可擴展的語音命令的製作方法
2023-09-10 07:32:15
專利名稱：可擴展的語音命令的製作方法
技術領域：
本發明涉及可在一個裝置中處理的可擴展的語音命令。
背景技術：
可攜式裝置、如蜂窩電話現今提供了對廣泛的多種業務或信息的接入，如對由電信運營商或其他方、例如內容提供商或者廣告商所提供或經銷的業務的接入。為了接入這些信息或業務，用戶典型地必須例如用鍵盤輸入來經歷一系列的界面顯示(例如多屏)。在語音識別上的新的進步使得這種界面成為可能，在這些界面中手動的輸入被說話所代替，例如通過說出顯示在屏幕上的一個區域的名稱來代替手動輸入。用戶期望越來越多的業務可用，這使得即使使用語音識別，接入這些業務也是複雜和耗時的。
發明內容
在一方面，在移動裝置上提供運營商的業務的方法通常利用存儲在該移動裝置中的、規定了針對該移動裝置的語音界面的數據。所述數據包括第一數據，其規定了與第一組功能相關聯的一組界面狀態；以及第二數據，其規定了接入運營商業務的界面。收到與接入運營商業務的請求相關聯的命令之後，來自用戶的一個或多個輸入被根據第二數據進行處理。根據一個或多個輸入和該第二數據來處理動作，以在移動裝置上提供運營商業務之
O本發明可包括一個或多個下列特徵。第一組功能的運行獨立於向該移動裝置提供業務的運營商。接收與接入運營商業務的請求相關聯的命令包括接受使用與運營商業務相關聯的一個按鈕的手動輸入。第二數據包括用於提供運營商業務之一的腳本。第二數據獨立於第一數據的接收而被接收。接收第二數據可包括例如通過無線網絡從運營商下載第二數據。第二數據包括與遠離移動裝置的遠程系統的交互的規定。移動裝置包括行動電話。來自用戶的輸入被用第一數據處理，導致當接收到與接入運營商業務的請求相關聯的命令時，界面處於第一界面狀態。在根據第二數據完成了對來自用戶的一個或多個輸入的處理後，能恢復第一界面狀態，或者在根據第二數據完成了對來自用戶的一個或多個輸入的處理後，可選擇預先確定的界面狀態。本發明可包括一個或多個下列優點用戶能夠以單一步驟語音命令接入業務。避免了用戶為尋找或執行可能甚至與用戶需求不完全相符的業務，而包括使用專用設備、如滑鼠，鍵盤或袖珍鍵盤來進行冗長的網際網路瀏覽。供應商以一種簡單而快捷的方式使用戶得知以另外的方式用戶可能不會發現的業務。用戶通過說出命令以最自然的人類交流的方式來接入業務。與更複雜的用戶界面相比，用戶可能更經常使用運營商業務，因而潛在地增加了來自業務的收入，或提高了用戶對運營商的滿意度。用戶可以以可能的最快的方式，維護根據他/她的需要定製的一組個人業務，一組各處都可獲得的業務。該定製可能包括與用戶的當前位置相關地遞送業務。本發明其他特徵和優點從以下的描述和權利要求中是顯而易見的。
圖I是通信系統的框圖；並且圖2是界面狀態圖。
具體實施例方式參見圖1，用戶14可命令移動裝置18 (例如，電話或個人數字助理)來接入由運營商10或業務或信息供應商12通過無線網絡17、如通過蜂窩電話網絡提供的廣泛的業務。移動裝置18包括語音界面22，該界面允許用戶14說出控制該裝置18或者應用30的運行的命令，這些應用30在裝置18上或否則可通過裝置18接入。語音界面22利用了辨識用戶說出的命令的語音識別引擎。一些應用能接入由運營商10遠程提供給裝置18的信息或業務。在下面的描述中應該理解的是，信息或業務也可以替代地或附加地由可能與運營商分開的或不是肯定與運營商相關的業務或信息供應商12提供。