[发明专利]基于话音的通信

权利要求书

1.一种计算机实现的方法，其包括：

从第一设备接收输入音频数据，所述输入音频数据包括唤醒词部分和命令部分；

基于所述输入音频数据来确定文本数据；

基于所述文本数据，向第二设备发送第一消息；

确定来自所述第二设备的打算发往所述第一设备的第二消息；

确定从所述第一设备发送到所述第二设备的第一数量的消息和从所述第二设备发送到所述第一设备的第二数量的消息所经过的时间量；

确定所述时间量小于第一阈值时间段；以及

将数据发送到所述第一设备，所述数据使所述第一设备发送音频数据，而无需所述第一设备检测唤醒词。

2.如权利要求1所述的计算机实现的方法，其包括：

从所述第一设备接收第二输入音频数据；

处理所述第二输入音频数据以确定消息内容；

向所述第二设备并且在第一时间，发送对应于所述消息内容的输出音频数据；

从所述第二设备并且在所述第一时间之后的第二时间，接收所述第二设备已检测到对所述输出音频数据的回复中的言语的指示；以及

在所述第二时间之后的第三时间，由所述第一设备输出视觉指示符，所述视觉指示符表示所述第二设备正在接收对所述消息内容的回复。

3.如权利要求1或2所述的计算机实现的方法，其中所述指令还将至少一个处理器配置为：

使所述第二设备输出由文本到言语(TTS)处理创建的音频数据；

从所述第二设备接收第三输入音频数据；

对所述第三输入音频数据执行ASR以确定第二文本数据；以及

确定所述第二文本数据包括单词是，其中确定所述言语是对所述输出音频数据的回复是基于所述确定所述第二文本数据包括所述单词是。

4.如权利要求1或2所述的计算机实现的方法，其还包括：

在所述第二时间之后的所述第三时间，由所述第一设备输出可听指示符，所述可听指示符表示所述第二设备已检测到对所述输出音频数据的回复中的言语。

5.如权利要求4所述的计算机实现的方法，其中使用文本到言语处理来生成所述可听指示符，所述文本到言语处理使用用户先前说出的言语。

6.如权利要求1或2所述的计算机实现的方法，其还包括：

使所述第二设备输出由文本到言语(TTS)处理创建的音频数据；

从所述第二设备接收第四输入音频数据；

使用基于话音的说话者ID来确定所述第四输入音频数据对应于由所述消息内容的接收者说出的音频；以及

基于所述第四输入音频数据对应于所述消息内容的所述接收者所说出的音频，确定所述言语是在对所述输出音频数据的回复中。

7.如权利要求1所述的计算机实现的方法，其还包括：

从所述第一设备接收包括接收者信息的第二输入音频数据；

确定与所述接收者信息相关联的所述第二设备；

使所述第二设备输出表示消息内容即将到来的指示；

从所述第一设备接收包括消息内容的第三输入音频数据；以及

使所述第二设备输出所述消息内容。

8.如权利要求7所述的计算机实现的方法，其中确定所述第二设备包括：

确定所述接收者的位置；以及

基于所述第二设备接近所述接收者，从与接收者配置文件相关联的多个设备中选择所述第二设备。

9.如权利要求1所述的计算机实现的方法，其还包括：

确定从所述第一设备发送到所述第二设备的第三数量的消息和从所述第二设备发送到所述第一设备的第四数量的消息所经过的第二时间量；

确定所述第二时间量小于第二阈值时间段；以及

在所述第一设备和所述第二设备之间建立实时通信会话，所述实时通信会话包括在所述第一设备和第二设备之间交换音频数据而不执行言语处理。