CN102272789A

CN102272789A - 通过自动语音邮件预览的增强的语音邮件使用

Info

Publication number: CN102272789A
Application number: CN2009801544700A
Authority: CN
Inventors: J·哈玛克; K·赫罗尔德; M·威尔逊; D·诺塔里奥; T·米利特
Original assignee: Microsoft Corp
Current assignee: Microsoft Technology Licensing LLC
Priority date: 2009-01-09
Filing date: 2009-12-03
Publication date: 2011-12-07
Anticipated expiration: 2029-12-03
Also published as: RU2011128410A; CA2743586C; KR101691239B1; EP2377092A2; RU2520355C2; CN102272789B; WO2010080261A3; JP5362034B2; US20100177877A1; TW201027356A; AU2009336048B2; TWI497315B; US8345832B2; CA2743586A1; AU2009336048A1; EP2377092A4; WO2010080261A2; US20130077769A1; JP2012514938A; BRPI0922394A2

Abstract

生成语音邮件的文本预览并通过电子邮件或类似媒体将其连同音频版本一起提供给用户。基于从语音邮件元数据和用户关联元数据存储获得的上下文数据，诸如联系人列表、邮件历史等，提供文本版本的转录以及附加能力，例如可操作的项、回放-跳跃、在文本版本和音频版本之间切换、直接的或基于元数据的可搜索性以及增强的响应能力。

Description

通过自动语音邮件预览的增强的语音邮件使用

背景

用户访问他们的电子邮件或即时消息收件箱中他们的语音邮件正在变得常见起来。最初，这以电子邮件(或即时消息)的音频附件的形式出现，其中音频包含语音邮件的内容。可以在期望时回放音频。语音邮件的处理常常被标记为信息处理机的电子邮件和相似技术占优势的典型通信工作流中的不连续性。

其他方法产生(自动地或通过人的使用)语音邮件到用户的收件箱的转录。这些服务通常不被集成到用户的正常数据流。它们的主要的值是从阅读转录本身导出的，且因而接近完美的转录是重要的。

概述

提供本概述以便以简化形式介绍下面在详细描述中进一步描述的概念的选集。本概述不旨在排他地标识所要求保护的本主题的关键特征或必要特征，也不旨在用于辅助确定所要求保护的本主题的范围。

各实施方式针对利用从与用户和语音邮件元数据相关联的数据源自动提取的信息允许以文本和音频格式的组合的语音邮件预览。除了用回放-跳跃在语音邮件的文本版本和音频版本之间来回切换的能力之外，语音邮件预览的元素和与语音邮件预览的交互将语音邮件的价值扩展到超出简单的文本阅读。根据一些实施方式，使用上下文数据，语音邮件中的信息被显示并变得可操作的。

从下列详细描述的阅读和关联的图的观察将明显看出这些和其他特征和优点。应理解，前述的一般描述和下列的详尽描述两者都是解释性的，且并不限制所要求保护的各方面。

附图简述

图1是阐释示例统一通信系统的图，其中各实施方式可以被实现为用于通过自动的语音邮件预览的增强的语音邮件使用；

图2是阐释用于提供增强的语音邮件预览的基本示例系统的概念图；

图3阐释根据各实施方式提供增强的语音邮件预览的主要组件；

图4阐释用于提供增强的语音邮件预览的示例用户界面的屏幕截图；

图5是其中可以实现根据各实施方式的系统的联网环境；

图6是其中可以实现各实施方式的示例计算操作环境的框图；以及

图7阐释用于根据各实施方式提供增强的语音邮件预览的逻辑流程图。

详细描述

如以上简要地描述的，可以生成语音邮件的文本预览并将其连同音频版本一起通过电子邮件或类似媒体提供给用户。基于从用户关联数据存储和语音邮件元数据获得的上下文数据执行到文本版本的转录以及诸如可操作的信息等的附加能力。在下列的详细描述中，对附图进行引用，附图形成详细描述的部分，且其中作为阐释示出具体的实施方式或示例。可以组合这些方面，可以利用其他方面，且可以在不偏离本公开内容的精神或范围的前提下做出结构改变。因此，不应以限制性的意义来看待下列的详细描述，且本发明的范围由所附权利要求和它们的等效物界定。

尽管将在结合在个人计算机上的操纵系统上运行的应用程序而执行的程序模块的一般上下文中描述各实施方式，但本领域中的技术人员将认识到，也可以与其他程序模块组合实现各方面。