例如，應用30能提供給用戶14廣泛的業務，從簡單的文本的天氣情況更新到複雜的業務、如拍一張照片並發布在網站上。一個寄宿在移動裝置18中的語音控制應用24根據定義了一組界面狀態的數據來控制語音界面22。界面狀態能與在多回交互中的中間點相關聯，在該交互中，裝置(例如在顯示器上和/或用音頻輸出)提供信息給用戶，然後用戶(例如通過語音或手動)提供輸入。該狀態通常包括定義在交互中的點的信息以及被置換的或否則被展示給用戶的特定信息。例如，在每個狀態該裝置可以指定一個有限的命令集，用戶提供能夠在該界面中產生動作或狀態變化的命令之一。典型地，界面的狀態被安排成菜單樹結構。這種菜單樹結構典型地包括根狀態，該狀態中用戶可使用普通的一組命令。每個不同的能被用戶輸入的命令都與到下級狀態的轉換相關聯。例如，為了設定鈴聲音量，在交互中，用戶可能在根狀態選擇「設置」命令，下級狀態中的「電話」命令，再下級中的「鈴聲音量」，然後在最後狀態中選擇音量水平。部分由於在裝置中手動輸入的局限性(如在鈴聲音量的例子中)，訪問某個特定功能或業務可能需要多次交互。移動裝置18包括規定用戶可以在各種界面狀態下使用的命令且當用戶14說出或以另外方式地輸入命令時會被執行的對應的動作的數據。規定界面的數據包括普通界面數據27和運營商界面數據28。通常地，普通界面數據27規定了與功能或業務相關的菜單樹，這些功能或業務與電話的能力相關或者不是特定於任何特殊的運營商。運營商界面數據28與通常特定於該運營商或者特定於業務或信息供應商的業務或信息相關，其中業務或信息供應商不一定與所有運營商都同時可用。動作可能是複雜的,例如涉及一個或多個應用的使用，和/或與運營商或遠程業務或信息供應商的一個或多個交互。在界面數據27和28中規定的一些命令可以是「快捷方式(shortcuts)」，其使用單一語音命令直接訪問遠程業務或信息，而不是像用另外方式那樣會涉及多個交互。對移動裝置18提供業務的運營商10可能提供特定於此運營商的一組業務。例如，這些業務可以包括幫助業務，對信息或下載應用的門戶的訪問，音樂業務，遊戲業務，基於位置的業務(如基於方位或市場營銷的信息)，和呼叫管理業務(如，建立多方通話，使能漫遊，或其他管理業務)。為了給這些運營商業務規定界面，運營商向移動裝置18提供運營商界面數據28。該數據可以由運營商用多種可替換的方式提供。例如，裝置製造商能應運營商的要求將運營商界面28嵌入在移動裝置18的非易失性存儲器中。可替換地，該數據可被作為提供給用戶的移動業務的一部分而被下載到裝置中，或者可以在裝置的服務期間，例如當用戶訂新業務時，被從運營商處下載(如，使用空中下載(OTA)或基於網絡的協議由運營商推送或從運營商處引出)。該移動裝置的一個示例性的技術特性是普通界面數據27和運營商界面數據28能夠獨立地維護，例如，在不同的時間或用不同的獨立的過程裝載到移動裝置中。這能支持不同的運營商提供不同的業務組，或同一運營商向不同用戶提供不同業務或隨時間而提供不同業務，而不需要改變普通界面數據27或改變用戶可能已經習慣的菜單結構。運營商界面數據28規定允許用戶接入運營商業務的用戶界面的特徵。一個這種界面的例子使用特定的按鈕19讓用戶能夠訪問裝置上的「語音業務」，並且這些「語音業務」在每個界面狀態下根據運營商(或者運營商的代理，裝置製造商)所作的選擇而被選擇性地使能。在此例子中，當用戶按語音業務按鈕19時，語音識別引擎被配置來接收語音命令(例如通過初始化或創建一個語音識別軟體的軟體實例)並且該裝置顯示與語音業務相關的信息，例如表明可用的業務的菜單。