CN110021301B - 数字助理服务的远场延伸 - Google Patents
数字助理服务的远场延伸 Download PDFInfo
- Publication number
- CN110021301B CN110021301B CN201910310783.6A CN201910310783A CN110021301B CN 110021301 B CN110021301 B CN 110021301B CN 201910310783 A CN201910310783 A CN 201910310783A CN 110021301 B CN110021301 B CN 110021301B
- Authority
- CN
- China
- Prior art keywords
- electronic device
- user
- response
- user request
- providing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000004044 response Effects 0.000 claims abstract description 364
- 238000000034 method Methods 0.000 claims abstract description 180
- 238000004891 communication Methods 0.000 claims description 75
- 230000033001 locomotion Effects 0.000 claims description 68
- 238000003860 storage Methods 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 9
- 230000003213 activating effect Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 71
- 238000012545 processing Methods 0.000 description 66
- 238000003058 natural language processing Methods 0.000 description 33
- 238000005111 flow chemistry technique Methods 0.000 description 23
- 230000003287 optical effect Effects 0.000 description 21
- 230000015572 biosynthetic process Effects 0.000 description 20
- 230000006870 function Effects 0.000 description 20
- 230000002093 peripheral effect Effects 0.000 description 20
- 238000003786 synthesis reaction Methods 0.000 description 20
- 238000001514 detection method Methods 0.000 description 18
- 230000003993 interaction Effects 0.000 description 15
- 230000007246 mechanism Effects 0.000 description 15
- 230000000007 visual effect Effects 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 14
- 230000007423 decrease Effects 0.000 description 13
- 238000007726 management method Methods 0.000 description 13
- 241000699666 Mus <mouse, genus> Species 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- WURBVZBTWMNKQT-UHFFFAOYSA-N 1-(4-chlorophenoxy)-3,3-dimethyl-1-(1,2,4-triazol-1-yl)butan-2-one Chemical compound C1=NC=NN1C(C(=O)C(C)(C)C)OC1=CC=C(Cl)C=C1 WURBVZBTWMNKQT-UHFFFAOYSA-N 0.000 description 10
- 230000009471 action Effects 0.000 description 10
- 230000001815 facial effect Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000009499 grossing Methods 0.000 description 7
- 230000001413 cellular effect Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000021317 sensory perception Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 241000227653 Lycopersicon Species 0.000 description 3
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000013475 authorization Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 241001422033 Thestylus Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- MQJKPEGWNLWLTK-UHFFFAOYSA-N Dapsone Chemical compound C1=CC(N)=CC=C1S(=O)(=O)C1=CC=C(N)C=C1 MQJKPEGWNLWLTK-UHFFFAOYSA-N 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000881 depressing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 235000013550 pizza Nutrition 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 210000000216 zygoma Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/22—Interactive procedures; Man-machine interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
- G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
- G10L15/187—Phonemic context, e.g. pronunciation rules, phonotactical constraints or phoneme n-grams
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
- G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Telephone Function (AREA)
- Telephonic Communication Services (AREA)
- User Interface Of Digital Computer (AREA)
- Information Transfer Between Computers (AREA)
- Machine Translation (AREA)
Abstract
本申请涉及数字助理服务的远场延伸。本公开提供了用于操作智能自动化助理以提供数字助理服务的延伸的系统和过程。一种示例方法包括：在具有一个或多个处理器的电子设备处，从第一用户接收表示用户请求的第一语音输入。所述方法还包括获得所述第一用户的身份；并且根据所述用户身份，向第二电子设备或第三电子设备中的至少一者提供对所述用户请求的表示。所述方法还包括：基于确定是所述第二电子设备或所述第三电子设备还是其两者将向所述第一电子设备提供所述响应，从所述第二电子设备或所述第三电子设备接收对所述用户请求的所述响应。所述方法还包括向所述第一用户提供对所述响应的表示。
Description
本申请是申请号为201880002639.X，申请日为2018年5月16日，名称为“数字助理服务的远场延伸”的发明专利申请的分案申请。
相关申请的交叉引用
本申请要求以下专利申请的优先权：于2017年5月16日提交的标题为“FAR-FIELDEXTENSION FOR DIGITAL ASSISTANT SERVICES”的美国临时专利申请序列号62/507,151；于2017年6月2日提交的标题为“FAR-FIELD EXTENSION FOR DIGITAL ASSISTANTSERVICES”的丹麦专利申请No.PA 2017 70434；于2017年6月2日提交的标题为“FAR-FIELDEXTENSION FOR DIGITAL ASSISTANT SERVICES”的丹麦专利申请No.PA 2017 70435；以及于2017年8月16日提交的标题为“FAR-FIELD EXTENSION FOR DIGITAL ASSISTANTSERVICES”的美国非临时专利申请序列号15/679,108，以上专利申请中的每个专利申请的内容据此全文以引用方式并入。
技术领域
本发明整体涉及智能自动化助理，并且更具体地讲，涉及数字助理服务的远场延伸。
背景技术
智能自动化助理(或数字助理)可在人类用户与电子设备之间提供有利界面。此类助理可允许用户使用自然语言以语音形式和/或文本形式与设备或系统进行交互。例如，用户可向正在电子设备上运行的数字助理提供包含用户请求的语音输入。数字助理可从该语音输入解译用户意图并且将用户意图操作化成任务。随后可通过执行电子设备的一项或多项服务来执行这些任务，并且可将响应于用户请求的相关输出返回给用户。
使用数字助理通常需要用户和数字助理之间的直接交互。例如，可能需要用户与数字助理在其上操作的电子设备处于非常接近(例如，在同一房间中)。因此，数字助理可以经由其麦克风直接接收用户的语音输入，并经由其扬声器向用户提供响应。在某些情况下，需要用户与电子设备处于非常接近可能会给用户与数字助理进行交互造成困难和不便。例如，如果用户和数字助理在其上操作的电子设备被分开超过一定距离(例如，在不同的房间中)，使得数字助理不能够或者难以接收到用户的语音输入，则数字助理可能不能够向用户提供数字助理服务。因此，期望用于数字助理服务的远场延伸的技术。
此外，不同类型的电子设备可能具有不同的能力。因此，在不同设备处提供的数字助理服务可能不同。由于设备能力限制，可能无法在某些设备处提供某些数字助理服务。例如，虽然在智能电话设备上操作的数字助理可以输出对文本消息的语音阅读，但是由于设备限制，在电视机顶盒上操作的数字助理可能不能够做到这一点。因此，期望使用多个设备来提供数字助理服务以减轻设备能力限制。
发明内容
本发明提供了用于提供数字助理服务的系统和过程。
本文公开了示例方法。一种示例方法包括：在具有一个或多个处理器的电子设备处，从第一用户接收表示用户请求的第一语音输入。该方法还包括获得第一用户的身份；并且根据用户身份，向第二电子设备或第三电子设备中的至少一者提供对用户请求的表示。该方法还包括：基于确定是第二电子设备或第三电子设备还是其两者将向第一电子设备提供响应，从第二电子设备或第三电子设备接收对用户请求的响应。该方法还包括向第一用户提供对响应的表示。
