視線(xiàn)觸發(fā)語(yǔ)音識(shí)別的制作方法
【專(zhuān)利說(shuō)明】
【背景技術(shù)】
[0001]隨著智能數(shù)字個(gè)人助理的產(chǎn)生，(例如，SIR1、S Voice,GOOGLE N0W、C0RTANA以及HIDI)使用語(yǔ)音命令來(lái)控制電子設(shè)備已經(jīng)變得非常普遍。SIRI是蘋(píng)果公司在美國(guó)和其他國(guó)家的注冊(cè)商標(biāo)。S VOICE是三星電子公司在美國(guó)和其他國(guó)家的注冊(cè)商標(biāo)。GOOGLE是谷歌公司在美國(guó)和其他國(guó)家的注冊(cè)商標(biāo)。C0RTANA是微軟在美國(guó)和其他國(guó)家的申請(qǐng)中的待決商標(biāo)。通常，用戶(hù)通過(guò)使用自然語(yǔ)言與例如包含在個(gè)人助理中的語(yǔ)音輸入模塊進(jìn)行交互。這種類(lèi)型的接口使得設(shè)備能夠從用戶(hù)接收語(yǔ)音輸入，例如，語(yǔ)音命令(例如，“明天天氣怎樣”，“給Dan打電話(huà)”)，通過(guò)自身執(zhí)行任務(wù)或?qū)⒂脩?hù)的請(qǐng)求委托給期望的應(yīng)用來(lái)處理這些請(qǐng)求并且執(zhí)行用戶(hù)所期望的動(dòng)作。
[0002]因?yàn)樽匀徽Z(yǔ)言是人感到舒服的交流的主要方法，使用語(yǔ)音命令的能力提供了自然和高效的方式來(lái)利用設(shè)備的操作系統(tǒng)或應(yīng)用的無(wú)論多簡(jiǎn)單或多復(fù)雜的功能。然而，利用個(gè)人助理時(shí)的主要的問(wèn)題之一是確定用戶(hù)的語(yǔ)音的什么部分意在被接收為語(yǔ)音命令。在可用水平的誤報(bào)(即，助理對(duì)不相關(guān)的語(yǔ)音進(jìn)行響應(yīng))和漏報(bào)(即，助理忽略用戶(hù)命令)的情況下，持續(xù)地聽(tīng)用戶(hù)已經(jīng)證明是太難完成的任務(wù)。此外，個(gè)人助理可能是高能耗應(yīng)用，因此，使個(gè)人助理在后臺(tái)不斷地運(yùn)行可能對(duì)電池壽命具有顯著的影響。為了克服這個(gè)問(wèn)題，現(xiàn)在的大多數(shù)語(yǔ)音控制助理利用一些形式的觸發(fā)來(lái)啟動(dòng)語(yǔ)音識(shí)別處理。這種觸發(fā)假定緊接在觸發(fā)之后的任何語(yǔ)音都是指向助理的命令。一些常見(jiàn)的觸發(fā)是物理按鈕按下(例如，SIRI激活)和在任何指向系統(tǒng)的命令之前說(shuō)的特定的關(guān)鍵短語(yǔ)(例如，OKay G00GLE)。

【發(fā)明內(nèi)容】

[0003]總體上，一方面提供了一種方法，包括:在電子設(shè)備處檢測(cè)用戶(hù)視線(xiàn)的位置；基于用戶(hù)視線(xiàn)的位置來(lái)激活語(yǔ)音輸入模塊；在電子設(shè)備處檢測(cè)語(yǔ)音輸入；使用語(yǔ)音輸入模塊來(lái)評(píng)估語(yǔ)音輸入；以及基于對(duì)語(yǔ)音輸入的評(píng)估來(lái)執(zhí)行至少一個(gè)動(dòng)作。
[0004]另一方面提供了一種信息處理設(shè)備，包括:處理器；至少一個(gè)傳感器，至少一個(gè)傳感器工作上耦接至處理器；以及存儲(chǔ)器，該存儲(chǔ)器存儲(chǔ)指令，所述指令能夠由處理器執(zhí)行以:檢測(cè)用戶(hù)視線(xiàn)的位置；基于用戶(hù)視線(xiàn)的位置來(lái)激活語(yǔ)音輸入模塊；使用至少一個(gè)傳感器來(lái)檢測(cè)語(yǔ)音輸入；使用語(yǔ)音輸入模塊來(lái)評(píng)估語(yǔ)音輸入；以及基于對(duì)語(yǔ)音輸入的評(píng)估來(lái)執(zhí)行至少一個(gè)動(dòng)作。