注意如果該按鈕在所有時間都激活的話，這些語音業務將與裝置的狀態無關地對用戶可用。例如，用戶可以利用語音業務即時地從SMS應用屏幕轉到遊戲站點，然後在下載遊戲後他可以從他曾離開之處繼續他的SMS應用。從菜單結構中的某個狀態執行的運營商的語音業務可以根據運營商的選擇使裝置回到頂部菜單，或者可以記錄該裝置的狀態並使用戶回到語音業務曾經由其開始的點。注意裝置的狀態通常包括顯示在菜單中的位置，屏幕上的內容，以及可能一個或多個網絡的狀態(如，接收SMS，通話中，聽音樂剪輯)的組合。在這個界面的例子中，當用戶按語音業務按鈕19時，出現了其中列出運營商或第三方的提示(如，鈴聲，股票行情，接線員協助)的菜單。可替換地，該裝置可被轉向到「標準」語音業務屏幕，全部或部分的接管了顯示的所有權(real estate)。為了語音業務結束後的返回，電話的狀態都可以被緩存。無論電話的狀態如何，它都被中斷，並且語音業務應用被啟動，並顯示字符串給用戶。用戶可說任何列出的字符串，電話將採取適當的動作，如由運營商的短語和動作的聯接所指定的那樣。例如，如果用戶說「鈴聲」，電話將啟動瀏覽器並將其指向運營商已指定的鈴聲下載站點。注意運營商能通過語音業務菜單激活那些可用的但沒有明確地列出的功能(只要適當的字符串在語音識別器的詞彙表中，它們就將被識別)。這些可能悄悄地被使得可用的字符串可能是「911」，「接線員協助」，「帳單幫助」等等。運營商可以選擇使一些語音業務只能在選定的電話狀態下可用(例如，如果在通話當中，「接線員協助」可能不可用)，並且可能選擇在行動電話的活動的每個狀態中哪些動作可以執行。還要注意語音業務可以由語音業務按鈕19啟動，或者替代地用PDA裝置上的「軟鍵」，或者用在永遠收聽裝置(always-listening device)上的觸發語音命令啟動。當電話出售時，運營商可以安裝可選的業務，或者當需要時通過空中下載信息或者通過與一臺分離的計算機同步來更新用戶界面的適當部分和其他組成部分。參考圖2，如運營商可以用這種方法提供的業務的另一個例子，用戶正在普通界面處於日程表狀態210時訪問他的行動電話上的日程表，但希望知道IBM的股票價格。運營商已經將叫「股票價格」的語音業務安裝在與選定的語音業務按鈕相關聯的語音菜單中，並且該用戶或運營商已經確定了用戶可以查詢的股票的有限集。該用戶在看著顯示他現在日程表的屏幕。他按下語音業務按鈕19導致界面進入語音業務狀態250。屏幕被他可以說的命令列表(其中之一是「股票價格」)暫時覆蓋。用戶說「股票價格」，導致狀態轉換到狀態255，此狀態下電話(聽覺上地，在屏幕上地，或二者都有地)響應「哪只股票」，屏幕顯示可獲得的股票價格列表。「IBM」是該列表中的一個選項，並且用戶說「IBM」。電話識別IBM，轉換到狀態260並發送一條信息給運營商以將IBM股價傳遞給用戶。(向運營商的傳遞可以通過SMS信道、IP連接、WIFI (如果可用),或者通過對於用戶和/或運營商可用的任何其他網絡)。當收到IBM報價請求時，運營商查詢當前的IBM股票價格，並向用戶發送一條有當前IBM股價的SMS消息。替代地，運營商可以向用戶發送由電話自帶的WAP瀏覽器或在一些電話上可用的HTML瀏覽器使用的URL，或者可發起對用戶的、說出價格的電話呼叫，或者在用戶的語音信箱中為用戶留一條音頻信息，或者甚至發一封電子郵件或MMS信息，或者使用其他可用的遞送業務。