本文公开了示例非暂态计算机可读介质。一种示例非暂态计算机可读存储介质存储一个或多个程序。所述一个或多个程序包括指令，该指令当由电子设备的一个或多个处理器执行时使得电子设备从第一用户接收表示用户请求的第一语音输入。所述一个或多个程序还包括指令，该指令使得电子设备获得第一用户的身份；并且根据用户身份，向第二电子设备或第三电子设备中的至少一者提供对用户请求的表示。所述一个或多个程序还包括指令，该指令使得电子设备基于确定是第二电子设备或第三电子设备还是其两者将向第一电子设备提供响应，从第二电子设备或第三电子设备接收对用户请求的响应。所述一个或多个程序还包括指令，该指令使得电子设备向第一用户提供对响应的表示。
本文公开了示例电子设备。一种示例电子设备包括一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在存储器中并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括指令，该指令用于从第一用户接收表示用户请求的第一语音输入。所述一个或多个程序还包括指令，该指令用于获得第一用户的身份；并且根据用户身份，向第二电子设备或第三电子设备中的至少一者提供对用户请求的表示。所述一个或多个程序还包括指令，该指令用于基于确定是第二电子设备或第三电子设备还是其两者将向第一电子设备提供响应，从第二电子设备或第三电子设备接收对用户请求的响应。所述一个或多个程序还包括指令，该指令用于向第一用户提供对响应的表示。
一种示例电子设备包括用于从第一用户接收表示用户请求的第一语音输入的装置。该电子设备还包括用于执行以下操作的装置：获得第一用户的身份；并且根据用户身份，向第二电子设备或第三电子设备中的至少一者提供对用户请求的表示。该电子设备还包括用于执行以下操作的装置：基于确定是第二电子设备或第三电子设备还是其两者将向第一电子设备提供响应，从第二电子设备或第三电子设备接收对用户请求的响应。该电子设备还包括用于向第一用户提供对响应的表示的装置。
本文公开了示例方法。一种示例方法包括：在具有一个或多个处理器的电子设备处，接收对与第一用户相关联的事件的通知。该方法还包括响应于接收到通知而输出对通知的指示。该方法还包括接收一个或多个语音输入；并且根据所述一个或多个语音输入，确定是否将在第一电子设备处提供通知。该方法还包括：根据确定将在第一电子设备处提供通知，在第一电子设备处提供通知。
本文公开了示例非暂态计算机可读介质。一种示例非暂态计算机可读存储介质存储一个或多个程序。所述一个或多个程序包括指令，该指令当由电子设备的一个或多个处理器执行时使得电子设备接收对与第一用户相关联的事件的通知。所述一个或多个程序还包括指令，该指令使得电子设备响应于接收到通知而输出对通知的指示。所述一个或多个程序还包括指令，该指令使得电子设备接收一个或多个语音输入；并且根据所述一个或多个语音输入，确定是否将在第一电子设备处提供通知。所述一个或多个程序还包括指令，该指令使得电子设备：根据确定将在第一电子设备处提供通知，在第一电子设备处提供通知。
本文公开了示例电子设备。一种示例电子设备包括一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在存储器中并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括指令，该指令用于接收对与第一用户相关联的事件的通知。所述一个或多个程序包括指令，该指令用于响应于接收到通知而输出对通知的指示。所述一个或多个程序包括指令，该指令用于接收一个或多个语音输入；并且根据所述一个或多个语音输入，确定是否将在第一电子设备处提供通知。所述一个或多个程序包括指令，该指令用于：根据确定将在第一电子设备处提供通知，在第一电子设备处提供通知。
一种示例电子设备包括用于接收对与第一用户相关联的事件的通知的装置。该电子设备还包括用于响应于接收到通知而输出对通知的指示的装置。该电子设备还包括用于执行以下操作的装置：接收一个或多个语音输入；并且根据所述一个或多个语音输入，确定是否将在第一电子设备处提供通知。该电子设备还包括用于执行以下操作的装置：根据确定将在第一电子设备处提供通知，在第一电子设备处提供通知。
本文公开了示例方法。一种示例方法包括：在具有一个或多个处理器的电子设备处，从第一用户接收表示用户请求的第一语音输入。该方法还包括获得与能够通信地耦接到第一电子设备的一个或多个电子设备相关联的能力数据。该方法还包括：根据能力数据，从能够通信地耦接到第一电子设备的所述一个或多个电子设备识别用于提供对用户请求的响应的至少一部分的第二电子设备。该方法还包括使得第二电子设备向第一用户提供响应的至少一部分。
本文公开了示例非暂态计算机可读介质。一种示例非暂态计算机可读存储介质存储一个或多个程序。所述一个或多个程序包括指令，该指令当由电子设备的一个或多个处理器执行时使得电子设备从第一用户接收表示用户请求的第一语音输入。所述一个或多个程序还包括指令，该指令使得电子设备获得与能够通信地耦接到第一电子设备的一个或多个电子设备相关联的能力数据。所述一个或多个程序还包括指令，该指令使得电子设备：根据能力数据，从能够通信地耦接到第一电子设备的所述一个或多个电子设备识别用于提供对用户请求的响应的至少一部分的第二电子设备。所述一个或多个程序还包括指令，该指令使得电子设备向第一用户提供响应的至少一部分。
本文公开了示例电子设备。一种示例电子设备包括一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在存储器中并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括指令，该指令用于从第一用户接收表示用户请求的第一语音输入。所述一个或多个程序还包括指令，该指令用于获得与能够通信地耦接到第一电子设备的一个或多个电子设备相关联的能力数据。所述一个或多个程序还包括指令，该指令用于：根据能力数据，从能够通信地耦接到第一电子设备的所述一个或多个电子设备识别用于提供对用户请求的响应的至少一部分的第二电子设备。所述一个或多个程序还包括指令，该指令用于使得第二电子设备向第一用户提供响应的至少一部分。
一种示例电子设备包括用于从第一用户接收表示用户请求的第一语音输入的装置。该电子设备还包括用于获得与能够通信地耦接到第一电子设备的一个或多个电子设备相关联的能力数据的装置。该电子设备还包括用于执行以下操作的装置：根据能力数据，从能够通信地耦接到第一电子设备的所述一个或多个电子设备识别用于提供对用户请求的响应的至少一部分的第二电子设备。该电子设备还包括用于使得第二电子设备向第一用户提供响应的至少一部分的装置。
用于由一个或多个服务延伸设备进行的数字助理服务的远场延伸的技术可改进用户交互界面。例如，使用一个或多个服务延伸设备，不再需要用户与用于接收由在电子设备上操作的数字助理提供的数字助理服务的电子设备处于非常接近(例如，在同一房间中)。此外，服务延伸设备可以根据用户请求的内容灵活地从设置在用户附近的设备和/或远程设置的设备获得对用户请求的响应。例如，如果用户请求个人信息(例如，日历事件)，则服务延伸设备可从设置在用户附近的设备(例如，用户的智能电话)而不是远程设备获得响应，从而减少了向用户提供服务所需的时间。在一些情况下，从本地设备获得响应还可减轻隐私担忧，因为敏感或机密信息可被包含在本地设备之间的通信中。此外，从不同设备获得响应的能力增强了服务延伸设备向用户提供响应的能力。例如，如果不能从一个设备(例如，用户的智能电话)获得用户请求的信息，则服务延伸设备可从另一设备(例如，服务器)获得响应。因此，服务延伸设备可动态地从一个或多个设备获得响应，并且有效地从多个设备延伸数字助理服务。
一个或多个服务延伸设备可进一步延伸数字助理服务以增强提供数字助理服务的连续性。例如，一个或多个服务延伸设备可根据用户的位置、移动、偏好等确定将在任何特定服务延伸设备处还是在另一电子设备处提供对用户请求的响应(例如，播放音乐)。这种选择最佳设备来提供服务延伸的能力增强了在多个设备之间提供数字助理服务的连续性并且进一步改进了用户交互界面。此外，一个或多个服务延伸设备可被多个用户(例如，家庭成员)共享，并且设备的操作可基于对多个用户的认证。因此，相同的服务延伸设备可从与多个用户相关联的多个电子设备延伸数字助理服务。这种共享服务延伸设备的能力增强了提供数字助理延伸服务的效率。
此外，用于使用一个或多个服务延伸设备来向用户提供通知的技术可在延伸距离内向用户提供即时通知。例如，用户可能与用户设备分开一段距离，并因此可能不能够直接接收由用户设备提供的通知。一个或多个服务延伸设备可从用户设备(例如，用户的智能电话)接收通知，并向用户提供与通知相关联的音频和/或视觉输出。因此，服务延伸设备有效地延伸了用户设备可向用户提供通知的距离。
此外，用于使用多个设备来提供数字助理服务的技术可减轻设备能力限制。例如，由于其能力的限制(例如，屏幕尺寸小、缺少所请求的信息等)，用户设备可能无法响应于用户请求而提供服务。用户设备可识别能够提供服务的另一设备并且使得另一设备向用户提供所请求的服务。识别能够提供所请求的服务的另一设备的能力利用一批设备的能力来向用户提供数字助理服务，并通过减少用户在寻求合适设备时的负担来增强用户交互效率。
此外，这些技术增强了设备的可操作性并且使用户-设备界面更有效，这又通过使用户能够更快速且有效地使用设备而减少了电力使用并且延长了设备的电池寿命。
附图说明
图1为示出了根据各种示例的用于实现数字助理的系统和环境的框图。
图2A是示出根据各种示例的实现数字助理的客户端侧部分的便携式多功能设备的框图。
图2B为示出了根据各种示例的用于事件处理的示例性部件的框图。
图3示出了根据各种示例的实现数字助理的客户端侧部分的便携式多功能设备。
图4为根据各种示例的具有显示器和触敏表面的示例性多功能设备的框图。
图5A示出了根据各种示例的便携式多功能设备上的应用程序的菜单的示例性用户界面。
图5B示出了根据各种示例的具有与显示器分开的触敏表面的多功能设备的示例性用户界面。
图6A示出了根据各种示例的个人电子设备。
图6B是示出根据各种示例的个人电子设备的框图。
图7A为示出了根据各种示例的数字助理系统或其服务器部分的框图。
图7B示出了根据各种示例的在图7A中所示的数字助理的功能。
图7C示出了根据各种示例的知识本体的一部分。
图8A至图8B示出了根据各种示例的基于用户输入来在第一电子设备处提供数字助理服务的功能。
图9A至图9C示出了根据各种示例的在第一电子设备处获得用户的身份的功能。
图10A至图10C示出了根据各种示例的基于对信息的用户请求来提供数字助理服务的功能。
图11A至图11D示出了根据各种示例的基于用于执行任务的用户请求来提供数字助理服务的功能。
图12A至图12C示出了根据各种示例的基于对信息的用户请求来提供数字助理服务的功能。
图13A至图13B示出了根据各种示例的在第一电子设备或另外电子设备处提供数字助理服务的功能。
图14示出了根据各种示例的在不同电子设备之间提供数字助理服务的连续性的功能。
图15A至图15G示出了根据各种示例的基于对事件的通知来提供数字助理服务的功能。
图16A至图16I示出了根据各种示例的用于基于用户输入来在第一电子设备处提供数字助理服务的过程。
图17A至图17D示出了根据各种示例的用于基于对事件的通知来提供数字助理服务的过程。
图18A至图18E示出了根据各种示例的用于基于多个电子设备的能力来提供数字助理服务的功能。
图19A至图19D示出了根据各种示例的用于基于多个电子设备的能力来提供数字助理服务的过程。
具体实施方式
在以下对示例的描述中将引用附图，在附图中以例示的方式示出了可被实施的特定示例。应当理解，在不脱离各个示例的范围的情况下，可使用其他示例并且可作出结构性变更。
本公开提供了用于由一个或多个服务延伸设备进行的数字助理服务的远场延伸的技术。如所描述的，使用服务延伸设备可改进用户交互界面。在一些示例中，第一电子设备可以是服务延伸设备。第一电子设备可接收表示用户请求的语音输入。第一电子设备可基于例如第二电子设备和/或第三电子设备对用户的认证来获得用户的身份。在一些示例中，第二电子设备可以是远离第一电子设备设置的设备(例如，远程服务器)；并且第三电子设备可以是设置在第一电子设备附近的设备(例如，用户的智能电话)。在获得身份之后，第一电子设备可向第二电子设备和第三电子设备中的至少一者提供对用户请求的表示。第二电子设备和第三电子设备中的一者或两者可确定是否向第一电子设备提供响应。第一电子设备(例如，服务延伸设备)可接收该响应并向用户提供对该响应的表示。这样，第一电子设备有效地延伸了由第二电子设备和第三电子设备中的一者或两者提供的数字助理服务。