一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、组件、数据结构和其他类型的结构。此外，本领域中的技术人员将明白，可以与包括手持式设备、多处理器系统、基于微处理器的或可编程的消费者电子设备、小型计算机、大型计算机以及类似的计算设备在内的其他计算机系统配置一起实践各实施方式。也可以在分布式计算环境中实践各实施方式，分布式计算环境中，任务由通过通信网络链接的远程处理设备执行。在分布式计算环境中，程序模块可以位于本地存储器存储设备和远程存储器存储设备两者。

各实施方式可以被实现为计算机实现的过程(方法)、计算系统或制品，例如计算机程序产品或计算机可读介质。计算机程序产品可以是可由计算机系统读取的、编码包括用于引起计算机或计算系统执行示例过程的指令在内的计算机程序的计算机存储介质。计算机可读存储介质可以例如经由易失性计算机存储器、非易失性存储器、硬盘驱动器、闪速驱动器、软盘或紧致盘和类似的介质中的一个或多个来实现。计算机程序产品也可以是载波(例如调频信号或调相信号)或可由计算系统读取的、编码用于执行计算机过程的指令的计算机程序的介质上的增殖的信号。

贯穿这一说明书，术语“平台”可以是用于管理用于语音邮件预览传递的通信应用程序的软件组件和硬件组件的组合。平台的示例包括但不限于在多个服务器上执行的受控服务、在单个服务器上执行的应用程序和类似的系统。术语“服务器”一般地是指通常在联网环境中执行一个或多个软件程序的计算设备。然而，服务器也可以被实现为在一个或多个计算设备上执行的被看作是网络上的服务器的虚拟服务器(软件程序)。下面提供关于这些技术和示例操作的更多细节。

此外，在此所使用的术语“语音邮件预览”是指从语音邮件导出的文本数据，该文本数据用可操作的项标记，并被集成到诸如电子邮件应用程序、即时消息应用程序和类似的通信应用程序等的生产力服务。文本数据可以包括可以反映完整的语音邮件或语音邮件的概述的机器转录(例如自动语音识别)、人类转录和类似的形式。根据一些实施方式，从语音邮件导出的数据也可以包括图形特征。

参见图1，阐释其中各实施方式可以被实现为用于通过自动的语音邮件预览的增强的语音邮件使用的示例统一通信系统的图100。统一通信系统是带有可以被提供给诸如增强的语音邮件预览等的用户的广泛的能力和服务的现代通信系统的示例。统一通信系统是促进即时消息通信、在场、音频-视频会议、web会议功能和类似的能力的实时通信系统。

[在统一通信(“UC”)系统中，如示图100中示出的系统，用户可经由作为该UC系统的客户端设备的各种终端设备(102、104)来进行通信。每一客户机设备能够执行用于语音通信、视频通信、即时消息通信、应用程序共享、数据共享等等的一个或多个通信应用程序。除其高级功能之外，终端设备还可通过外部连接，如通过PBX 124到公共交换电话网(PSTN)，来便于传统电话呼叫。终端设备可以包括任何类型的智能电话、蜂窝式电话、执行通信应用程序、智能汽车控制台和带有附加功能的高级电话设备的任何计算设备。

UC网络110包括执行不同的任务的多个服务器。例如，UC服务器114提供注册、在场和路由功能。路由功能允许该系统基于默认政策和/或用户设定的政策将对用户的呼叫路由到被分配给用户的客户机设备中的任何之一。例如，如果通过常规电话不能找到用户，则呼叫可以被转移到用户的蜂窝式电话，且如果没有应答，则可以利用多个语音邮件选项。由于终端设备可以处理附加的通信模式，UC服务器114可以通过访问服务器112提供对这些附加的通信模式(例如即时消息通信、视频通信等等)的访问权。访问服务器112位于周边网络中并且以附加通信模式之一允许与其他用户通过UC网络110的连接。UC服务器114可以包括执行上面所描述的功能的组合的服务器或仅提供特定功能的专用服务器。例如，提供在场功能的家庭服务器、提供路由功能的路由服务器、权限管理服务器等等。类似地，访问服务器112可以提供诸如防火墙保护和连接等的多个功能，或仅提供专用功能。

