[发明专利]交互式语音响应系统的可选择控件

权利要求书

1.一种方法，包括：

由计算装置获得从在所述计算装置上执行的通信应用输出的音频数据，所述音频数据包括所述计算装置的用户与第三方之间的语音呼叫或视频呼叫的可听见部分；

由所述计算装置使用所述可听见部分来确定所述音频数据是否包括两个或更多个可选择选项，所述两个或更多个可选择选项由所述第三方在所述语音呼叫或所述视频呼叫期间通过可听见方式提供；

响应于确定所述音频数据包括所述两个或更多个可选择选项，由所述计算装置确定所述两个或更多个可选择选项的文本描述，所述文本描述提供所述两个或更多个可选择选项中的至少一部分的转录；以及

在所述计算装置的显示器上显示两个或更多个可选择控件，所述两个或更多个可选择控件被配置为能够由所述用户选择以向所述第三方提供所述两个或更多个可选择选项中的被选择选项的指示，所述两个或更多个可选择控件中的每个可选择控件提供相应的可选择选项的文本描述。

2.根据权利要求1所述的方法，所述方法进一步包括：

接收对所述两个或更多个可选择控件中与所述被选择选项相关联的一个可选择控件的选择，所述选择由所述用户在所述语音呼叫或所述视频呼叫期间进行；以及

响应于接收到对所述一个可选择控件的所述选择，由所述计算装置将所述被选择选项传递给所述第三方。

3.根据权利要求2所述的方法，其中，将所述被选择选项传递给所述第三方包括由所述计算装置向所述第三方发送音频响应或双音多频DTMF音，而无需所述用户通过可听见方式传递所述被选择选项。

4.根据权利要求2或权利要求3所述的方法，所述方法进一步包括：

响应于将所述被选择选项传递给所述第三方，由所述计算装置获得从所述通信应用输出的附加音频数据，所述附加音频数据包括由所述第三方在所述语音呼叫或所述视频呼叫期间响应于所述被选择选项而通过可听见方式提供的两个或更多个附加可选择选项。

5.根据任一项前述权利要求所述的方法，所述方法进一步包括：

由所述计算装置使用所述可听见部分来确定所述音频数据是否包括对用户信息的请求，所述对用户信息的请求由所述第三方在所述语音呼叫或所述视频呼叫期间通过可听见方式提供；

响应于所述对用户信息的请求，由所述计算装置使用所述可听见部分来识别用户数据；以及

在所述语音呼叫或所述视频呼叫期间，由所述计算装置在所述显示器上显示所述用户数据，或者由所述计算装置向所述第三方提供所述用户数据。

6.根据任一项前述权利要求所述的方法，所述方法进一步包括：

由所述计算装置使用所述可听见部分来确定所述音频数据是否包括传递的信息，所述传递的信息与所述语音呼叫或所述视频呼叫的场境相关并且由所述第三方或所述用户在所述语音呼叫或所述视频呼叫期间通过可听见方式提供；

响应于确定所述音频数据包括所述传递的信息，由所述计算装置确定所述传递的信息的文本描述，所述传递的信息的所述文本描述提供所述传递的信息的至少一部分的转录；以及

在所述显示器上显示另一个可选择控件，所述另一个可选择控件提供所述传递的信息的所述文本描述并且被配置为能够由所述用户选择来将所述传递的信息保存在所述计算装置、所述应用或所述计算装置上的另一个应用中的至少一个中。

7.根据任一项前述权利要求所述的方法，其中，确定所述两个或更多个可选择选项的所述文本描述包括由所述计算装置执行机器学习模型以确定所述两个或更多个可选择选项的所述文本描述，所述机器学习模型被训练为根据所述音频数据来确定文本描述，所述音频数据是从所述计算装置的音频混合器接收的。

8.根据权利要求7所述的方法，其中，所述机器学习模型包括端到端循环神经网络变换器自动话音辨识模型。