本公开还提供了用于使用一个或多个服务延伸设备来提供通知的技术。如上所述，使用一个或多个服务延伸设备，可在延伸距离内即时地向用户提供通知。在一些示例中，第一电子设备可从另一设备(例如，用户的智能电话)接收通知并输出对通知的指示(例如，蜂鸣声)。第一电子设备可接收询问该指示并指示第一电子设备执行通知的操作(例如，输出通知)的一个或多个语音输入。第一电子设备可确定是否应提供通知；并根据确定来提供通知。
本公开还提供了用于使用多个设备来提供数字助理服务的技术。如上所述，用于使用多个设备来提供数字助理服务的技术可减轻设备能力限制。在一些示例中，第一电子设备接收表示用户请求的语音输入，并获得与能够通信地耦接到第一电子设备的一个或多个电子设备相关联的能力数据。能力数据可包括设备能力和信息能力。根据能力数据，第一电子设备可识别用于提供对用户请求的响应的至少一部分的第二电子设备；并且使得第二电子设备提供响应的至少一部分。
尽管以下描述使用术语“第一”、“第二”等来描述各种元件，但这些元件不应受术语的限制。这些术语只是用于将一个元件与另一元件区分开。例如，在不脱离各种所述示例的范围的情况下，第一输入可被称为第二输入，并且类似地，第二输入可被称为第一输入。第一输入和第二输入均为输入，并且在一些情况下为独立且不同的输入。
在本文中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。如在对各种所述示例的描述和所附权利要求书中所使用的那样，单数形式“一个(“a”，“an”)”和“该”旨在也包括复数形式，除非上下文另外明确地指示。还将理解的是，本文中所使用的术语“和/或”是指并且涵盖相关联的所列出的项目中的一个或多个项目的任何和全部可能的组合。还将理解的是，术语“包括”(“includes”、“including”、“comprises”和/或“comprising”)在本说明书中使用时是指定存在所陈述的特征、整数、步骤、操作、元件和/或部件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、部件和/或其分组。
根据上下文，术语“如果”可被解释为意指“当...时”(“when”或“upon”)或“响应于确定”或“响应于检测到”。类似地，根据上下文，短语“如果确定...”或“如果检测到[所陈述的条件或事件]”可被解释为意指“在确定...时”或“响应于确定...”或“在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。
1.系统和环境
图1示出了根据各种示例的系统100的框图。在一些示例中，系统100实现数字助理。术语“数字助理”、“虚拟助理”、“智能自动化助理”或“自动数字助理”是指解译口头形式和/或文本形式的自然语言输入来推断用户意图，并且基于推断出的用户意图来执行动作的任何信息处理系统。例如，为了作用于推断出的用户意图，系统执行下述步骤中的一个或多个：识别具有设计用于实现推断出的用户意图的步骤和参数的任务流，根据推断出的用户意图将特定要求输入到任务流中；通过调用程序、方法、服务、API等执行任务流；以及以可听(例如，语音)和/或可视形式来生成对用户的输出响应。
具体地讲，数字助理能够接受至少部分地为自然语言命令、请求、声明、讲述和/或询问的形式的用户请求。通常，用户请求要么寻求数字助理作出信息性回答，要么寻求数字助理执行任务。对用户请求的令人满意的响应包括提供所请求的信息性回答、执行所请求的任务或这两者的组合。例如，用户向数字助理提出问题，诸如“我现在在哪里？”。基于用户的当前位置，数字助理回答“你在中央公园西门附近。”用户还请求执行任务，例如“请邀请我的朋友们下周来参加我女朋友的生日聚会。”作为响应，数字助理可通过讲出“好的，马上”来确认请求，然后代表用户将合适的日历邀请发送到用户电子通讯录中列出的用户朋友中的每位朋友。在执行所请求的任务期间，数字助理有时在很长时间段内在涉及多次信息交换的持续对话中与用户进行交互。存在与数字助理进行交互以请求信息或执行各种任务的许多其他方法。除提供言语响应并采取经编程的动作之外，数字助理还提供其他视频或音频形式的响应，例如作为文本、警报、音乐、视频、动画等。
如图1所示，在一些示例中，数字助理根据客户端-服务器模型来实现。数字助理包括在用户设备104上执行的客户端侧部分102(后文称作“DA客户端102”)以及在服务器系统108上执行的服务器侧部分106(后文称作“DA服务器106”)。DA客户端102通过一个或多个网络110与DA服务器106通信。DA客户端102提供客户端侧功能，诸如面向用户的输入和输出处理，以及与DA服务器106通信。DA服务器106为各自位于相应用户设备104上的任意数量的DA客户端102提供服务器侧功能。
在一些示例中，DA服务器106包括面向客户端的I/O接口112、一个或多个处理模块114、数据与模型116，以及到外部服务的I/O接口118。面向客户端的I/O接口112有利于DA服务器106的面向客户端的输入和输出处理。一个或多个处理模块114利用数据与模型116来处理语音输入，并基于自然语言输入来确定用户意图。此外，一个或多个处理模块114基于推断出的用户意图来执行任务执行。在一些示例中，DA服务器106通过一个或多个网络110与外部服务120通信以完成任务或采集信息。到外部服务的I/O接口118促成此类通信。
用户设备104可以是任何合适的电子设备。在一些示例中，用户设备是便携式多功能设备(例如，下面参考图2A描述的设备200)、多功能设备(例如，下面参考图4描述的设备400)或个人电子设备(例如，下面参考图6A至图6B描述的设备600)。便携式多功能设备是例如还包含诸如PDA和/或音乐播放器功能的其他功能的移动电话。便携式多功能设备的特定示例包括来自Apple Inc.(Cupertino,California)的
iPod 
和
设备。便携式多功能设备的其他示例包括但不限于膝上型电脑或平板电脑。此外，在一些示例中，用户设备104是非便携式多功能设备。具体地讲，用户设备104是台式计算机、游戏机、电视或电视机顶盒。在一些示例中，用户设备104包括触敏表面(例如，触摸屏显示器和/或触控板)。此外，用户设备104任选地包括一个或多个其他物理用户接口设备，诸如物理键盘、鼠标和/或操纵杆。下文更详细地描述了电子设备诸如多功能设备的各种示例。
一个或多个通信网络110的示例包括局域网(LAN)和广域网(WAN)，例如互联网。一个或多个通信网络110使用任何已知的网络协议来实现，包括各种有线或无线协议，诸如以太网、通用串行总线(USB)、火线(FIREWIRE)、全球移动通信系统(GSM)、增强型数据GSM环境(EDGE)、码分多址(CDMA)、时分多址(TDMA)、蓝牙、Wi-Fi、互联网协议语音(VoIP)、Wi-MAX或任何其他合适的通信协议。
服务器系统108在一个或多个独立式数据处理设备或分布式计算机网络上实现。在一些示例中，服务器系统108还采用第三方服务提供方(例如，第三方云服务提供方)的各种虚拟设备和/或服务来提供服务器系统108的潜在计算资源和/或基础结构资源。
在一些示例中，用户设备104经由第二用户设备122与DA服务器106通信。第二用户设备122与用户设备104相似或相同。例如，第二用户设备122类似于下文参考图2A、图4和图6A至图6B描述的设备200、设备400或设备600。用户设备104被配置为经由直接通信连接诸如蓝牙、NFC、BTLE等或者经由有线或无线网络诸如局域Wi-Fi网络而通信耦接到第二用户设备122。在一些示例中，第二用户设备122被配置为充当用户设备104与DA服务器106之间的代理。例如，用户设备104的DA客户端102被配置为经由第二用户设备122向DA服务器106传输信息(例如，在用户设备104处接收的用户请求)。DA服务器106处理该信息，并经由第二用户设备122将相关数据(例如，响应于用户请求的数据内容)返回到用户设备104。
在一些示例中，用户设备104被配置为将针对数据的缩略请求发送到第二用户设备122，以减少从用户设备104传输的信息量。第二用户设备122被配置为确定添加到缩略请求的补充信息，以生成完整的请求来传输到DA服务器106。该系统架构可有利地通过使用具有较强通信能力和/或电池电力的第二用户设备122(例如，移动电话、膝上型计算机、平板电脑等)作为到DA服务器106的代理，允许具有有限通信能力和/或有限电池电力的用户设备104(例如，手表或类似的紧凑型电子设备)访问DA服务器106提供的服务。虽然图1中仅示出两个用户设备104和122，但应当理解，在一些示例中，系统100可包括在此代理配置中被配置为与DA服务器系统106通信的任意数量和类型的用户设备。
虽然图1中所示的数字助理包括客户端侧部分(例如，DA客户端102)和服务器侧部分(例如，DA服务器106)两者，但在一些示例中，数字助理的功能被实现为被安装在用户设备上的独立式应用程序。此外，数字助理的客户端部分与服务器部分之间的功能划分在不同的具体实施中可变化。例如，在一些示例中，DA客户端为仅提供面向用户的输入和输出处理功能，并将数字助理的所有其他功能委派给后端服务器的瘦客户端。
2.电子设备
现在将注意力转至用于实现数字助理的客户端侧部分的电子设备的实施方案。图2A是示出根据一些实施方案的具有触敏显示器系统212的便携式多功能设备200的框图。触敏显示器212有时为了方便被叫做“触摸屏”，并且有时可被称为或被叫做“触敏显示器系统”。设备200包括存储器202(其任选地包括一个或多个计算机可读存储介质)、存储器控制器222、一个或多个处理单元(CPU)220、外围设备接口218、RF电路208、音频电路210、扬声器211、麦克风213、输入/输出(I/O)子系统206、其他输入控制设备216和外部端口224。设备200任选地包括一个或多个光学传感器264。设备200任选地包括用于检测设备200(例如，触敏表面，诸如设备200的触敏显示器系统212)上的接触的强度的一个或多个接触强度传感器265。设备200任选地包括用于在设备200上生成触觉输出的一个或多个触觉输出发生器267(例如，在触敏表面诸如设备200的触敏显示器系统212或设备400的触摸板455上生成触觉输出)。这些部件任选地通过一个或多个通信总线或信号线203进行通信。
如在本说明书和权利要求书中所使用的，术语触敏表面上的接触的“强度”是指触敏表面上的接触(例如，手指接触)的力或压力(每单位面积的力)，或是指触敏表面上的接触的力或压力的替代物(代用物)。接触的强度具有值范围，该值范围包括至少四个不同的值并且更典型地包括上百个不同的值(例如，至少256个)。接触的强度任选地使用各种方法和各种传感器或传感器的组合来确定(或测量)。例如，在触敏表面下方或相邻于触敏表面的一个或多个力传感器任选地用于测量触敏表面上的不同点处的力。在一些具体实施中，来自多个力传感器的力测量值被组合(例如，加权平均)以确定所估计的接触力。类似地，触笔的压敏顶端任选地用于确定触笔在触敏表面上的压力。另选地，在触敏表面上检测到的接触区域的大小和/或其变化、接触附近的触敏表面的电容和/或其变化以及/或者接触附近的触敏表面的电阻和/或其变化任选地被用作触敏表面上的接触的力或压力的替代物。在一些具体实施中，接触力或压力的替代物测量直接用于确定是否已经超过强度阈值(例如，强度阈值以对应于替代物测量的单位来描述)。在一些具体实施中，接触力或压力的替代物测量被转换成估计的力或压力，并且估计的力或压力用于确定是否已超过强度阈值(例如，强度阈值是以压力的单位进行测量的压力阈值)。使用接触的强度作为用户输入的属性，从而允许用户访问用户在实地面积有限的尺寸更小的设备上本来不可访问的附加设备功能，该尺寸更小的设备用于(例如，在触敏显示器上)显示示能表示和/或接收用户输入(例如，经由触敏显示器、触敏表面或物理控件/机械控件，诸如旋钮或按钮)。