音频/视频(A/V)会议服务器118通过经由内部或外部网络方便音频和/或视频会议能力来提供这些能力。中介服务器(mediation server)116作为去往和来自诸如PSTN或蜂窝网络等其他类型的网络的信令和媒体(例如，通过PBX124的或来自蜂窝电话122的呼叫)的中介。根据一些实施方式，语音邮件服务器115可以管理语音邮件，以供UC系统的用户执行类似于语音邮件的存储和递送、音频文件转录成文本数据和增强的语音邮件预览电子邮件或即时消息生成的任务。中介服务器116也可以充当会话发起协议(SIP)用户代理。

在UC系统中，用户可以具有一个或多个身份，这并不必定限于电话号码。身份可以采取任何形式，这取决于所集成的网络，例如电话号码、会话发起协议(SIP)、统一资源标识符(URI)或任何其他标识符。尽管任何协议可以被用于UC系统中，但SIP是优选的方法。

SIP是用于创建、修改和终止与一个或多个参与者的会话的应用层控制(信令)协议。该协议可以被用来创建包括因特网电话呼叫、多媒体分发和多媒体会议在内的双方、多方或多播会话。SIP被设计成独立于底层传输层。

SIP客户机可以使用传输控制协议(“TCP”)来连接到SIP服务器和其他SIP端点。SIP主要被用于建立和拆卸语音呼叫或视频呼叫。然而，它可以被用于其中要求会话发起的任何应用。这些应用包括事件订阅和通知、终端移动性等等。语音和/或视频通信通常通过单独的会话协议(通常是实时协议(“RTP”))来完成。

尽管图1中的系统被描述为带有诸如中介服务器、A/V服务器和类似设备等的具体组件，但各实施方式不限于这一系统的示例组件和配置。可以在采用较少的或附加的组件的其他系统和配置中实现用于增强的语音邮件预览服务。此外，这样的系统不必是集成各种通信模式的增强的通信系统。也可以使用在此描述的原理将各实施方式实现为用于以诸如PSTN或蜂窝式网络等的传统的通信系统递送的语音邮件。

图2是阐释用于提供增强的语音邮件预览的基本示例系统的概念图200。尽管根据各实施方式的系统可能包括诸如图1中说明性地讨论的那些等的许多服务器、客户机设备和服务，但图2中仅示出与各实施方式相关的那些。

如先前所讨论，存在其中听取即使是以所附加的记录的形式的语音邮件也是不可能的或者是不方便的许多情况。语音邮件的文本形式在许多实例是有利的，但是可用的解决方案具有先前提到的转录中固有的缺陷。各实施方式提供支持将语音邮件更彻底地和更丰富地集成到用户的信息工作流中的技术。这一集成到用户的最普遍的信息处理(电子邮件、即时消息通信和类似形式)由用户数据存储中可获得的上下文来辅助，且提供超越消息的简单阅读的附加的能力，例如音频导航、联系人生成、搜索语音邮件、即时消息行为和类似的能力。

根据一些实施方式，语音邮件的文本预览由自动语音识别装置生成，并通过电子邮件、即时消息或类似的消息通信技术将其递送给收件人。根据一种实施方式，语音识别器被直接地与语音邮件和消息通信系统集成起来。由于这一深度集成，语音识别器可以利用关于呼叫者和被呼叫者的有意义的上下文信息来改善识别精度(保真度)。这包括但不限于各方的名称、他们各自的联系人列表、他们的组织结构、各方之间的先前的通信、与各方相关的通信等等。然而，如上所述，不限于由自动的语音识别生成的数据的各实施方式。也可以采用人类转录的数据、人类转录的数据和机器生成的数据的组合以及可由客户机应用程序判读的方案标示的类似的信息来提供可操作的项和上下文信息。

因而，示例系统中的语音邮件服务器234接收以音频形式的语音邮件并且进一步接收来自像在场服务器236、电子邮件服务器238等等的源的上下文信息。例如在场信息可以包括与呼叫者相关联的位置，且基于该呼叫者在何处的知识可以以更高的精度识别语音邮件中的字。语音邮件服务器234可以处理来自语音识别器或另一转录源的文本，以使得根据用户利益的需要，关键信息(例如名称或关键点)可以被标识、被专门渲染以及变得可操作的。渲染子系统可以使用由语音子系统提供的进一步的上下文信息以及概念突出显示来给用户提供语音邮件的可视的表示。所渲染语音邮件预览240可以被提供给用户(244)的在计算设备242上执行的消息通信应用程序，以便由消息通信用户界面呈现。根据其他实施方式，客户机应用程序(而不是语音邮件服务器)可以将诸如在场等的各种信息源集成到语音邮件预览消息中。