當股票價格互動完成後，界面回到在語音業務按鈕19開始按下時所處的日程表狀態210。在另一個例子中，用戶在與另一個用戶的通話中，並且他們可能都對股票價格感興趣。用戶按下語音業務按鈕並請求口頭的IBM股票報價。運營商遞送帶有股價的語音信息，並且該信息可向兩個收聽者同時播放。在又另一個例子中，用戶可能希望聽CNN的當前新聞。假定該用戶正在看他的PIM的一個條目，但語音啟動按鈕對於該狀態是被使能的，並且進一步假設運營商已經將CNN作為一項包含在可用命令中。該用戶按下語音業務按鈕。屏幕於是顯示包含「CNN」的命令列表。該用戶說「CNN」，然後電話向運營商發送請求，以啟動通過用戶手機將CNN遞送到用戶的多媒體會話。電話狀態接著被CNN的多模式「廣播」中斷，用戶收聽直到它結束或他終止接收。在基於語音的用戶界面的操作中，語音界面22捕獲包含來自用戶14的發聲的數字語音信號並辨識發聲中的命令，還可以用可聽見的形式(即合成的或錄製的語音)遞送數字語音信號到用戶14。為了識別語音命令，從用戶接收的數字語音信號被語音識別引擎處理。一個文本到語音模塊從要展示給用戶14的文本中產生數字語音信號。界面數據27和28包含用戶可用說的命令和當用戶說出命令時要執行的動作與命
7令的聯繫的規範。一個動作的規範可以是包含一個或多個指令的文本串的形式，或一個能被處理以執行動作的腳本。例如，這種指令能確定一個特別的應用30來執行以及確定要提供給該應用的輸入。與一個命令相關聯的動作能規定應用要通過無線電信網絡17與運營商伺服器16通信。例如，移動裝置18與運營商伺服器16可通過特別設計來遞送多媒體業務到移動裝置的媒體信息傳遞業務(MMS)，或無線應用協議(WAP)來進行通信。運營商伺服器16可使用MMS推送(Push)過程將多媒體信息遞送到移動裝置18。移動裝置18與運營商伺服器16之間的通信不局限於以上說明的特定的過程和協議。一個更新運營商界面數據28中的語音相關信息的進程在移動裝置18中運行，該進程由語音應用24協調。在這個進程中，運營商更新運營商界面數據28中的詞彙表。該詞彙表定義了可被移動裝置18識別的單詞發聲列表。當詞彙表更新後，用戶14被告知他/她可用於與裝置18通信的新的有效單詞，例如新的有效的發聲被在屏幕上或通過文本到語音模塊26用文本和語音展示給用戶。運營商可更新運營商界面數據28中的語法。語音用戶界面22使用語法和詞彙表去理解用戶語音命令。運營商還可更新應用30的組,替換舊的應用或增加新的應用。應用30反應了用戶可用的業務範圍。新應用對應於用戶可用的新業務。用戶14藉助語音應用24的支持可參與維護運營商界面數據28。例如，用戶可檢查他/她可用的語音命令集，並確定對每個語音命令提供了什麼業務。用戶14可決定刪除提供不感興趣的業務的命令和應用。雖然用戶14可定期地從運營商接收新業務的更新，但是某些情況下用戶可能想要他/她未擁有的業務。用戶14可能知道運營商的身份和它的伺服器16的位置，並可能檢查伺服器的內容來搜索一個業務。另外，該用戶可能從過去的關於某業務的經驗中或從最近的廣告中知道該業務的位置。無論該用戶如何確定一個期望的業務，他/她都可用一個專用的播放器應用來下載對該期望的新業務的必需的支持。除了運營商或作為運營商的替代,一些其他方可在移動裝置上提供業務。運營商可提供支持能被單一步驟語音命令啟動的一組初始業務的移動裝置給它們的顧客。