如本说明书和权利要求书中所使用的，术语“触觉输出”是指将由用户利用用户的触感检测到的设备相对于设备的先前位置的物理位移、设备的部件(例如，触敏表面)相对于设备的另一个部件(例如，外壳)的物理位移、或部件相对于设备的质心的位移。例如，在设备或设备的部件与用户对触摸敏感的表面(例如，手指、手掌或用户手部的其他部分)接触的情况下，通过物理位移生成的触觉输出将由用户解释为触感，该触感对应于设备或设备的部件的物理特征的所感知的变化。例如，触敏表面(例如，触敏显示器或触控板)的移动任选地由用户解释为对物理致动按钮的“按下点击”或“松开点击”。在一些情况下，用户将感觉到触感，诸如“按下点击”或“松开点击”，即使在通过用户的移动而物理地被按压(例如，被移位)的与触敏表面相关联的物理致动按钮没有移动时。又如，即使在触敏表面的光滑度无变化时，触敏表面的移动也会任选地由用户解释或感测为触敏表面的“粗糙度”。虽然用户对触摸的此类解释将受到用户的个体化感官知觉的限制，但是对触摸的许多感官知觉是大多数用户共有的。因此，当触觉输出被描述为对应于用户的特定感官知觉(例如，“按下点击”、“松开点击”、“粗糙度”)时，除非另外陈述，否则所生成的触觉输出对应于设备或其部件的物理位移，该物理位移将会生成典型(或普通)用户的所述感官知觉。
应当理解，设备200仅仅是便携式多功能设备的一个示例，并且设备200任选地具有比所示出的部件更多或更少的部件，任选地组合两个或更多个部件，或者任选地具有这些部件的不同配置或布置。图2A中所示的各种部件以硬件、软件、或硬件与软件两者的组合来实现，包括一个或多个信号处理电路和/或专用集成电路。
存储器202包括一个或多个计算机可读存储介质。这些计算机可读存储介质例如为有形的和非暂态的。存储器202包括高速随机存取存储器，并且还包括非易失性存储器，诸如一个或多个磁盘存储设备、闪存存储器设备或其他非易失性固态存储器设备。存储器控制器222控制设备200的其他部件访问存储器202。
在一些示例中，存储器202的非暂态计算机可读存储介质用于存储指令(例如，用于执行下文描述的过程的各方面)以供指令执行系统、装置或设备诸如基于计算机的系统、包含处理器的系统或可从指令执行系统、装置或设备取出指令并执行指令的其他系统使用或与其结合使用。在其他示例中，指令(例如，用于执行下文描述的过程的各方面)存储在服务器系统108的非暂态计算机可读存储介质(未示出)上，或在存储器202的非暂态计算机可读存储介质与服务器系统108的非暂态计算机可读存储介质之间划分。
外围设备接口218用于将设备的输入和输出外围设备耦接到CPU 220和存储器202。所述一个或多个处理器220运行或执行存储器202中所存储的各种软件程序和/或指令集以执行设备200的各种功能并处理数据。在一些实施方案中，外围设备接口218、CPU 220和存储器控制器222在单个芯片诸如芯片204上实现。在一些其他实施方案中，它们在独立的芯片上实现。
RF(射频)电路208接收和发送也被称作电磁信号的RF信号。RF电路208将电信号转换为电磁信号/将电磁信号转换为电信号，并且经由电磁信号与通信网络和其他通信设备进行通信。RF电路208任选地包括用于执行这些功能的熟知的电路，包括但不限于天线系统、RF收发器、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、编解码芯片组、用户身份模块(SIM)卡、存储器等等。RF电路208任选地通过无线通信来与网络和其他设备进行通信，这些网络为诸如互联网(也被称为万维网(WWW))、内联网和/或无线网络(诸如，蜂窝电话网络、无线局域网(LAN)和/或城域网(MAN))。RF电路208任选地包括用于检测近场通信(NFC)场的熟知的电路，诸如通过近程通信无线电部件来进行检测。无线通信任选地使用多种通信标准、协议和技术中的任一种，包括但不限于全球移动通信系统(GSM)、增强型数据GSM环境(EDGE)、高速下行链路分组接入(HSDPA)、高速上行链路分组接入(HSUPA)、演进、纯数据(EV-DO)、HSPA、HSPA+、双小区HSPA(DC-HSPDA)、长期演进(LTE)、近场通信(NFC)、宽带码分多址(W-CDMA)、码分多址(CDMA)、时分多址(TDMA)、蓝牙、蓝牙低功耗(BTLE)、无线保真(Wi-Fi)(例如，IEEE 802.11a、IEEE 802.11b、IEEE 802.11g、IEEE802.11n和/或IEEE 802.11ac)、互联网协议语音(VoIP)、Wi-MAX、电子邮件协议(例如，互联网消息访问协议(IMAP)和/或邮局协议(POP))、即时消息(例如，可扩展消息处理和存在协议(XMPP)、用于即时消息和存在利用扩展的会话发起协议(SIMPLE)、即时消息和存在服务(IMPS))和/或短消息服务(SMS)，或者任何其他适当的通信协议，包括在本文档提交日期时尚未开发出的通信协议。
音频电路210、扬声器211和麦克风213提供用户与设备200之间的音频接口。音频电路210从外围设备接口218接收音频数据，将音频数据转换为电信号，并将电信号传输到扬声器211。扬声器211将电信号转换为人类可听到的声波。音频电路210还接收由麦克风213从声波转换的电信号。音频电路210将电信号转换为音频数据，并且将音频数据传输到外围设备接口218以用于处理。音频数据通过外围设备接口218检索自和/或传输至存储器202和/或RF电路208。在一些实施方案中，音频电路210还包括耳麦插孔(例如，图3中的312)。耳麦插孔提供音频电路210和可移除的音频输入/输出外围设备之间的接口，该可移除的音频输入/输出外围设备诸如仅输出的耳机或者具有输出(例如，单耳耳机或双耳耳机)和输入(例如，麦克风)两者的耳麦。
I/O子系统206将设备200上的输入/输出外围设备诸如触摸屏212和其他输入控制设备216耦接到外围设备接口218。I/O子系统206任选地包括显示控制器256、光学传感器控制器258、强度传感器控制器259、触觉反馈控制器261，以及用于其他输入或控制设备的一个或多个输入控制器260。该一个或多个输入控制器260从其他输入控制设备216接收电信号/将电信号发送到其他输入控制设备116。其他输入控制设备216任选地包括物理按钮(例如，下压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击式转盘等等。在一些另选实施方案中，输入控制器260任选地耦接至以下各项中的任一者(或不耦接至以下各项中的任一者)：键盘、红外线端口、USB端口以及指针设备诸如鼠标。一个或多个按钮(例如，图3中的308)任选地包括用于扬声器211和/或麦克风213的音量控制的增大/减小按钮。一个或多个按钮任选地包括下压按钮(例如，图3中的306)。
快速按下下压按钮会脱离触摸屏212的锁定或者开始使用触摸屏上的手势来对设备进行解锁的过程，如在2005年12月23日提交的名称为“Unlocking a Device byPerforming Gestures on an Unlock Image”(通过在解锁图像上执行手势解锁设备)的美国专利No.7,657,849的美国专利申请11/322,549中所述的，该美国专利申请据此全文以引用方式并入本文。较长地按下下压按钮(例如，306)使设备200开机或关机。用户能够自定义一个或多个按钮的功能。触摸屏212用于实现虚拟按钮或软按钮以及一个或多个软键盘。
触敏显示器212提供设备和用户之间的输入接口和输出接口。显示控制器256从触摸屏212接收电信号和/或将电信号发送至触摸屏112。触摸屏212向用户显示视觉输出。视觉输出包括图形、文本、图标、视频及其任何组合(统称为“图形”)。在一些实施方案中，一些视觉输出或全部视觉输出对应于用户界面对象。
触摸屏212具有基于触觉和/或触觉接触来接受来自用户的输入的触敏表面、传感器或传感器组。触摸屏212和显示控制器256(与存储器202中的任何相关联的模块和/或指令集一起)检测触摸屏212上的接触(和该接触的任何移动或中断)，并且将所检测到的接触转换为与被显示在触摸屏212上的用户界面对象(例如，一个或多个软键、图标、网页或图像)的交互。在一个示例性实施方案中，触摸屏212与用户之间的接触点对应于用户的手指。
触摸屏212使用LCD(液晶显示器)技术、LPD(发光聚合物显示器)技术或LED(发光二极管)技术，但在其他实施方案中可使用其他显示技术。触摸屏212和显示控制器256使用目前已知或以后将开发的多种触摸感测技术中的任何技术，以及其他接近传感器阵列或用于确定与触摸屏212接触的一个或多个点的其他元件来检测接触及其任何移动或中断，所述多种触摸感测技术包括但不限于电容式、电阻式、红外和表面声波技术。在一个示例性实施方案中，使用投射式互电容感测技术，诸如在来自Apple Inc.(Cupertino,California)的
和iPod 
中使用的技术。
在一些实施方案中，触摸屏212的触敏显示器类似于以下美国专利：6,323,846(Westerman等人)、6,570,557(Westerman等人)和/或6,677,932(Westerman)和/或美国专利公开2002/0015024A1中所述的多触敏触控板，这些专利申请均据此全文以引用方式并入本文。然而，触摸屏212显示来自设备200的视觉输出，而触敏触摸板不提供视觉输出。
在一些实施方案中，触摸屏212的触敏显示器如以下专利申请所述：(1)2006年5月2日提交的名称为“Multipoint Touch Surface Controller”(多点触摸表面控制器)的美国专利申请No.11/381,313；(2)2004年5月6日提交的名称为“Multipoint Touchscreen”(多点触摸屏)的美国专利申请No.10/840,862；(3)2004年7月30日提交的名称为“GesturesFor Touch Sensitive Input Devices”(用于触敏输入设备的手势)的美国专利申请No.10/903,964；(4)2005年1月31日提交的名称为“Gestures For Touch Sensitive InputDevices”(用于触敏输入设备的手势)的美国专利申请No.11/048,264；(5)2005年1月18日提交的名称为“Mode-Based Graphical User Interfaces For Touch Sensitive InputDevices”(用于触敏输入设备的基于模式的图形用户界面)的美国专利申请No.11/038,590；(6)2005年9月16日提交的名称为“Virtual Input Device Placement On A TouchScreen User Interface”(放置在触摸屏用户界面上的虚拟输入设备)的美国专利申请No.11/228,758；(7)2005年9月16日提交的名称为“Operation Of A Computer With ATouch Screen Interface”(具有触摸屏界面的计算机的操作)的美国专利申请No.11/228,700；(8)2005年9月16日提交的名称为“Activating Virtual Keys Of A Touch-ScreenVirtual Keyboard”(激活触摸屏虚拟键盘的虚拟键)的美国专利申请No.11/228,737；以及(9)2006年3月3日提交的名称为“Multi-Functional Hand-Held Device”(多功能手持设备)的美国专利申请No.11/367,749。所有这些申请全文以引用方式并入本文。
触摸屏212例如具有超过100dpi的视频分辨率。在一些实施方案中，触摸屏具有约160dpi的视频分辨率。用户使用任何合适的对象或附加物诸如触笔、手指等与触摸屏212进行接触。在一些实施方案中，将用户界面设计为主要通过基于手指的接触和手势来工作，由于手指在触摸屏上的接触区域较大，因此这可能不如基于触笔的输入精确。在一些实施方案中，设备将基于手指的粗略输入转化为精确的指针/光标位置或命令以用于执行用户所期望的动作。
在一些实施方案中，除了触摸屏之外，设备200还包括用于激活或去激活特定功能的触控板(未示出)。在一些实施方案中，触控板是设备的触敏区域，与触摸屏不同，该触敏区域不显示视觉输出。触控板是与触摸屏212分开的触敏表面，或者是由触摸屏形成的触敏表面的延伸。
设备200还包括用于为各种部件供电的电力系统262。电力系统262包括电力管理系统、一个或多个电源(例如，电池、交流电(AC))、再充电系统、电力故障检测电路、功率转换器或逆变器、电力状态指示器(例如，发光二极管(LED))和与便携式设备中电力的生成、管理和分配相关联的任何其他部件。