用于递送增强的语音邮件预览的消息通信应用程序的示例实现是电子邮件。电子邮件消息可以递送经渲染的语音邮件预览以及语音邮件的音频文件，以使得除了具有基于语音邮件中的信息请求/执行动作的能力之外还允许在文本数据和音频文件之间的切换以及允许收件人容易地搜索音频文件的部分的搜索能力。尽管电子邮件和即时消息通信通常是被称为是语音邮件预览可以被集成到其中的示例服务，但各实施方式不限于那些。诸如SMS、RSS源和类似源等的其他消息通信系统也可以被用于向用户提供增强的语音邮件预览体验。

图3阐释根据图300中的各实施方式提供增强的语音邮件预览的主要组件。如以上所描述的，诸如在场信息352、联系人/地址簿信息354(与呼叫者和/或被呼叫者相关联)、电子邮件历史信息356和类似的数据等的上下文信息被用于生成增强的语音邮件预览的各阶段。

例如，可以使用上下文信息将语音邮件358的音频版本转录成富文本形式360以改善转录的精度并添加特征(带有可操作的项、突出显示和其他特征)。然后，可以再次使用该上下文信息来将语音邮件的富文本形式360处理(362)为带有附加的特征。在不同的阶段使用的信息可以是不同的。例如，呼叫者关联的信息可以被用于一个阶段，而被呼叫者关联的信息可以被用于其他阶段。

处理362的最终产物即增强的语音邮件预览可以连同语音邮件(358)的音频版本一起被集成到电子邮件消息，且通过电子邮件用户界面364被呈现给用户。语音邮件的音频版本可以被附加到电子邮件消息或可以提供到其位置的链接。

通过这些主要组件和它们的交互，语音邮件连同在场信息一起被集成到电子邮件工作流中。语音邮件的关键部分变得可操作的，且提供语音邮件音频的高级导航，允许用户通过点击适当的文本“跳”到语音邮件音频文件中的任何位置(即回放跳跃或音频重新定位)。因而，呈现语音邮件的文本表示以使得用户可以更容易地查找关键信息而无需从通常存在的语音识别错误分心。

上面所讨论的论场景、示例系统、应用程序和配置是出于阐释目的。各实施方式不限于那些示例。可以使用在此描述的原理来将其他形式的转录、配置、通信模式和场景用于以相似的方式实现增强的语音邮件预览。

图4阐释用于提供增强的语音邮件预览的示例用户界面的屏幕截图。该屏幕截图上的用户界面的元素和配置仅是出于阐释目的，且不构成对各实施方式的限制。能够向用户呈现增强的语音邮件预览用户的消息通信应用程序可以采用带有其他元素和配置的任何用户界面。示例用户界面包括诸如命令、选项和其他项等的标准图形和文本元素472。

语音邮件渲染向电子邮件用户界面提供信息，电子邮件用户界面辅助语音邮件音频的导航和播放。例如，点击文本语音邮件渲染476中的词语可以从其中该词语被发音的位置开始播放语音邮件。突出显示一组词语可以播放语音邮件音频的仅该片段。除了文本音频连接之外，也可以提供标准音频回放用户界面元素474。

在电子邮件用户界面中，通过与电子邮件系统可获得的在场信息集成起来，语音邮件渲染的部分变得是可操作的。例如，右击名称带出用户可能想要相对于该名称执行的动作的列表，例如将该名称添加到用户的联系人列表、经由即时消息联系叫该名称的人、向叫该名称的人发出语音呼叫和类似的动作。各动作可以被呈现在弹出式菜单480或类似的用户界面元素(悬停显示元素、下拉式菜单等等)中。

经渲染的文本语音邮件476可以包括基于图形或颜色方案的元素，以便提供关于语法和可操作的字的附加信息。此外，经渲染的语音邮件中可获得的信息可以被添加到电子邮件服务器的搜索索引。因而，使得可以以所渲染的文本和潜在地以文本底层的元数据两者来搜索语音邮件。所预览的数据也可经由桌面搜索系统、移动设备系统等等而不只是服务器来搜索。携带语音邮件预览的电子邮件可以包括呼叫者和被呼叫者的名称以及呼叫者的详尽的在场信息，以便允许被呼叫者基于电子邮件中的信息采取正确的动作。

