[发明专利]在不需要自动助理的基于语音的调用的情况下基于检测到的环境状况来选择性地调用自动助理

说明书

本文阐述的实现方式涉及一种根据场境信号调用—代替要求用户显式地说出调用短语的自动助理。当用户处于具有启用了助理的设备的环境中时，能够处理表征环境的特征的场境数据以确定用户是否打算调用自动助理。因此，当由自动助理检测到这样的特征时，自动助理能够绕过要求来自用户的调用短语，并且替代地，响应于来自用户的一个或多个助理命令。自动助理能够基于使用训练数据的实例训练的训练后的机器学习模型来操作，训练数据的实例表征其中一个或多个用户调用了或者没有调用自动助理的先前交互。

背景技术

人类可以利用本文称为“自动助理”(也称为“数字代理”、“聊天机器人”、“交互式个人助理”、“智能个人助理”、“对话代理”等)的交互式软件应用来参与人机对话。例如，人类(其在他们与自动助理交互时可以被称为“用户”)可以使用可以在一些情况下被转换成文本并且然后被处理的口语自然语言输入(即，话语)和/或通过提供文本(例如，键入的)自然语言输入来提供命令和/或请求。

在一些实例中，自动助理的响应性能够受限于其中用户显式地调用自动助理的场景。例如，用户必须经常在自动助理将完全地处理口语话语之前显式地调用自动助理。能够经由客户端设备调用自动助理的一些用户接口输入能够包括在客户端设备处用于调用自动助理的硬件按钮和/或虚拟按钮(例如，对硬件按钮的轻敲、对由客户端设备显示的图形界面元素的选择)。能够附加地或替换地响应于一个或多个特定口语调用短语而调用许多自动助理，一个或多个特定口语调用短语也被称为“热词/短语”或“触发词/短语”(例如，诸如“嘿，助理”的调用短语)。作为显式调用的结果，用户通常在指示他们的自动助理协助特定任务之前花时间来调用他们的自动助理。这能够导致用户与自动助理之间的交互被不必要地延长，并且能够导致对各种计算和/或网络资源的对应的延长的使用。

发明内容

本文阐述的实现方式涉及能够被用于至少选择性地绕过对自动助理的显式调用的一个或多个机器学习模型的训练和/或实现方式，否则在调用自动助理来执行各种任务之前可能要求对自动助理的显式调用。换句话说，使用机器学习模型生成的输出能够被用于确定自动助理何时应该响应于口语话语、口语话语何时未先于对自动助理的显式调用。为了基于环境状况来确定是否调用自动助理，能够在处理各种不同的信号以生成指示是否应该绕过对自动助理的显式调用的输出时采用训练后的机器学习模型。例如，训练后的机器学习模型能够被用于处理表征其中用户可以与自动助理交互的环境的数据。在一些实现方式中，能够生成信号向量来表征环境内的各种不同的设备的操作状态。这些操作状态能够指示用户调用自动助理的意图，并且因此能够有效地取代口语调用短语。换句话说，当用户处于用户将通常要求自动助理执行特定动作的特定环境中时，训练后的机器学习模型能够被用于处理表征环境、用户、一天中的时间、位置和/或与环境和/或用户相关联的任何其他特性的场境数据。对场境数据的处理能够产生指示用户是否将请求执行助理动作的输出(例如，概率)。此概率能够用于使自动助理在响应于助理命令之前要求或者绕过要求用户提供调用短语(或其他显式调用)。

作为在不需要最初检测调用短语(或其他显式调用)的情况下调用自动助理的结果，能够保存各种计算和电力资源。例如，在每一个助理命令之前需要显式口语调用短语的计算设备与在每一个助理命令之前不需要显式口语调用短语的另一计算设备相比能够消耗更多的资源。当计算设备不再持续地监测调用而是相反处理已经可用的场境信号时，能够保存诸如电力和处理带宽的资源。当用户与自动助理之间的交互由于在满足大多数助理命令之前不再需要由用户提供调用短语而被缩短时，能够保存进一步资源，诸如处理带宽和客户端设备电力资源。例如，由于用户至少选择性地不需要利用口语调用短语或其他显式调用输入作为助理命令的开端，用户与包含自动助理的客户端设备的交互能够在持续时间上更短。