设备200还包括一个或多个光学传感器264。图2A示出了耦接到I/O子系统206中的光学传感器控制器258的光学传感器。光学传感器264包括电荷耦合器件(CCD)或互补金属氧化物半导体(CMOS)光电晶体管。光学传感器264从环境接收通过一个或多个透镜而投射的光，并且将光转换为表示图像的数据。结合成像模块243(也叫做相机模块)，光学传感器264捕获静态图像或视频。在一些实施方案中，光学传感器位于设备200的后部，与设备前部的触摸屏显示器212相背对，使得触摸屏显示器被用作用于静态图像和/或视频图像采集的取景器。在一些实施方案中，光学传感器位于设备的前部，使得在用户在触摸屏显示器上查看其他视频会议参与者的同时获取该用户的图像以用于视频会议。在一些实施方案中，光学传感器264的位置可由用户改变(例如，通过旋转设备外壳中的透镜和传感器)，使得单个光学传感器264与触摸屏显示器一起使用以用于视频会议和静态图像和/或视频图像采集两者。
设备200任选地还包括一个或多个接触强度传感器265。图2A示出了耦接到I/O子系统206中的强度传感器控制器259的接触强度传感器。接触强度传感器265任选地包括一个或多个压阻应变计、电容式力传感器、电力传感器、压电力传感器、光学力传感器、电容式触敏表面或其他强度传感器(例如，用于测量触敏表面上的接触的力(或压力)的传感器)。接触强度传感器265从环境接收接触强度信息(例如，压力信息或压力信息的代用物)。在一些实施方案中，至少一个接触强度传感器与触敏表面(例如，触敏显示器系统212)并置排列或邻近。在一些实施方案中，至少一个接触强度传感器位于设备200的与位于设备200的前部上的触摸屏显示器212相背对的后部上。
设备200还包括一个或多个接近传感器266。图2A示出了耦接到外围设备接口218的接近传感器266。另选地，接近传感器266耦接到I/O子系统206中的输入控制器260。接近传感器266如以下美国专利申请中所述的那样执行：No.11/241,839，名称为“ProximityDetector In Handheld Device”(手持设备中的接近检测器)；No.11/240,788，名称为“Proximity Detector In Handheld Device”(手持设备中的接近检测器)；No.11/620,702，名称为“Using Ambient Light Sensor To Augment Proximity Sensor Output”(使用环境光线传感器增强接近传感器输出)；No.11/586,862，名称为“Automated ResponseTo And Sensing Of User Activity In Portable Devices”(自动响应和感测便携式设备中的用户活动)；以及No.11/638,251，名称为“Methods And Systems For AutomaticConfiguration Of Peripherals”(用于外围设备的自动配置的方法和系统)，这些美国专利申请据此全文以引用方式并入本文。在一些实施方案中，当多功能设备被放置在用户的耳朵附近时(例如，当用户正在打电话时)，接近传感器关闭并且禁用触摸屏212。
设备200任选地还包括一个或多个触觉输出发生器267。图2A示出了耦接到I/O子系统206中的触觉反馈控制器261的触觉输出发生器。触觉输出发生器267任选地包括一个或多个电声设备，诸如扬声器或其他音频部件；和/或将能量转换成线性运动的机电设备，诸如马达、螺线管、电活性聚合器、压电致动器、静电致动器或其他触觉输出生成部件(例如，将电信号转换成设备上的触觉输出的部件)。接触强度传感器265从触觉反馈模块233接收触觉反馈生成指令，并且在设备200上生成能够由设备200的用户感觉到的触觉输出。在一些实施方案中，至少一个触觉输出发生器与触敏表面(例如，触敏显示器系统212)并置排列或邻近，并且任选地通过竖直地(例如，向设备200的表面内/外)或侧向地(例如，在与设备200的表面相同的平面中向后和向前)移动触敏表面来生成触觉输出。在一些实施方案中，至少一个触觉输出发生器传感器位于设备200的与位于设备200的前部上的触摸屏显示器212相背对的后部上。
设备200还包括一个或多个加速度计268。图2A示出了耦接至外围设备接口218的加速度计268。另选地，加速度计268耦接至I/O子系统206中的输入控制器260。加速度计268如以下美国专利公开中所述那样执行：美国专利公开20050190059，“Acceleration-basedTheft Detection System for Portable Electronic Devices”和美国专利公开20060017692，“Methods And Apparatuses For Operating A Portable Device Based OnAn Accelerometer”，这两个美国专利公开全文以引用方式并入本文。在一些实施方案中，基于对从一个或多个加速度计接收的数据的分析来在触摸屏显示器上以纵向视图或横向视图显示信息。设备200任选地除了加速度计268之外还包括磁力仪(未示出)和GPS(或GLONASS或其他全球导航系统)接收器(未示出)，以用于获取关于设备200的位置和取向(例如，纵向或横向)的信息。
在一些实施方案中，存储于存储器202中的软件部件包括操作系统226、通信模块(或指令集)228、接触/运动模块(或指令集)230、图形模块(或指令集)232、文本输入模块(或指令集)234、全球定位系统(GPS)模块(或指令集)235、数字助理客户端模块229以及应用程序(或指令集)236。此外，存储器202存储数据与模型，诸如用户数据与模型231。此外，在一些实施方案中，存储器202(图2A)或470(图4)存储设备/全局内部状态257，如图2A、和图4中所示的。设备/全局内部状态257包括以下中的一者或多者：活动应用状态，其指示哪些应用(如果有的话)当前是活动的；显示状态，其指示什么应用、视图或其他信息占据触摸屏显示器212的各个区域；传感器状态，包括从设备的各个传感器和输入控制设备216获得的信息；以及关于设备的位置和/或姿态的位置信息。
操作系统226(例如，Darwin、RTXC、LINUX、UNIX、OS X、iOS、WINDOWS、或嵌入式操作系统诸如VxWorks)包括用于控制和管理一般系统任务(例如，存储器管理、存储设备控制、功率管理等)的各种软件部件和/或驱动程序，并且促进各种硬件部件和软件部件之间的通信。
通信模块228促进通过一个或多个外部端口224来与其他设备进行通信，并且还包括用于处理由RF电路208和/或外部端口224所接收的数据的各种软件部件。外部端口224(例如，通用串行总线(USB)、火线等)适于直接耦接到其他设备或间接地经由网络(例如，互联网、无线LAN等)耦接。在一些实施方案中，外部端口是与
(Apple Inc.的商标)设备上所使用的30针连接器相同的或类似的和/或与其兼容的多针(例如，30针)连接器。
接触/运动模块230任选地检测与触摸屏212(结合显示控制器256)和其他触敏设备(例如，触摸板或物理点击式转盘)的接触。接触/运动模块230包括各种软件部件以用于执行与接触检测相关的各种操作，诸如确定是否已发生接触(例如，检测手指按下事件)、确定接触的强度(例如，接触的力或压力，或者接触的力或压力的替代物)、确定是否存在接触的移动并跟踪在触敏表面上的移动(例如，检测一个或多个手指拖动事件)，以及确定接触是否已停止(例如，检测手指抬起事件或者接触断开)。接触/运动模块230从触敏表面接收接触数据。确定接触点的移动任选地包括确定接触点的速率(量值)、速度(量值和方向)和/或加速度(量值和/或方向的改变)，所述接触点的移动由一系列接触数据表示。这些操作任选地被应用于单点接触(例如，单指接触)或者多点同时接触(例如，“多点触摸”/多个手指接触)。在一些实施方案中，接触/运动模块230和显示控制器256检测触控板上的接触。
在一些实施方案中，接触/运动模块230使用一组一个或多个强度阈值来确定用户是否已经执行操作(例如，确定用户是否已经“点击”图标)。在一些实施方案中，根据软件参数来确定强度阈值的至少一个子集(例如，强度阈值不是由特定物理致动器的激活阈值来确定的，并且可在不改变设备200的物理硬件的情况下被调节)。例如，在不改变触控板或触摸屏显示器硬件的情况下，触控板或触摸屏的鼠标“点击”阈值可被设定成预定义的阈值的大范围中的任一个阈值。另外，在一些具体实施中，向设备的用户提供用于调节一组强度阈值中的一个或多个强度阈值(例如，通过调节各个强度阈值和/或通过利用对“强度”参数的系统级点击来一次调节多个强度阈值)的软件设置。
接触/运动模块230任选地检测由用户进行的手势输入。触敏表面上的不同手势具有不同的接触模式(例如，所检测到的接触的不同运动、计时和/或强度)。因此，任选地通过检测特定接触模式来检测手势。例如，检测手指轻击手势包括检测手指按下事件，然后在与手指按下事件相同的位置(或基本上相同的位置)处(例如，在图标的位置处)检测手指抬起(抬离)事件。作为另一个示例，在触敏表面上检测手指轻扫手势包括检测手指按下事件，然后检测一个或多个手指拖动事件，并且随后检测手指抬起(抬离)事件。
图形模块232包括用于在触摸屏212或其他显示器上呈现和显示图形的各种已知的软件部件，包括用于改变所显示的图形的视觉冲击(例如，亮度、透明度、饱和度、对比度或其他视觉特征)的部件。如本文所用，术语“图形”包括可被显示给用户的任何对象，非限制性地包括文本、网页、图标(诸如，包括软键的用户界面对象)、数字图像、视频、动画等。
在一些实施方案中，图形模块232存储表示待使用的图形的数据。每个图形任选地被分配有对应的代码。图形模块232从应用程序等接收指定待显示的图形的一个或多个代码，在必要的情况下还接收坐标数据和其他图形属性数据，然后生成屏幕图像数据以输出到显示控制器256。
触觉反馈模块233包括用于生成指令的各种软件部件，该指令由触觉输出发生器267使用，以便响应于用户与设备200的交互而在设备200上的一个或多个位置处产生触觉输出。
在一些示例中作为图形模块232的部件的文本输入模块234提供用于在各种应用程序(例如，联系人237、电子邮件240、IM 241、浏览器247和需要文本输入的任何其他应用程序)中输入文本的软键盘。
GPS模块235确定设备的位置，并提供该信息以供在各种应用中使用(例如提供给电话238以供在基于位置的拨号中使用；提供给相机243作为图片/视频元数据；以及提供给提供基于位置的服务的应用，诸如天气桌面小程序、本地黄页桌面小程序和地图/导航桌面小程序)。
数字助理客户端模块229包括各种客户端侧数字助理指令，以提供数字助理的客户端侧功能。例如，数字助理客户端模块229能够通过便携式多功能设备200的各种用户接口(例如，麦克风213、加速度计268、触敏显示器系统212、光学传感器229、其他输入控制设备216等)接受声音输入(例如，语音输入)、文本输入、触摸输入和/或手势输入。数字助理客户端模块229还能够通过便携式多功能设备200的各种输出接口(例如，扬声器211、触敏显示器系统212、触觉输出生成器267等)提供音频形式的输出(例如，语音输出)、视觉形式的输出和/或触觉形式的输出。例如，将输出提供为语音、声音、警报、文本消息、菜单、图形、视频、动画、振动和/或以上两者或更多者的组合。在操作期间，数字助理客户端模块229使用RF电路208与DA服务器106通信。
用户数据与模型231包括与用户相关联的各种数据(例如，用户特定的词汇数据、用户偏好数据、用户指定的名称发音、来自用户电子通讯录的数据、待办事项、购物清单等)以提供数字助理的客户端侧功能。此外，用户数据与模型231包括用于处理用户输入并且确定用户意图的各种模型(例如，语音识别模型、统计语言模型、自然语言处理模型、知识本体、任务流模型、服务模型等)。
在一些示例中，数字助理客户端模块229利用便携式多功能设备200的各种传感器、子系统和外围设备来从便携式多功能设备200的周围环境采集附加信息，以建立与用户、当前用户交互和/或当前用户输入相关联的上下文。在一些示例中，数字助理客户端模块229将上下文信息或其子集与用户输入一起提供至DA服务器106以帮助推断用户意图。在一些示例中，数字助理还使用上下文信息来确定如何准备输出并将其传送给用户。上下文信息被称为上下文数据。
在一些示例中，伴随用户输入的上下文信息包括传感器信息，例如照明、环境噪声、环境温度、周围环境的图像或视频等。在一些示例中，上下文信息还可包括设备的物理状态，例如设备取向、设备位置、设备温度、功率电平、速度、加速度、运动模式、蜂窝信号强度等。在一些示例中，将与DA服务器106的软件状态相关的信息，例如便携式多功能设备200的运行过程、已安装程序、过去和当前的网络活动、后台服务、错误日志、资源使用等，作为与用户输入相关联的上下文信息提供至DA服务器106。