能够呈现语音邮件预览的用于消息通信应用程序的用户界面可以包括额外的或较少的文本和图形元素，且可以采用各种图形、颜色和其他配置方案来显示不同的功能和关联的过程。

图5是其中可以实现各实施方式的示例联网环境。可以经由在诸如受控服务等的一个或多个服务器518上执行的软件实现提供带有增强的语音邮件预览的通信服务的平台。该平台可以通过网络510与诸如蜂窝式电话513、膝上型计算机512和台式计算机511(客户机设备)等的各个计算设备上的通信客户机应用程序通信。

如以上所描述的，可以从包括在网络510内或通过外部网络520的传统电话系统、增强的通信系统等等在内的许多源来将语音邮件递送到语音邮件管理应用程序/服务器。语音邮件管理应用程序/服务器可以接收包括但不限于在场信息、联系人信息以及语音邮件元数据的附加信息。这一上下文信息可以被用于将语音邮件转录成文本数据和高级能力的生成，高级能力诸如要在文本通信中呈现给接收语音邮件的用户的可操作的数据。

客户机设备511-513被用来通过多种模式促进在通信系统的用户之间的通信。与用户相关联的且促进增强的语音邮件预览的信息可以被存储在一个或多个数据存储(例如数据存储516)中，数据存储可以由服务器518或数据库服务器514中的任何一个管理。

网络510可以包括服务器、客户机、因特网服务提供商和通信介质的任何拓扑。根据各实施方式的系统可以具有静态拓扑或动态拓扑。网络510可以包括诸如企业网络等的安全网络、诸如无线开放式网络等的非安全网络、或因特网。网络510也可以协助诸如PSTN或蜂窝式网络(例如外部网络520)等的其他网络上的通信。网络510提供在此描述的节点之间的通信。作为示例而非限制，网络510可以包括诸如声学、RF、红外和其他无线介质等的无线介质。

计算设备、应用程序、数据源和数据分布系统的许多其他配置可以被用来实现带有高级能力的语音邮件预览系统。此外，图5中所讨论的联网环境仅出于阐释目的。各实施方式不限于示例应用程序、模块或进程。

图6及相关联的讨论旨在提供对其中可实现各实施方式的合适计算环境的简要概括描述。参考图6，阐释诸如计算设备600等的用于根据各实施方式的应用程序的示例计算操作环境的框图。在基本的配置中，计算设备800可以是作为通信系统的一部分的语音邮件管理服务器，且包括至少一个处理单元602和系统存储器604。计算设备600也可以包括合作执行程序的多个处理单元。取决于计算设备的确切配置和类型，系统存储器604可以是易失性存储器(例如RAM)、非易失性存储器(例如ROM、闪速存储器等等)或两者的某种组合。系统存储器604通常包括适于控制平台的操作的操作系统605，例如来自华盛顿州雷德蒙市的微软公司的Windows

操作系统。系统存储器604也可以包括一个或多个软件应用程序，例如程序模块606、语音邮件应用程序622和转录模块624。

语音邮件应用程序622可以是通过在客户机应用程序、服务器和其他设备(例如语音、电子邮件、即时消息通信等等)之间的各种模态来促进通信的服务的一部分。转录模块624可以使用如先前所讨论的上下文信息来将音频语音邮件文件转录成文本数据。转录模块624和语音邮件应用程序622可以是分离的应用程序，或者可以是通过电子邮件或即时消息通信向客户机应用程序/设备提供诸如带有可操作的信息的语音邮件预览等的增强的通信服务的受控服务的整合模块。在图6中由虚线608内的那些组件阐释这一基本配置。

计算设备600可以具有附加的特征或功能。例如，计算设备600也可以包括附加的数据存储设备(可移动的和/或不可移动的)，诸如例如磁盘、光盘或磁带。在图6中由可移动存储609和不可移动存储610阐释这样的附加存储。计算机可读存储介质可以包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等的信息的任何方法或技术实现的易失性介质和非易失性介质、可移动介质和不可移动介质。系统存储器604、可移动存储609和不可移动存储610都是计算机可读存储介质的示例。计算机可读存储介质包括但不限于RAM、ROM、EEPROM、闪速存储器或其他存储器技术、CD-ROM、数字多用盘(DVD)或其他光存储、磁带盒、磁带、磁盘存储或其他磁存储设备、或可以被用来存储所期望的信息且可以由计算设备600访问的任何其他介质。任何这样的计算机可读存储介质可以是计算设备600的一部分。计算设备600也可以具有输入设备612，例如键盘、鼠标、笔、语音输入设备、触摸输入设备和类似的输入设备。可以包括输出设备614，例如显示器、扬声器、打印机和其他类型的输出设备。这些设备在本领域中是公知的，且在这里不需要详细讨论。

