的第二語音特征具有第一對應關系等。
可選地，步驟s22具體包括對每一個所述第二語音特征，確定所述匹配度最高的所述類矢量與所述第二語音特征具有所述第一對應關系。
本發明實施例中，根據匹配度確定第二語音特征與類矢量的第一對應關系，可選地，可以是對每一個第二語音特征確定與匹配度最高的類矢量之間具有第一對應關系，以將所有的第二語音特征和類矢量進行關聯，從而全面考慮所有的語音片段；或者，也可以設置匹配度閾值，當第二語音特征與所有類矢量中的最高匹配度無法達到匹配度閾值時，則認為該第二語音特征對應瞬態噪聲的語音特征，不對該第二語音特征與類矢量進行關聯，當最高匹配度達到匹配度閾值時，再對該第二語音特征與類矢量進行關聯，以避免將瞬態噪聲對應的第二語音特征關聯到了類矢量，造成語音片段分離錯誤。
步驟s23、根據所述第一對應關系，確定所述第二語音集合中語音片段與聚類結果的第二對應關系。
本發明實施例中，由于第二語音特征分別對應第二語音集合中的每一個語音片段，類矢量分別對應第一語音集合聚類結果中的每一個類別，因此，根據第二語音特征與類矢量之間的第一對應關系，可以對應得出第二語音集合中每一個語音片段與聚類結果中每一個類別之間的第二對應關系。
步驟s24、根據所述第二對應關系，分離所述第二語音集合中不同話者的語音片段。
本發明實施例中，根據第二語音集合中每一個語音片段與聚類結果中每一個類別之間的第二對應關系，可以將第二語音集合中每一個語音片段歸入聚類結果中對應的類別之中，從而分離第二語音集合中不同話者的語音片段，在同一類別中包含同一話者的語音片段。根據第一語音集合的聚類結果，對第二語音集合中的語音片段進行重分類，使得未參與到聚類的第二語音集合中的語音片段中的語音片段能夠分到所屬的類別，提高了話者語音分離的準確性。
本發明實施例中，通過語音話者分離技術僅能將音頻數據中不同話者的語音分離，可選地，還可以確定不同話者與聚類結果中不同類別之間的對應關系，從而標記每個類別下語音片段的話者身份。可選地，可以獲取不同話者的歷史語音特征，并根據歷史語音特征對不同類別下語音片段的第一語音特征進行匹配，從而確定不同話者與不同類別的對應關系，歷史語音特征可以是話者歷史語音數據中提取的語音特征。
可選地，在電話會議、視頻會議等場景中，可以從會議名單中確定獲取不同話者的身份信息，并根據該身份信息獲取不同話者的歷史語音特征；在單人聲紋識別的場景中，可以直接獲取識別對象的歷史語音特征進行匹配。或者，也可以在電話會議、視頻會議等場景中，確定不同發言人單獨發言時采集的語音片段所處的類別，從而確定不同話者與不同類別的對應關系，根據應用場景的不同，本領域技術人員可以采用不同的方法確定話者與類別間的對應關系。
本發明實施例中，可選地，可以根據不同話者的身份信息，以及不同話者與不同類別的對應關系，對聚類結果中不同類別進行標識，從而確定不同類別下語音片段所屬話者的身份信息，便于不同類別中語音片段的管理，后續再獲取到待處理的音頻數據時，可以根據已標識的類別對再獲取到的待處理的音頻數據進行話者分離，進而提升語音話者分離的效率。
以下列出本發明實施例的具體示例，以詳細解釋本發明實施例的實施方式，如下所示：
獲取待處理的音頻數據x；
采用vad技術以及最小解析窗口，將x分段處理，獲得s1,s2,…st共t個片段；
采用現有話者分離技術對s1,s2,…st分別進行語音特征提取，得到對應的特征序列f1,f2,…st；
將符合預設噪聲過濾參數thr的語音片段歸入第一語音集合segmets1，并對應整理第一語音特征的集合feat1；
將不符合預設噪聲過濾參數thr的語音片段歸入第二語音集合segments2，并對應整理第二語音特征的集合feat2；
根據feat1中的第一語音特征對第一語音集合中的語音片段進行聚類，獲得聚類結果，為k個類別；
根據k個類別確定第一語音集合中包括k個話者的語音片段；
根據k個類別中每一個類別對應的第一語音特征分別計算每個類別對應的類矢量ci，i＝1，2，...k；
針對feat2中每一個第二語音特征fj計算與每一個類別ci的距離，確定距離最小的ci與第二語音特征fj具有第一對應關系；
確定對應的類別與第二語音特征對應的語音片段具有第二對應關系；
確定第二語音集合segments2中的每一個語音片段sj都被分到k個類別中對應的類別中，從而分離不同話者的語音片段。
綜上所述，本發明實施例中，在對語音片段聚類之前，通過預先設置的預設噪音過濾參數對語音片段進行過濾，由于瞬態噪聲與話者語音之間有著明顯的不同，因此，可以通過合適的預設噪音過濾參數將大部分瞬態噪聲過濾，保證第一語音集合中大部分為不同話者的語音片段，從而提升了后續第一語音特征提取以及語音片段聚類的準確性；并且，通過第一語音集合的聚類結果，對包括瞬態噪聲以及可能誤分的話者的語音進行分類，從而查漏補缺，進一步提升了語音話者分離技術的魯棒性。
圖3是本發明實施例提供的一種語音話者分離裝置的框圖，如圖3所示，該裝置300可以包括：
數據獲取模塊301，用于獲取待處理的音頻數據；
