[发明专利]用于交互的虚拟人物对话的系统和方法

说明书

相关申请交叉引用

本申请要求2013年3月14日提交的美国申请号13/829,925的优先权，其通过引用被全部合并于此。

技术领域

多个已公开的实施例关注于基于对话的人机交互的系统和方法。

背景技术

人机交互(HCI)包含人与机器间的交互，重点在于计算机科学、认知科学、界面设计和其他领域的交叉。人工智能(AI)是另一发展中的学科，其包括允许计算机系统有机地应答用户输入的适应性行为。尽管AI可能通过提供虚拟人物与用户进行交互被用于增强HCI，但如果该AI不可信任，则该交互可能似乎对该用户而言是稳定和仿真的。这在AI未能解释关于交互的上下文要素和在与用户交互时未能维持“逼真的”的人物角色时尤其如此。尽管是很好的人人交互的方法，但由于对话的上下文和固有地模糊的特性，对话可能对AI系统而言尤其成问题。即使是更容易接受无生命人物为有生命实体的儿童，也能够在对话的AI变得与人机交互内容无关时识别出。通过人机交互教导和吸引儿童将是非常令人满意的，但必须克服无生命和前后无知的AI行为的障碍。

因此，存在向用户、尤其是年轻用户，提供有效的人机交互的系统和方法的需要，其适应交谈对话的挑战。

发明内容

某些实施例设想了一种使用户参与与虚拟人物对话的方法，所述方法包括：接收来自用户的音频输入，所述音频输入包括语音；获取所述语音的文本描述；基于所述文本描述确定应答音频输出；和引发虚拟人物使用所确定的应答音频输出发言。

在一些实施例中，所述方法进一步包括接收包括来自用户的语音的多种音频输入，所述多种音频输入与一个或多个虚拟人物的多种发言输出相关联。在一些实施例中，所述多种音频输入包括由一个或多个虚拟人物提出的问题的答案。在一些实施例中，所述多种音频输入包括文字叙述且所述一个或多个虚拟人物的多种发言输出包括即兴讲述或对所述叙述的评论。在一些实施例中，所述多种音频输入包括在关于话题的对话中的陈述。在一些实施例中，所述获取所述语音的文本描述包括将所述音频输入传输至专用的语音处理服务。在一些实施例中，其中所述接收音频输入包括确定是否执行一个的“自动声音活动监测”、“按住说话”、“轻击说话”或“轻击说话伴随静默监测”操作。在一些实施例中，所述方法进一步包括更改图标以反映所确定的音频输入操作。在一些实施例中，所述确定应答音频输出包括确定用户个性化元数据。在一些实施例中，所述方法进一步包括获取与所述应答音频输出相关联的音素元数据以用于动画化一些人物的面部特征的目的。在一些实施例中，所述方法进一步包括审视来自所述用户的多种回复并基于所述审视执行更多的字符间的对话而非用户-字符的对话。在一些实施例中，所述方法进一步包括将优先次序元数据与所述虚拟人物的每个潜在的应答相关联并使用这些优先次序元数据使得可能的应答在其他应答之前被输出。在一些实施例中，所述引发虚拟人物使用所确定的应答语音输出发言包括引发所述虚拟人物提议使用用户设备拍摄照片。在一些实施例中，所述的方法进一步包括使用用户设备引发用户拍摄照片；和发送所述照片至社交网络的一个或多个用户。

某些实施例设想了一种使用户可视化参与与虚拟人物的对话的方法，包括：检索与交互场景相关联的多个组件，所述交互场景由用户选择；配置所述多个组件的至少一个代表所述场景中的虚拟人物；和传输所述多个组件的至少一些至用户设备。

在一些实施例中，所述方法进一步包括检索与用户关联的个性化元数据并基于所述个性化元数据更改所述多个组件的至少一个。在一些实施例中，所述检索多个组件包括从数据库检索多个语音波形。

部分实施例设想了一种使用户参与与虚拟人物对话的计算机系统，所述系统包括：显示器；处理器；通讯端口；包含指令的存储器，其中所述指令被配置为引发所述处理器进行：接收来自用户的音频输入，所述音频输入包括语音；获取所述语音的文本描述；基于所述文本描述确定应答音频输出；和引发虚拟人物使用所确定的应答音频输出发言。