计算设备600还可包含通信连接616，该通信连接允许该设备通过分布式计算环境中的无线网络、卫星链接、蜂窝链接和类似机制来与其他设备618进行通信。其他设备618可以包括执行通信应用程序、电子邮件或在场服务器和类似的设备的计算机设备。通信连接616是通信介质的一个示例。通信介质可以在其中包括以诸如载波或其他传输机制等的经调制数据信号的计算机可读指令、数据结构、程序模块或其他数据，且包括任何信息传递介质。术语“已调制数据信号”指的是一个或多个特征以在信号中编码信息的方式被设定或更改的信号。作为示例而非限制，通信介质包括诸如有线网络或直接有线连接等的有线介质和诸如声学、RF、红外和其他无线介质等的无线介质。

示例实施方式也包括方法。这些方法可以用任何数量的方式，包括本文中所描述的结构来实现。一种这样的方式通过在这一文档中所描述的类型的设备的机器操作。

另一可选的方式是，对于各方法的单独操作中的一个或多个，要结合执行某种事物的一个或多个人类操作员来执行。这些人类操作员不需要相互搭配，而是每一个仅带有执行程序的一部分的机器。

图7阐释用于提供根据各实施方式的增强的语音邮件预览的过程700的逻辑流程图。过程700可以被实现为语音邮件服务器中的增强的通信系统的一部分。

过程700以操作710开始，操作710中接收与语音邮件服务器相关联的用户的语音邮件。语音邮件可以被存储为音频文件。在操作720，语音邮件服务器可以接收上下文信息，例如与用户(以及他们的联系人)相关联的在场信息或联系人信息、电子邮件历史信息和语音邮件元数据(语音邮件的源和可以与语音邮件一起被包括在增强的通信系统中的任何附加信息)。

在操作730，使用上下文信息来将音频语音邮件转录成文本数据。上下文信息不仅被用来改善转录的保真度，也可以被用来以文本格式在语音邮件内显示信息。如先前所讨论，实施方式不限于基于自动语音识别的转录或文本数据。从语音邮件到文本数据和/或图形数据的其他形式的转换可以被用于提供增强的语音邮件预览。在操作740，进一步基于上下文信息处理所转录的语音邮件，例如将信息中的一些渲染为可操作的、添加颜色/图形方案以便改善呈现、对音频文件的切换回去的能力和搜索能力以及类似的动作。这一增强的语音邮件预览可以被集成到电子邮件、即时消息或类似的基于文本的通信消息中。消息也可以包括语音邮件的音频版本的副本或到音频文件的位置的链接。在操作750，包括增强的语音邮件预览的消息可以被转发给用户。

在授权过程完成时，可以将可操作的项中的一些或全部呈现给用户。基于语音邮件预览的关键部分而被提供给所呼叫的用户的动作可以包括要由显示语音邮件预览的电子邮件应用程序执行的动作或要由其他应用程序执行的动作。此外，可以基于语音邮件预览中的可操作的项动态地修改显示语音邮件预览的电子邮件用户界面的元素。

被包括在过程700中的操纵是出于阐释目的。经由电子邮件或即时消息通信的增强的语音邮件预览可以由带有较少步骤或附加步骤的类似过程来实现，且可以以使用在此描述的原理的操作的不同的次序来实现。

上面的说明、示例和数据提供产品以及各实施方式的组成部分的使用的完整描述。尽管已经用对结构特征和/或方法论动作来说专用的语言描述了本主题，但应理解，在所附权利要求中界定的本主题并不必定限于以上所描述的具体的特征或动作。相反，以上所描述的具体的特征和动作是作为实现权利要求和实施方式的示例形式而公开的。

Claims

1.一种要至少部分地在计算设备中执行的用于提供增强的语音邮件预览的方法，所述方法包括：

接收用户的音频语音邮件(710)；

确定与所述用户和呼叫方相关联的上下文信息(720)；

采用所述上下文信息的至少部分，基于音频语音邮件的转录，生成语音邮件预览，以便增加文本-音频保真度的精度并在所述语音邮件预览中提供多个可操作的项(730)；以及

将所述语音邮件预览集成到基于文本的通信中以连同对所述音频语音邮件的访问一起传递给所述用户(740)。

2.如权利要求1所述的方法，其特征在于，所述上下文信息包括来自以下组中的至少一个：语音邮件元数据、在场信息(352)、联系人信息(354)、组织信息、位置信息、先前通信信息(356)和相关的通信信息。