運營商可擴展可用業務的列表，或允許其他方如廣告商和銷售商在多種商業背景下用新業務接觸他們的顧客在一個實施例中，以上描述的方法在軟體中或在軟體和硬體的結合中實施。通常包括針對物理或虛擬處理器的指令的移動裝置中的軟體可處於機器可讀的媒介中，如在非易失性(non-volatile)半導體存儲器中。該軟體能被包含在被傳播的信號中，例如包含在無線網絡中傳輸的數據信號中而遞送到移動裝置。根據公開的實施例，公開了以下技術方案，但是本公開的內容不限於此方案I. 一種在移動裝置上提供運營商業務的方法，包括將規定所述移動裝置的語音界面的數據存儲在所述移動裝置中，包括存儲規定了與第一組功能相關聯的一組界面狀態的第一數據，並且存儲規定用於從一個或多個所述界面狀態接入所述運營商業務的用戶界面的第二數據，其中與所述第一數據無關地接收所述第二數據；接收與接入所述運營商業務的請求相關聯的命令；根據所述第二數據處理來自所述用戶的一個或多個輸入；
基於所述一個或多個輸入和所述第二數據來執行動作，以在所述移動裝置上提供所述運營商業務之一。方案2.根據方案I所述的方法，其中所述第一組功能與提供業務給所述移動裝置的運營商無關。方案3.根據方案I所述的方法，其中接收與接入所述運營商業務的請求相關聯的命令包括接受使用與所述運營商業務相關聯的按鈕的手動輸入。方案4.根據方案I所述的方法，其中所述第二數據包括用於提供所述運營商業務之一的腳本。方案5.根據方案I所述的方法，其中接收所述第二數據包括從運營商下載所述第
二數據。方案6.根據方案5所述的方法，其中下載所述第二數據包括通過無線網絡下載所述第二數據。方案7.根據方案I所述的方法，其中所述第二數據包括與遠離所述移動裝置的遠程系統交互的規範。方案8.根據方案I所述的方法，其中，所述移動裝置包括行動電話。方案9.根據方案I所述的方法，進一步包括用所述第一數據處理來自所述用戶的輸入，導致當接收到與接入所述運營商業務的請求相關聯的所述命令時，所述語音界面處於第一界面狀態中。方案10.根據方案9所述的方法，進一步包括在根據所述第二數據完成了對來自所述用戶的所述一個或多個輸入的處理後恢復所述第一界面狀態。方案11.根據方案9所述的方法，進一步包括在根據所述第二數據完成了對來自所述用戶的所述一個或多個輸入的處理後選擇預先確定的界面狀態。方案12.根據方案I所述的方法，其中與所述第一數據無關地接收所述第二數據包括在不同的時間將所述第一和第二數據下載到所述移動裝置中。方案13.根據方案I所述的方法，其中與所述第一數據無關地接收所述第二數據包括用獨立的過程將所述第一和第二數據下載到所述移動裝置中，這樣改變所述第二數據不要求改變所述第一數據。方案14. 一種移動裝置，包括用於規定界面的數據存儲器，包括用於規定與第一組功能相關聯的一組界面狀態的第一數據存儲器，以及用於規定接入運營商業務的用戶界面的第二數據存儲器；語音界面，所述語音界面接入用於規定所述界面的所述數據存儲器，並且所述語音界面被配置，以從與所述功能的第一功能相關聯的第一界面狀態出發，根據用於接入所述運營商業務的所述用戶界面的規定，中斷所述第一功能來處理與所述運營商業務的至少之一相關聯的命令，並且在處理所述命令之後恢復與所述第一功能相關聯的界面狀態。方案15.根據方案14所述的移動裝置，其中所述移動裝置被配置來從運營商下載用於規定接入所述運營商業務的所述用戶界面的數據。方案16.根據方案14所述的移動裝置，其中在處理所述命令之後恢復與所述第一功能相關聯的界面狀態包括在處理所述命令之後恢復所述第一界面狀態。方案17.根據方案16所述的移動裝置，其中在處理所述命令之後恢復所述第一界面狀態包括在完成與所述命令相關聯的運營商業務之後恢復所述第一界面狀態。 要理解的是，前面的描述旨在說明而不是限定本發明的範圍，該範圍在隨附的權利要求中定義。其他實施例在下列權利要求的範圍內。