在一些示例中，数字助理客户端模块229响应于来自DA服务器106的请求而选择性地提供存储在便携式多功能设备200上的信息(例如，用户数据231)。在一些示例中，数字助理客户端模块229还在DA服务器106请求时引出来自用户经由自然语言对话或其他用户接口的附加输入。数字助理客户端模块229将该附加输入传送至DA服务器106，以帮助DA服务器106进行意图推断和/或满足在用户请求中表达的用户意图。
下面参考图7A-图7C对数字助理进行更详细的描述。应当认识到，数字助理客户端模块229可包括下文所述的数字助理模块726的任意数量的子模块。
应用程序236包括以下模块(或指令集)或者其子集或超集：
·联系人模块237(有时称作通讯录或联系人列表)；
·电话模块238；
·视频会议模块239；
·电子邮件客户端模块240；
·即时消息(IM)模块241；
·健身支持模块242；
·用于静态图像和/或视频图像的相机模块243；
·图像管理模块244；
·视频播放器模块；
·音乐播放器模块；
·浏览器模块247；
·日历模块248；
·桌面小程序模块249，在一些示例中，其包括以下各项中的一项或多项：天气桌面小程序249-1、股市桌面小程序249-2、计算器桌面小程序249-3、闹钟桌面小程序249-4、词典桌面小程序249-5和由用户获得的其他桌面小程序，以及用户创建的桌面小程序249-6；
·用于形成用户创建的桌面小程序249-6的桌面小程序创建器模块250；
·搜索模块251；
·视频和音乐播放器模块252，其合并了视频播放器模块和音乐播放器模块；
·记事本模块253；
·地图模块254；和/或
·在线视频模块255。
存储在存储器202中的其他应用程序236的示例包括其他文字处理应用程序、其他图像编辑应用程序、绘图应用程序、呈现应用程序、支持JAVA的应用程序、加密、数字版权管理、声音识别和声音复制。
结合触摸屏212、显示控制器256、接触/运动模块230、图形模块232、和文本输入模块234，联系人模块237用于管理通讯录或联系人列表(例如，存储在存储器202或存储器470中的联系人模块237的应用程序内部状态292中)，包括：将一个或多个姓名添加到通讯录；从地址簿删除姓名；将电话号码、电子邮件地址、物理地址或其他信息与姓名关联；将图像与姓名关联；对姓名进行归类和分类；提供电话号码或电子邮件地址来发起和/或促进通过电话238、视频会议模块239、电子邮件240或IM241的通信；等等。
结合RF电路208、音频电路210、扬声器211、麦克风213、触摸屏212、显示控制器256、接触/运动模块230、图形模块232和文本输入模块234，电话模块238用于输入对应于电话号码的字符序列、访问联系人模块237中的一个或多个电话号码、修改已经输入的电话号码、拨打相应的电话号码、进行会话以及当会话完成时断开或挂断。如上所述，无线通信使用多种通信标准、协议和技术中的任一种。
结合RF电路208、音频电路210、扬声器211、麦克风213、触摸屏212、显示控制器256、光学传感器264、光学传感器控制器258、接触/运动模块230、图形模块232、文本输入模块234、联系人模块237和电话模块238，视频会议模块239包括根据用户指令来发起、进行和终止用户与一个或多个其他参与方之间的视频会议的可执行指令。
结合RF电路208、触摸屏212、显示控制器256、接触/运动模块230、图形模块232和文本输入模块234，电子邮件客户端模块240包括响应于用户指令来创建、发送、接收和管理电子邮件的可执行指令。结合图像管理模块244，电子邮件客户端模块240使得非常容易创建和发送具有由相机模块243拍摄的静态图像或视频图像的电子邮件。
结合RF电路208、触摸屏212、显示控制器256、接触/运动模块230、图形模块232和文本输入模块234，即时消息模块241包括用于以下操作的可执行指令：输入与即时消息对应的字符序列、修改先前输入的字符、传输相应即时消息(例如，使用短消息服务(SMS)或多媒体消息服务(MMS)协议以用于基于电话的即时消息或者使用XMPP、SIMPLE、或IMPS以用于基于互联网的即时消息)、接收即时消息以及查看所接收的即时消息。在一些实施方案中，所传输和/或接收的即时消息包括图形、照片、音频文件、视频文件和/或如MMS和/或增强型消息服务(EMS)中支持的其他附件。如本文所用，“即时消息”是指基于电话的消息(例如，使用SMS或MMS发送的消息)和基于互联网的消息(例如，使用XMPP、SIMPLE或IMPS发送的消息)两者。
结合RF电路208、触摸屏212、显示控制器256、接触/运动模块230、图形模块232、文本输入模块234、GPS模块235、地图模块254和音乐播放器模块，健身支持模块242包括用于以下各项的可执行指令：创建健身(例如，具有时间、距离和/或卡路里燃烧目标)；与健身传感器(运动设备)进行通信；接收健身传感器数据；校准用于监视健身的传感器；为健身选择和播放音乐；以及显示、存储和传输健身数据。
结合触摸屏212、显示控制器256、一个或多个光学传感器264、光学传感器控制器258、接触/运动模块230、图形模块232和图像管理模块244，相机模块243包括用于以下操作的可执行指令：捕获静态图像或视频(包括视频流)并且将它们存储到存储器202中、修改静态图像或视频的特征，或从存储器202删除静态图像或视频。
结合触摸屏212、显示控制器256、接触/运动模块230、图形模块232、文本输入模块234、和相机模块243，图像管理模块244包括用于排列、修改(例如，编辑)、或以其他方式操控、加标签、删除、呈现(例如，在数字幻灯片或相册中)、以及存储静态图像和/或视频图像的可执行指令。
结合RF电路208、触摸屏212、显示控制器256、接触/运动模块230、图形模块232和文本输入模块234，浏览器模块247包括用于根据用户指令来浏览互联网(包括搜索、链接至、接收和显示网页或其部分，以及链接至网页的附件和其他文件)的可执行指令。
结合RF电路208、触摸屏212、显示控制器256、接触/运动模块230、图形模块232、文本输入模块234、电子邮件客户端模块240和浏览器模块247，日历模块248包括用于根据用户指令来创建、显示、修改和存储日历以及与日历相关联的数据(例如，日历条目、待办事项等)的可执行指令。
结合RF电路208、触摸屏212、显示控制器256、接触/运动模块230、图形模块232、文本输入模块234和浏览器模块247，桌面小程序模块249是可由用户下载并使用的微型应用程序(例如，天气桌面小程序249-1、股市桌面小程序249-2、计算器桌面小程序249-3、闹钟桌面小程序249-4和词典桌面小程序249-5)或由用户创建的微型应用程序(例如，用户创建的桌面小程序249-6)。在一些实施方案中，桌面小程序包括HTML(超文本标记语言)文件、CSS(层叠样式表)文件和JavaScript文件。在一些实施方案中，桌面小程序包括XML(可扩展标记语言)文件和JavaScript文件(例如，Yahoo！桌面小程序)。
结合RF电路208、触摸屏212、显示控制器256、接触/运动模块230、图形模块232、文本输入模块234和浏览器模块247，桌面小程序创建器模块250被用户用于创建桌面小程序(例如，使网页的用户指定部分变成桌面小程序)。
结合触摸屏212、显示控制器256、接触/运动模块230、图形模块232和文本输入模块234，搜索模块251包括用于根据用户指令来搜索存储器202中的匹配一个或多个搜索条件(例如，一个或多个用户指定的搜索词)的文本、音乐、声音、图像、视频和/或其他文件的可执行指令。
结合触摸屏212、显示控制器256、接触/运动模块230、图形模块232、音频电路系统210、扬声器211、RF电路系统208和浏览器模块247，视频和音乐播放器模块252包括允许用户下载和回放以一种或多种文件格式(诸如MP3或AAC文件)存储的所记录的音乐和其他声音文件的可执行指令，以及用于显示、呈现或以其他方式回放视频(例如，在触摸屏212上或在经由外部端口224连接的外部显示器上)的可执行指令。在一些实施方案中，设备200任选地包括MP3播放器诸如iPod(Apple Inc.的商标)的功能。
结合触摸屏212、显示控制器256、接触/运动模块230、图形模块232和文本输入模块234，记事本模块253包括用于根据用户指令来创建和管理记事本、待办事项等的可执行指令。
结合RF电路208、触摸屏212、显示控制器256、接触/运动模块230、图形模块232、文本输入模块234、GPS模块235和浏览器模块247，地图模块254用于根据用户指令接收、显示、修改和存储地图以及与地图相关联的数据(例如，驾驶方向、与特定位置处或附近的商店及其他兴趣点有关的数据，以及其他基于位置的数据)。
结合触摸屏212、显示控制器256、接触/运动模块230、图形模块232、音频电路210、扬声器211、RF电路208、文本输入模块234、电子邮件客户端模块240和浏览器模块247，在线视频模块255包括允许用户访问、浏览、接收(例如，通过流式传输和/或下载)、回放(例如，在触摸屏上或经由外部端口224在所连接的外部显示器上)、发送具有至特定在线视频的链接的电子邮件，以及以其他方式管理一种或多种文件格式(诸如，H.264)的在线视频的指令。在一些实施方案中，使用即时消息模块241而不是电子邮件客户端模块240来发送特定在线视频的链接。在线视频应用程序的其他描述可在于2007年6月20日提交的名称为“Portable Multifunction Device,Method,and Graphical User Interface forPlaying Online Videos”的美国临时专利申请60/936,562和于2007年12月31日提交的名称为“Portable Multifunction Device,Method,and Graphical User Interface forPlaying Online Videos”的美国专利申请11/968,067中找到，这两个专利申请的内容据此全文以引用方式并入本文。
上述每个模块和应用程序对应于用于执行上述一种或多种功能以及在本专利申请中所述的方法(例如，本文所述的计算机实现的方法和其他信息处理方法)的可执行指令集。这些模块(例如，指令集)不必被实现为独立的软件程序、过程或模块，并因此在各种实施方案中可组合或以其他方式重新布置这些模块的各种子集。例如，视频播放器模块可与音乐播放器模块组合成单个模块(例如，图2A中的视频和音乐播放器模块252)。在一些实施方案中，存储器202存储上述模块和数据结构的子集。此外，存储器202存储上文未描述的另外的模块和数据结构。
在一些实施方案中，设备200是该设备上的预定义的一组功能的操作唯一地通过触摸屏和/或触摸板来执行的设备。通过使用触摸屏和/或触控板作为用于设备200的操作的主要输入控制设备，减少设备200上的物理输入控制设备(诸如下压按钮、拨盘等)的数量。
唯一地通过触摸屏和/或触控板来执行的预定义的一组功能任选地包括在用户界面之间的导航。在一些实施方案中，当用户触摸触摸板时，将设备200从设备200上显示的任何用户界面导航到主菜单、home菜单或根菜单。在此类实施方案中，使用触摸板来实现“菜单按钮”。在一些其他实施方案中，菜单按钮是物理下压按钮或者其他物理输入控制设备，而不是触摸板。
图2B是示出根据一些实施方案的用于事件处理的示例性部件的框图。在一些实施方案中，存储器202(图2A)或存储器470(图4)包括事件分类器270(例如，在操作系统226中)以及相应的应用程序236-1(例如，前述应用程序237-251、255、480-490中的任一个应用程序)。
事件分类器270接收事件信息并确定要将事件信息递送到的应用程序236-1和应用程序236-1的应用程序视图291。事件分类器270包括事件监视器271和事件分配器模块274。在一些实施方案中，应用程序236-1包括应用程序内部状态292，该应用程序内部状态指示当应用程序是活动的或正在执行时被显示在触敏显示器212上的一个或多个当前应用程序视图。在一些实施方案中，设备/全局内部状态257被事件分类器270用来确定哪个(哪些)应用程序当前是活动的，并且应用程序内部状态292被事件分类器270用来确定要将事件信息递送到的应用程序视图291。