3.如权利要求1所述的方法，其特征在于，进一步包括：

基于所述上下文信息标识所述语音邮件预览中的关键信息；

将所标识的关键信息渲染为可操作的；以及

以特殊方式呈现所述可操作的关键信息(476、478、480)。

4.如权利要求3所述的方法，其特征在于，所述关键信息(478)包括以下组中的至少一个形式：名称、位置、电话号码、地址、日期、时间、电子邮件地址和web地址。

5.如权利要求3所述的方法，其特征在于，将所述关键信息渲染为可操作的包括提供动作的列表(480)以用于响应于接收到用户对关键信息项的兴趣的指示而供用户选择。

6.如权利要求1所述的方法，其特征在于，对所述音频语音邮件的访问(474)包括以下的其中之一：在附加文件中提供所述音频语音邮件和提供到其中存储所述音频语音邮件的位置的链接。

7.如权利要求1所述的方法，其特征在于，在授权过程完成时将所述可操作的项的至少部分呈现给所述用户，且其中在所述语音邮件预览生成过程(700)期间生成新的上下文信息。

8.如权利要求1所述的方法，其特征在于，通过所述语音邮件预览和通过所述语音邮件预览底层的元数据，将所述音频语音邮件渲染为可搜索的。

9.一个用于实现增强的语音邮件预览的通信系统，所述系统包括：

被配置为如下的语音邮件服务器(234)：

接收以音频格式的语音邮件；

确定包括来自以下组中的至少一个的上下文信息：语音邮件元数据、在场信息、联系人信息、组织信息、位置信息、先前通信信息和相关的通信信息；

基于以下的至少一个接收基于以音频格式的所述语音邮件的转录：自动语音识别和人类转录，其中所述上下文信息被用来增强音频到文本保真度；

使用所述上下文信息，基于所述语音邮件，确定在所述转录内的可操作的项；

基于所述上下文信息，将附加的文本信息和图形信息插入到所述转录中，得到所述语音邮件预览；以及

渲染包括所述可操作的项和所述附加的文本信息和图形信息的、被集成到电子邮件消息的所述语音邮件预览，以传递给客户机应用程序；以及

所述客户机应用程序被配置为：

通过电子邮件用户界面(364)呈现所述语音邮件预览；以及

通过将相应呼叫提交给相关的应用程序，允许接收所述语音邮件的被呼叫方在所述语音邮件预览内选择动作。

10.如权利要求9所述的系统，其特征在于，通过突出显示以文本格式的所述语音邮件的一部分，所述语音邮件预览允许所述被呼叫方(244)回放以音频格式的所述语音邮件的一部分。

11.如权利要求10所述的系统，其特征在于，通过点击用户界面元素，所述语音邮件预览允许所述被呼叫方(244)独立地利用回放以音频格式的所述语音邮件和阅读以文本格式的所述语音邮件。

12.如权利要求9所述的系统，其特征在于，所述语音邮件预览还包括音频回放界面元素(474)。

13.一种其上存储有指令的用于提供增强的语音邮件预览的计算机可读存储介质，所述指令包括：

接收被呼叫方的音频语音邮件(710)；

采用与所述被呼叫方和呼叫方相关联的在场信息和语音邮件元数据，将所述音频语音邮件转换成文本表示(730)；

将所述文本表示作为语音邮件预览而集成到被呼叫方的电子邮件工作流，其中在用户选择时将所述语音邮件预览的关键部分渲染为可操作的，且其中所述音频语音邮件可通过选择所述文本表示中的相应的文本元素来导航(740)；以及

通过电子邮件用户界面(364)将所述语音邮件预览呈现给所述被呼叫方。

14.如权利要求13所述的计算机可读介质，其特征在于，基于所述语音邮件预览的关键部分提供给所述被呼叫方(244)的动作包括要由显示所述语音邮件预览的电子邮件应用程序执行的动作和要由其他应用程序执行的动作。

15.如权利要求13所述的计算机可读介质，其特征在于，基于所述语音邮件预览中的所述可操作的项，动态地修改显示所述语音邮件预览的所述电子邮件用户界面(364)的元素。