[0005]又一方面提供了一種電子設(shè)備，包括:用于基于所述用戶(hù)視線(xiàn)的所述位置來(lái)激活語(yǔ)音輸入模塊的激活單元；用于檢測(cè)語(yǔ)音輸入的語(yǔ)音輸入單元；用于使用所述語(yǔ)音輸入模塊來(lái)評(píng)估所述語(yǔ)音輸入的評(píng)估單元；用于基于對(duì)所述語(yǔ)音輸入的評(píng)估來(lái)執(zhí)行至少一個(gè)動(dòng)作的執(zhí)行單元
[0006]前述是總結(jié)性的并且因此可能包含細(xì)節(jié)的簡(jiǎn)化、概括及省略；因此，本技術(shù)領(lǐng)域的普通技術(shù)人員要理解，該總結(jié)僅是說(shuō)明性的并且不意在以任何方式的限制。
[0007]為了更好地理解實(shí)施例連同實(shí)施例的其他的和進(jìn)一步的特征和優(yōu)點(diǎn)，參考以下的結(jié)合附圖的描述。本發(fā)明的范圍將在所附權(quán)利要求中指出。
【附圖說(shuō)明】
[0008]圖1示出了信息處理設(shè)備電路系統(tǒng)的示例。
[0009]圖2示出了信息處理設(shè)備電路系統(tǒng)的另一示例。
[0010]圖3示出了視線(xiàn)觸發(fā)識(shí)別的示例方法。
[0011]圖4示出了視線(xiàn)觸發(fā)識(shí)別的另一示例方法。
【具體實(shí)施方式】
[0012]將容易理解的是，可以用除所描述的示例實(shí)施例之外的多種不同的配置來(lái)布置和設(shè)計(jì)在本文附圖中一般地描述并示出的實(shí)施例的部件。從而，以下如在附圖中示出的、示例實(shí)施例的更詳細(xì)的描述，不意在限制所要求保護(hù)的實(shí)施例的范圍，而只是示例實(shí)施例的代表。
[0013]本說(shuō)明書(shū)全文中，對(duì)“一個(gè)(one)實(shí)施例”或“一種(an)實(shí)施例”(等)的引用意味著結(jié)合實(shí)施例所描述的特定特征、結(jié)構(gòu)或特性包含在至少一個(gè)實(shí)施例中。因此，在本說(shuō)明書(shū)全文的各處所出現(xiàn)的短語(yǔ)“在一個(gè)實(shí)施例中”或“在一種實(shí)施例中”等未必都指同一實(shí)施例。
[0014]而且，在一個(gè)或多個(gè)實(shí)施例中，所描述的特征、結(jié)構(gòu)或特性可以以任何適當(dāng)?shù)姆绞竭M(jìn)行組合。在下面的描述中，提供了許多具體的細(xì)節(jié)以給出對(duì)實(shí)施例的透徹的理解。然而，相關(guān)領(lǐng)域的技術(shù)人員將認(rèn)識(shí)到，可以在沒(méi)有一個(gè)或多個(gè)具體細(xì)節(jié)的情況下，使用其他的方法、部件、材料等來(lái)實(shí)施各種實(shí)施例。在其他示例中，不再詳細(xì)地示出或描述公知的結(jié)構(gòu)、材料或操作以避免混淆。
[0015]實(shí)施例使得用戶(hù)能夠通過(guò)跟蹤用戶(hù)的視線(xiàn)并且使用用戶(hù)視線(xiàn)的位置作為觸發(fā)機(jī)制來(lái)與電子設(shè)備進(jìn)行交互。例如，實(shí)施例可以在用戶(hù)的視線(xiàn)固定在智能電話(huà)屏幕的右上方和拐角上時(shí)主動(dòng)地聽(tīng)音頻輸入。因此，實(shí)施例方便并且容易地解決了需要手動(dòng)地觸發(fā)電子設(shè)備以接收音頻輸入例如語(yǔ)音命令的問(wèn)題。