在一些实施方案中，应用程序内部状态292包括附加信息，诸如以下各项中的一者或多者：当应用程序236-1恢复执行时将被使用的恢复信息、指示正被应用程序236-1显示的信息或准备好用于被应用程序236-1显示的信息的用户界面状态信息、用于使得用户能够返回到应用程序236-1的前一状态或视图的状态队列，以及用户采取的先前动作的重复/撤销队列。
事件监视器271从外围设备接口218接收事件信息。事件信息包括关于子事件(例如，触敏显示器212上的用户触摸，作为多点触摸手势的一部分)的信息。外围设备接口218传输其从I/O子系统206或传感器诸如接近传感器266、加速度计268和/或麦克风213(通过音频电路210)接收的信息。外围设备接口218从I/O子系统206接收的信息包括来自触敏显示器212或触敏表面的信息。
在一些实施方案中，事件监视器271以预先确定的间隔将请求发送到外围设备接口218。作为响应，外围设备接口218传输事件信息。在其他实施方案中，外围设备接口218仅当存在显著事件(例如，接收到高于预先确定的噪声阈值的输入和/或接收到超过预先确定的持续时间的输入)时才传输事件信息。
在一些实施方案中，事件分类器270还包括命中视图确定模块272和/或活动事件识别器确定模块273。
当触敏显示器212显示多于一个视图时，命中视图确定模块272提供用于确定子事件已在一个或多个视图内的什么地方发生的软件过程。视图由用户能够在显示器上看到的控件和其他元素构成。
与应用程序相关联的用户界面的另一方面是一组视图，本文中有时也称为应用程序视图或用户界面窗口，在其中显示信息并且发生基于触摸的手势。在其中检测到触摸的(相应应用程序的)应用程序视图对应于应用程序的程序化分级结构或视图分级结构内的程序化水平。例如，在其中检测到触摸的最低水平视图被称为命中视图，并且被认为是正确输入的事件集至少部分地基于初始触摸的命中视图来确定，该初始触摸开始基于触摸的手势。
命中视图确定模块272接收与基于触摸的手势的子事件相关的信息。当应用程序具有以分级结构组织的多个视图时，命中视图确定模块272将命中视图识别为应当对子事件进行处理的分级结构中的最低视图。在大多数情况下，命中视图是发起子事件(例如，形成事件或潜在事件的子事件序列中的第一子事件)在其中发生的最低水平视图。一旦命中视图被命中视图确定模块272识别，命中视图便通常接收与其被识别为命中视图所针对的同一触摸或输入源相关的所有子事件。
活动事件识别器确定模块273确定视图分级结构内的哪个或哪些视图应接收特定子事件序列。在一些实施方案中，活动事件识别器确定模块273确定仅命中视图应接收特定子事件序列。在其他实施方案中，活动事件识别器确定模块273确定包括子事件的物理位置的所有视图是活跃参与的视图，并因此确定所有活跃参与的视图都应接收特定子事件序列。在其他实施方案中，即使触摸子事件完全被局限到与一个特定视图相关联的区域，分级结构中的较高视图将仍然保持为活跃参与的视图。
事件分配器模块274将事件信息分配到事件识别器(例如，事件识别器280)。在包括活动事件识别器确定模块273的实施方案中，事件分配器模块274将事件信息递送到由活动事件识别器确定模块273确定的事件识别器。在一些实施方案中，事件分配器模块274在事件队列中存储事件信息，该事件信息由相应事件接收器282进行检索。
在一些实施方案中，操作系统226包括事件分类器270。另选地，应用程序236-1包括事件分类器270。在又一个实施方案中，事件分类器270是独立模块，或者是存储在存储器202中的另一个模块(诸如，接触/运动模块230)的一部分。
在一些实施方案中，应用程序236-1包括多个事件处理程序290和一个或多个应用程序视图291，其中每个应用程序视图包括用于处理发生在应用程序的用户界面的相应视图内的触摸事件的指令。应用程序236-1的每个应用程序视图291包括一个或多个事件识别器280。通常，相应应用程序视图291包括多个事件识别器280。在其他实施方案中，事件识别器280中的一个或多个事件识别器是独立模块的一部分，该独立模块为诸如用户界面工具包(未示出)或应用程序236-1从中继承方法和其他属性的较高级别的对象。在一些实施方案中，相应事件处理程序290包括以下各项中的一者或多者：数据更新器276、对象更新器277、GUI更新器278和/或从事件分类器270所接收的事件数据279。事件处理程序290利用或调用数据更新器276、对象更新器277或GUI更新器278来更新应用程序内部状态292。另选地，应用程序视图291中的一个或多个应用程序视图包括一个或多个相应事件处理程序290。另外，在一些实施方案中，数据更新器276、对象更新器277和GUI更新器278中的一者或多者包括在相应应用程序视图291中。
相应的事件识别器280从事件分类器270接收事件信息(例如，事件数据279)，并且从事件信息识别事件。事件识别器280包括事件接收器282和事件比较器284。在一些实施方案中，事件识别器280还包括元数据283和事件传递指令288(其包括子事件传递指令)的至少一个子集。
事件接收器282从事件分类器270接收事件信息。事件信息包括关于子事件例如触摸或触摸移动的信息。根据子事件，事件信息还包括附加信息，诸如子事件的位置。当子事件涉及触摸的运动时，事件信息还包括子事件的速率和方向。在一些实施方案中，事件包括设备从一个取向旋转到另一取向(例如，从纵向取向旋转到横向取向，或反之亦然)，并且事件信息包括关于设备的当前取向(也被称为设备姿态)的对应信息。
事件比较器284将事件信息与预定义的事件或子事件定义进行比较，并且基于该比较，确定事件或子事件，或者确定或更新事件或子事件的状态。在一些实施方案中，事件比较器284包括事件定义286。事件定义286包含事件的定义(例如，预定义的子事件序列)，例如事件1(287-1)、事件2(287-2)以及其他事件。在一些实施方案中，事件(287)中的子事件包括例如触摸开始、触摸结束、触摸移动、触摸取消和多点触摸。在一个示例中，事件1(287-1)的定义是在所显示对象上的双击。例如，双击包括被显示对象上的预先确定时长的第一次触摸(触摸开始)、预先确定时长的第一次抬离(触摸结束)、被显示对象上的预先确定时长的第二次触摸(触摸开始)以及预先确定时长的第二次抬离(触摸结束)。在另一个示例中，事件2(287-2)的定义是被显示对象上的拖动。例如，拖动包括被显示对象上的预先确定时长的触摸(或接触)、触摸在触敏显示器212上的移动、以及触摸的抬离(触摸结束)。在一些实施方案中，事件还包括用于一个或多个相关联的事件处理程序290的信息。
在一些实施方案中，事件定义287包括用于相应用户界面对象的事件的定义。在一些实施方案中，事件比较器284执行命中测试以确定哪个用户界面对象与子事件相关联。例如，在触敏显示器212上显示三个用户界面对象的应用程序视图中，当在触敏显示器212上检测到触摸时，事件比较器284执行命中测试以确定这三个用户界面对象中的哪一个用户界面对象与该触摸(子事件)相关联。如果每个所显示对象与相应事件处理程序290相关联，则事件比较器使用该命中测试的结果来确定哪个事件处理程序290应当被激活。例如，事件比较器284选择与子事件和触发该命中测试的对象相关联的事件处理程序。
在一些实施方案中，相应事件(287)的定义还包括延迟动作，该延迟动作延迟事件信息的递送，直到已确定子事件序列是否确实对应于或不对应于事件识别器的事件类型。
当相应事件识别器280确定子事件序列不与事件定义286中的任何事件匹配时，该相应事件识别器280进入事件不可能、事件失败或事件结束状态，在此之后忽略基于触摸的手势的后续子事件。在这种情况下，对于命中视图保持活动的其他事件识别器(如果有的话)继续跟踪并处理持续进行的基于触摸的手势的子事件。
在一些实施方案中，相应事件识别器280包括具有指示事件递送系统应当如何执行对活跃参与的事件识别器的子事件递送的可配置属性、标记和/或列表的元数据283。在一些实施方案中，元数据283包括指示事件识别器彼此如何交互或如何能够交互的可配置属性、标志和/或列表。在一些实施方案中，元数据283包括指示子事件是否被递送到视图或程序化分级结构中的不同层级的可配置属性、标志和/或列表。
在一些实施方案中，当识别事件的一个或多个特定子事件时，相应事件识别器280激活与事件相关联的事件处理程序290。在一些实施方案中，相应事件识别器280将与事件相关联的事件信息递送到事件处理程序290。激活事件处理程序290不同于将子事件发送(和延期发送)到相应命中视图。在一些实施方案中，事件识别器280抛出与所识别的事件相关联的标记，并且与该标记相关联的事件处理程序290获取该标记并执行预定义过程。
在一些实施方案中，事件递送指令288包括递送关于子事件的事件信息而不激活事件处理程序的子事件递送指令。相反，子事件递送指令将事件信息递送到与子事件序列相关联的事件处理程序或者递送到活跃参与的视图。与子事件序列或与活跃参与的视图相关联的事件处理程序接收事件信息并执行预先确定的过程。
在一些实施方案中，数据更新器276创建并更新在应用程序236-1中使用的数据。例如，数据更新器276更新联系人模块237中所使用的电话号码，或者存储视频播放器模块中所使用的视频文件。在一些实施方案中，对象更新器277创建和更新在应用程序236-1中使用的对象。例如，对象更新器277创建新的用户界面对象或更新用户界面对象的位置。GUI更新器278更新GUI。例如，GUI更新器278准备显示信息并将其发送到图形模块232以供在触敏显示器上显示。
在一些实施方案中，事件处理程序290包括数据更新器276、对象更新器277和GUI更新器278或者具有对它们的访问权限。在一些实施方案中，数据更新器276、对象更新器277和GUI更新器278被包括在相应应用程序236-1或应用程序视图291的单个模块中。在其他实施方案中，它们被包括在两个或更多个软件模块中。
应当理解，关于触敏显示器上的用户触摸的事件处理的上述讨论还适用于利用输入设备来操作多功能设备200的其他形式的用户输入，并不是所有用户输入都是在触摸屏上发起的。例如，任选地与单次或多次键盘按下或按住协作的鼠标移动和鼠标按钮按下；触控板上的接触移动，诸如轻击、拖动、滚动等；触笔输入；设备的移动；口头指令；检测到的眼睛移动；生物特征输入；和/或它们的任何组合任选地被用作对应于限定要识别的事件的子事件的输入。
图3示出了根据一些实施方案的具有触摸屏212的便携式多功能设备200。触摸屏任选地在用户界面(UI)300内显示一个或多个图形。在本实施方案以及下文所述的其他实施方案中，用户能够通过例如利用一根或多根手指302(在图中未按比例绘制)或一支或多支触笔303(在图中未按比例绘制)在图形上作出手势来选择这些图形中的一个或多个图形。在一些实施方案中，当用户中断与一个或多个图形的接触时，将发生对一个或多个图形的选择。在一些实施方案中，手势任选地包括一次或多次轻击、一次或多次轻扫(从左向右、从右向左、向上和/或向下)和/或已与设备200发生接触的手指的滚动(从右向左、从左向右、向上和/或向下)。在一些具体实施中或在一些情况下，不经意地与图形接触不会选择图形。例如，当与选择对应的手势是轻击时，在应用程序图标上方扫动的轻扫手势任选地不会选择对应的应用程序。
设备200还包括一个或多个物理按钮，诸如“home”或菜单按钮304。如前所述，菜单按钮304用于导航到在设备200上执行的一组应用程序中的任何应用程序236。另选地，在一些实施方案中，菜单按钮被实现为被显示在触摸屏212上的GUI中的软键。
在一些实施方案中，设备200包括触摸屏212、菜单按钮304、用于使设备通电/断电和用于锁定设备的下压按钮306、一个或多个音量调节按钮308、用户身份模块(SIM)卡槽310、耳麦插孔312和对接/充电外部端口224。下压按钮306任选地用于通过压下该按钮并且将该按钮保持在压下状态持续预定义的时间间隔来对设备进行开/关机；通过压下该按钮并在该预定义的时间间隔过去之前释放该按钮来锁定设备；和/或对设备进行解锁或发起解锁过程。在另选的实施方案中，设备200还通过麦克风213来接受用于激活或去激活某些功能的语音输入。设备200还任选地包括用于检测触摸屏212上的接触的强度的一个或多个接触强度传感器265，和/或用于为设备200的用户生成触觉输出的一个或多个触觉输出发生器267。