權利要求
1.一種在移動裝置上提供運營商業務的方法，包括將規定所述移動裝置的語音界面的數據存儲在所述移動裝置中，包括存儲規定了與第 一組功能相關聯的一組界面狀態的第一數據，以及存儲規定用於接入所述運營商業務的界 面的第二數據；接收與接入所述運營商業務的請求相關聯的命令；根據所述第二數據處理來自所述用戶的一個或多個輸入；基於所述一個或多個輸入和所述第二數據來執行動作，以在所述移動裝置上提供所述 運營商業務之一。
2.根據權利要求1所述的方法，其中所述第一組功能與提供業務給所述移動裝置的運營商無關。
3.根據權利要求1所述的方法，其中接收與接入所述運營商業務的請求相關聯的命令 包括接受使用與所述運營商業務相關聯的按鈕的手動輸入。
4.根據權利要求1所述的方法，其中所述第二數據包括用於提供所述運營商業務之一 的腳本。
5.根據權利要求1所述的方法，進一步包括與接收所述第一數據無關地接收所述第二 數據。
6.根據權利要求5所述的方法，其中接收所述第二數據包括從運營商下載所述第二數據。
7.根據權利要求6所述的方法，其中下載所述第二數據包括通過無線網絡下載所述第二數據。
8.根據權利要求1所述的方法，其中所述第二數據包括與遠離所述移動裝置的遠程系 統交互的規範。
9.根據權利要求1所述的方法，其中，所述移動裝置包括行動電話。
10.根據權利要求1所述的方法，進一步包括用所述第一數據處理來自所述用戶的輸 入，導致當接收到與接入所述運營商業務的請求相關聯的所述命令時，所述界面處於第一 界面狀態中。
11.根據權利要求10所述的方法，進一步包括在根據所述第二數據完成了對來自所述 用戶的所述一個或多個輸入的處理後恢復所述第一界面狀態。
12.根據權利要求10所述的方法，進一步包括在根據所述第二數據完成了對來自所述 用戶的所述一個或多個輸入的處理後選擇預先確定的界面狀態。
13.一種移動裝置，包括用於規定界面的數據存儲器，包括用於規定與第一組功能相關聯的一組界面狀態的第 一數據存儲器，以及用於規定接入運營商業務的界面的第二數據存儲器；語音界面，所述語音界面接入用於規定所述界面的所述數據存儲器，並且所述語音界 面被配置以至少在一些所述界面狀態中根據用於接入所述運營商業務的所述界面的規定 處理命令。
14.根據權利要求13所述的移動裝置，其中所述移動裝置被配置來從運營商下載用於 規定接入所述運營商業務的所述界面的數據。
15.根據權利要求13所述的移動裝置，其中所述語音界面還進一步被配置以在處理所述命令後恢復界面狀態。
全文摘要
一種移動裝置(18)，包括語音界面(22)，該語音界面包括可以不特定於特殊的運營商的一部分(27)，和第二部分(28)。語音命令界面(22)提供了對運營商業務的容易的接入。運營商業務的組可被運營商任選地擴展。
文檔編號H04M3/00GK102938803SQ20121035096
公開日2013年2月20日 申請日期2005年6月22日 優先權日2004年6月22日
發明者丹尼爾·L·羅思, 克裡斯·賴納, 馬克·富爾納裡, 喬丹·科亨 申請人:語音信號技術公司