[0016]—些當(dāng)前可利用的商業(yè)系統(tǒng)使用需要按下特定的按鈕的觸發(fā)(例如，按下并且保持主頁(yè)按鈕以激活SIRI，或按下并且保持搜索按鈕以激活C0RTANA)。當(dāng)前可利用的可替選方法是使用關(guān)鍵短語(yǔ)(例如，當(dāng)運(yùn)行1S 8或之后版本的設(shè)備接通時(shí)說(shuō)“Hey SIRI”，或者當(dāng)運(yùn)行ANDROID 4.3的設(shè)備醒著時(shí)說(shuō)“Okay GOOGLE”)。ANDROID是谷歌公司在美國(guó)和其他國(guó)家的注冊(cè)商標(biāo)。當(dāng)用戶(hù)說(shuō)關(guān)鍵短語(yǔ)時(shí)，設(shè)備被觸發(fā)來(lái)聽(tīng)在關(guān)鍵短語(yǔ)之后的語(yǔ)音命令。
[0017]激活觸發(fā)的當(dāng)前的方法的主要問(wèn)題是這些方法往往中斷用戶(hù)當(dāng)前涉及的無(wú)論什么任務(wù)(例如，當(dāng)激活個(gè)人助理時(shí)退出應(yīng)用)。特別地，如果用戶(hù)涉及執(zhí)行需要在設(shè)備上的鍵盤(pán)輸入、鼠標(biāo)輸入或觸摸輸入的任務(wù)(例如，編輯郵件、編輯文檔、瀏覽圖片或觀看社交網(wǎng)絡(luò))，則用戶(hù)將必須中斷該任務(wù)或者可能甚至必須關(guān)閉其當(dāng)前的應(yīng)用以點(diǎn)擊、觸摸或進(jìn)入獨(dú)立的區(qū)域以訪問(wèn)個(gè)人助理。
[0018]對(duì)觸覺(jué)輸入的要求的一個(gè)現(xiàn)有的解決方案是使用關(guān)鍵短語(yǔ)。目前，大多數(shù)關(guān)鍵短語(yǔ)僅能在第三方應(yīng)用的外部使用，或者要求你處于設(shè)備的操作系統(tǒng)的特定菜單中或特定屏幕中(例如，在說(shuō)“Okay GOOGLE”之前處于GOOGLE now應(yīng)用中)。因此，關(guān)鍵短語(yǔ)觸發(fā)可以沒(méi)有和按鍵方法一樣的限制性，關(guān)鍵短語(yǔ)觸發(fā)可以使用戶(hù)重新放置他們的手或使用雙手來(lái)按鍵。然而，使用關(guān)鍵短語(yǔ)的方法也有缺點(diǎn)。即使關(guān)鍵短語(yǔ)可以在第三方應(yīng)用中使用，關(guān)鍵短語(yǔ)觸發(fā)也必須在由用戶(hù)給出的每個(gè)語(yǔ)音命令之前說(shuō)出。這個(gè)不變并且重復(fù)的動(dòng)作給用戶(hù)增加了負(fù)擔(dān)并且降低了智能助理的作為其主要特性之一的自然語(yǔ)言方面的優(yōu)點(diǎn)。
[0019]因此，實(shí)施例通過(guò)利用視線(xiàn)跟蹤來(lái)解決這些限制，這使得用戶(hù)能夠通過(guò)簡(jiǎn)單地看向設(shè)備的顯示器上的指定區(qū)域來(lái)觸發(fā)語(yǔ)音識(shí)別。實(shí)施例使用對(duì)用戶(hù)視線(xiàn)的位置進(jìn)行檢測(cè)的傳感器設(shè)備。然后，實(shí)施例激活語(yǔ)音輸入模塊例如智能助理，語(yǔ)音輸入模塊檢測(cè)來(lái)自用戶(hù)的任何語(yǔ)音命令?？梢酝ㄟ^(guò)用戶(hù)將其視線(xiàn)固定在設(shè)備屏幕的特定的拐角上或通過(guò)看向由用戶(hù)設(shè)定的預(yù)定位置來(lái)激活觸發(fā)。此外，實(shí)