數據分段模塊302，用于根據靜音期對所述音頻數據進行分段處理，獲得至少一個語音片段；
參數過濾模塊303，用于將符合預設噪聲過濾參數的語音片段歸為第一語音集合；
特征提取模塊304，用于提取所述第一語音集合中的語音片段的第一語音特征；
數據聚類模塊305，用于根據所述第一語音特征對所述第一語音集合中的語音片段進行聚類，得到聚類結果；
語音分離模塊306，用于根據所述聚類結果，分離所述第一語音集合中不同話者的語音片段。
可選地，所述參數過濾模塊303，還用于將不符合所述預設噪聲過濾參數的語音片段歸為第二語音集合；
所述特征提取模塊304，還用于提取所述第二語音集合中的語音片段的第二語音特征；
所述語音分離模塊306，還用于根據所述第二語音特征和所述聚類結果，分離所述第二語音集合中不同話者的語音片段。
可選地，所述數據聚類模塊305，包括：
矢量計算子模塊，用于根據所述聚類結果中的每個類別，分別計算所述每個類別對應的類矢量；
類別指定子模塊，用于根據所述第二語音特征與所述類矢量，分離所述第二語音集合中不同話者的語音片段。
可選地，所述類別指定子模塊，包括：
匹配度計算單元，用于分別計算所述第二語音特征與所述類矢量的匹配度；
對應關系確定單元，用于根據所述匹配度確定所述第二語音特征與所述類矢量的第一對應關系；
所述對應關系確定單元，還用于根據所述第一對應關系，確定所述第二語音集合中語音片段與聚類結果的第二對應關系；
話者指定單元，用于根據所述第二對應關系，分離所述第二語音集合中不同話者的語音片段。
可選地，所述對應關系確定單元，具體用于對每一個所述第二語音特征，確定所述匹配度最高的所述類矢量與所述第二語音特征具有所述第一對應關系。
綜上所述，本發明實施例中，在對語音片段聚類之前，通過預先設置的預設噪音過濾參數對語音片段進行過濾，由于瞬態噪聲與話者語音之間有著明顯的不同，因此，可以通過合適的預設噪音過濾參數將大部分瞬態噪聲過濾，保證第一語音集合中大部分為不同話者的語音片段，從而提升了后續第一語音特征提取以及語音片段聚類的準確性；并且，通過第一語音集合的聚類結果，對包括瞬態噪聲以及可能誤分的話者的語音進行分類，從而查漏補缺，進一步提升了語音話者分離技術的魯棒性。
本說明書中的各個實施例均采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。
本領域技術人員易于想到的是：上述各個實施例的任意組合應用都是可行的，故上述各個實施例之間的任意組合都是本發明的實施方案，但是由于篇幅限制，本說明書在此就不一一詳述了。
在此處所提供的說明書中，說明了大量具體細節。然而，能夠理解，本發明的實施例可以在沒有這些具體細節的情況下實踐。在一些實例中，并未詳細示出公知的方法、結構和技術，以便不模糊對本說明書的理解。
類似地，應當理解，為了精簡本發明并幫助理解各個發明方面中的一個或多個，在上面對本發明的示例性實施例的描述中，本發明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應將該公開的方法解釋成反映如下意圖：即所要求保護的本發明要求比在每個權利要求中所明確記載的特征更多的特征。更確切地說，如權利要求書所反映的那樣，發明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權利要求書由此明確地并入該具體實施方式，其中每個權利要求本身都作為本發明的單獨實施例。
本領域那些技術人員可以理解，可以對實施例中的設備中的模塊進行自適應性地改變并且把它們設置在與該實施例不同的一個或多個設備中。可以把實施例中的模塊或單元或組件組合成一個模塊或單元或組件，以及此外可以把它們分成多個子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設備的所有過程或單元進行組合。除非另外明確陳述，本說明書(包括伴隨的權利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。
此外，本領域的技術人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發明的范圍之內并且形成不同的實施例。例如，在權利要求書中，所要求保護的實施例的任意之一都可以以任意的組合方式來使用。
應該注意的是上述實施例對本發明進行說明而不是對本發明進行限制，并且本領域技術人員在不脫離所附權利要求的范圍的情況下可設計出替換實施例。在權利要求中，不應將位于括號之間的任何參考符號構造成對權利要求的限制。單詞“包含”不排除存在未列在權利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發明可以借助于包括有若干不同元件的硬件以及借助于適當編程的計算機來實現。在列舉了若干裝置的單元權利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為名稱。