图4是根据一些实施方案的具有显示器和触敏表面的示例性多功能设备的框图。设备400不必是便携式的。在一些实施方案中，设备400是膝上型计算机、台式计算机、平板电脑、多媒体播放器设备、导航设备、教育设备(诸如儿童学习玩具)、游戏系统或控制设备(例如，家用控制器或工业用控制器)。设备400通常包括一个或多个处理单元(CPU)410、一个或多个网络或其他通信接口460、存储器470和用于使这些部件互连的一个或多个通信总线420。通信总线420任选地包括使系统部件互连并且控制系统部件之间的通信的电路系统(有时称作芯片组)。设备400包括具有显示器440的输入/输出(I/O)接口430，该显示器通常是触摸屏显示器。I/O接口430还任选地包括键盘和/或鼠标(或其他指向设备)450和触摸板455、用于在设备400上生成触觉输出的触觉输出发生器457(例如，类似于以上参考图2A所述的一个或多个触觉输出发生器267)、传感器459(例如，光学传感器、加速度传感器、接近传感器、触敏传感器、和/或类似于以上参考图2A所述的一个或多个接触强度传感器265的接触强度传感器)。存储器470包括高速随机存取存储器，诸如DRAM、SRAM、DDR RAM或其他随机存取固态存储器设备；并且任选地包括非易失性存储器，诸如一个或多个磁盘存储设备、光盘存储设备、闪存存储器设备或其他非易失性固态存储设备。存储器470任选地包括远离CPU 410定位的一个或多个存储设备。在一些实施方案中，存储器470存储与便携式多功能设备200(图2A)的存储器202中存储的程序、模块和数据结构类似的程序、模块和数据结构或其子集。此外，存储器470任选地存储在便携式多功能设备200的存储器202中不存在的附加程序、模块和数据结构。例如，设备400的存储器470任选地存储绘图模块480、呈现模块482、文字处理模块484、网站创建模块486、盘编辑模块488、和/或电子表格模块490，而便携式多功能设备200(图2A)的存储器202任选地不存储这些模块。
图4中的上述元件中的每一者在一些示例中存储在一个或多个先前提到的存储器设备中。上述模块中的每个模块对应于用于执行上述功能的指令集。上述模块或程序(例如，指令集)不必被实现为独立的软件程序、过程或模块，因此这些模块的各种子集在各种实施方案中组合或以其他方式重新布置。在一些实施方案中，存储器470存储上述模块和数据结构的子组。此外，存储器470存储上文未描述的另外的模块和数据结构。
现在将注意力转到可在例如便携式多功能设备200上实现的用户界面的实施方案。
图5A示出了根据一些实施方案的便携式多功能设备200上的应用程序菜单的示例性用户界面。类似的用户界面在设备400上实现。在一些实施方案中，用户界面500包括以下元件或者其子集或超集：
一种或多种无线通信(诸如蜂窝信号和Wi-Fi信号)的一个或多个信号强度指示器502；
·时间504；
·蓝牙指示符505；
·电池状态指示符506；
·具有常用应用程序图标的托盘508，图标诸如：
○电话模块238的被标记为“电话”的图标516，该图标任选地包括未接来电或语音留言的数量的指示符514；
○电子邮件客户端模块240的被标记为“邮件”的图标518，该图标任选地包括未读电子邮件的数量的指示符510；
○浏览器模块247的被标记为“浏览器”的图标520；以及
○视频和音乐播放器模块252(也称为iPod(Apple Inc.的商标)模块252)的被标记为“iPod”的图标522；以及
·其他应用程序的图标，诸如：
○IM模块241的被标记为“消息”的图标524；
○日历模块248的被标记为“日历”的图标526；
○图像管理模块244的被标记为“照片”的图标528；
○相机模块243的被标记为“相机”的图标530；
○在线视频模块255的被标记为“在线视频”的图标532；
○股市桌面小程序249-2的被标记为“股市”的图标534；
○地图模块254的被标记为“地图”的图标536；
○天气桌面小程序249-1的被标记为“天气”的图标538；
○闹钟桌面小程序249-4的被标记为“时钟”的图标540；
○健身支持模块242的被标记为“健身支持”的图标542；
○记事本模块253的被标记为“记事本”的图标544；以及
○用于设置应用程序或模块的被标记为“设置”的图标546，该图标提供对设备200及其各种应用程序236的设置的访问。
应当指示的是，图5A中示出的图标标签仅是示例性的。例如，视频和音乐播放器模块252的图标522任选地被标记为“音乐”或“音乐播放器”。对于各种应用程序图标任选地使用其他标签。在一些实施方案中，相应应用程序图标的标签包括与该相应应用程序图标对应的应用程序的名称。在一些实施方案中，特定应用程序图标的标签不同于与该特定应用程序图标对应的应用程序的名称。
图5B示出了具有与显示器550(例如，触摸屏显示器212)分开的触敏表面551(例如，图4的平板电脑或触摸板455)的设备(例如，图4的设备400)上的示例性用户界面。设备400还任选地包括用于检测触敏表面551上的接触的强度的一个或多个接触强度传感器(例如，传感器457中的一个或多个传感器)，和/或用于为设备400的用户生成触觉输出的一个或多个触觉输出发生器459。
尽管将参考触摸屏显示器212(其中组合了触敏表面和显示器)上的输入给出随后的示例中的一些示例，但是在一些实施方案中，设备检测与显示器分开的触敏表面上的输入，如图5B中所示。在一些实施方案中，触敏表面(例如，图5B中的551)具有对应于显示器(例如，550)上的主轴(例如，图5B中的553)的主轴(例如，图5B中的552)。根据这些实施方案，设备检测在与显示器上的相应位置对应的位置(例如，在图5B中，560对应于568并且562对应于570)处与触敏表面551的接触(例如，图5B中的560和562)。这样，在触敏表面(例如，图5B中的551)与多功能设备的显示器(图5B中的550)分开时，由设备在触敏表面上检测到的用户输入(例如，接触560和562以及它们的移动)被该设备用于操控显示器上的用户界面。应当理解，类似的方法任选地用于本文所述的其他用户界面。
另外，虽然主要是参考手指输入(例如，手指接触、单指轻击手势、手指轻扫手势)来给出下面的示例，但是应当理解的是，在一些实施方案中，这些手指输入中的一个或多个手指输入由来自另一输入设备的输入(例如，基于鼠标的输入或触笔输入)替代。例如，轻扫手势任选地由鼠标点击(例如，而不是接触)，之后是光标沿着轻扫的路径的移动(例如，而不是接触的移动)替代。又如，轻击手势任选地由在光标位于轻击手势的位置上方时的鼠标点击(例如，代替对接触的检测，之后是停止检测接触)替代。类似地，当同时检测到多个用户输入时，应当理解的是，多个计算机鼠标任选地被同时使用，或鼠标和手指接触任选地被同时使用。
图6A示出了示例性个人电子设备600。设备600包括主体602。在一些实施方案中，设备600包括相对于设备200和400(例如，图2A至图4)所述的特征中的一些或全部特征。在一些实施方案中，设备600具有在下文中称为触摸屏604的触敏显示屏604。作为触摸屏604的替代或补充，设备600具有显示器和触敏表面。与设备200和400的情况一样，在一些实施方案中，触摸屏604(或触敏表面)具有用于检测正在施加的接触(例如，触摸)的强度的一个或多个强度传感器。触摸屏604(或触敏表面)的一个或多个强度传感器提供表示触摸的强度的输出数据。设备600的用户界面基于触摸强度来对触摸作出响应，这意味着不同强度的触摸可调用设备600上的不同的用户界面操作。
用于检测和处理触摸强度的技术可例如在相关申请中找到：2013年5月8日提交的名称为“Device,Method,and Graphical User Interface for Displaying UserInterface Objects Corresponding to an Application”(用于显示对应于应用的用户界面对象的设备、方法和图形用户界面)的国际专利申请No.PCT/US2013/040061，以及2013年11月11日提交的名称为“Device,Method,and Graphical User Interface forTransitioning Between Touch Input to Display Output Relationships”(用于触摸输入到显示输出之间关系转换的设备、方法和图形用户界面)的国际专利申请No.PCT/US2013/069483，这两个专利申请中的每个专利申请据此全文以引用方式并入本文。
在一些实施方案中，设备600具有一个或多个输入机构606和输入机构608。输入机构606和608(如果包括的话)是物理形式的。物理输入机构的示例包括下压按钮和可旋转机构。在一些实施方案中，设备600具有一个或多个附接机构。此类附接机构(如果包括的话)可允许将设备600与例如帽子、眼镜、耳环、项链、衬衣、夹克、手镯、表带、手链、裤子、皮带、鞋子、钱包、背包等附接。这些附接机构允许用户穿戴设备600。
图6B示出了示例性个人电子设备600。在一些实施方案中，设备600包括相对于图2A、图2B和图4所述的部件中的一些或全部部件。设备600具有总线612，该总线将I/O部分614与一个或多个计算机处理器616和存储器618操作性地耦接。I/O部分614被连接到显示器604，该显示器可具有触敏部件622并且任选地还具有触摸强度敏感部件624。此外，I/O部分614与通信单元630连接，以用于使用Wi-Fi、蓝牙、近场通信(NFC)、蜂窝和/或其他无线通信技术来接收应用程序和操作系统数据。设备600包括输入机构606和/或608。例如，输入机构606是可旋转输入设备或者可按压输入设备以及可旋转输入设备。在一些示例中，输入机构608是按钮。
在一些示例中，输入机构608是麦克风。个人电子设备600包括例如各种传感器，诸如GPS传感器632、加速度计634、定向传感器640(例如，罗盘)、陀螺仪636、运动传感器638和/或其组合，所有这些设备均可操作性连接到I/O部分614。
个人电子设备600的存储器618包括用于存储计算机可执行指令的一个或多个非暂态计算机可读存储介质，该指令当由一个或多个计算机处理器616执行时例如使得计算机处理器执行上述技术和过程。该计算机可执行指令也例如在任何非暂态计算机可读存储介质内进行存储和/或传送，以供指令执行系统、装置或设备诸如基于计算机的系统、包含处理器的系统或可从指令执行系统、装置或设备获取指令并执行指令的其他系统使用或与其结合。个人电子设备600不限于图6B的部件和配置，而是可包括多种配置中的其他部件或附加部件。
如本文所用，术语“示能表示”是指例如显示在设备200、400、600、810A-C、820、830、840、1182、1186、1880和/或1882(图2、图4、图6、图8A至图8B、图9A至图9C、图10A至图10C、图11A至图11D、图12A至图12C、图13A至图13B、图14、图15A至图15G和图18A至图18E)的显示屏上的用户交互式图形用户界面对象。例如，图像(例如，图标)、按钮和文本(例如，超链接)各自构成示能表示。
如本文所用，术语“焦点选择器”是指用于指示用户正与之进行交互的用户界面的当前部分的输入元件。在包括光标或其他位置标记的一些具体实施中，光标充当“焦点选择器”，使得当光标在特定用户界面元素(例如，按钮、窗口、滑块或其他用户界面元素)上方时在触敏表面(例如，图4中的触摸板455或图5B中的触敏表面551)上检测到输入(例如，按压输入)的情况下，该特定用户界面元素根据所检测到的输入而被调节。在包括能够实现与触摸屏显示器上的用户界面元素的直接交互的触摸屏显示器(例如，图2A中的触敏显示器系统212或图5A中的触摸屏212)的一些具体实施中，触摸屏上的所检测到的接触充当“焦点选择器”，使得当在触摸屏显示器上在特定用户界面元素(例如，按钮、窗口、滑块或其他用户界面元素)的位置处检测到输入(例如，由接触进行的按压输入)时，该特定用户界面元素根据所检测到的输入而被调节。在一些具体实施中，焦点从用户界面的一个区域移动到用户界面的另一个区域，而无需光标的对应移动或触摸屏显示器上的接触的移动(例如，通过使用制表键或箭头键将焦点从一个按钮移动到另一个按钮)；在这些具体实施中，焦点选择器根据焦点在用户界面的不同区域之间的移动而移动。不考虑焦点选择器所采取的具体形式，焦点选择器通常是由用户控制的以便递送与用户界面的用户预期的交互(例如，通过向设备指示用户界面的用户期望与其进行交互的元素)的用户界面元素(或触摸屏显示器上的接触)。例如，在触敏表面(例如，触摸板或触摸屏)上检测到按压输入时，焦点选择器(例如，光标、接触或选择框)在相应按钮上方的位置将指示用户期望激活相应按钮(而不是设备显示器上示出的其他用户界面元素)。
如说明书和权利要求中所使用的，接触的“特征强度”这一术语是指基于接触的一个或多个强度的接触的特征。在一些实施方案中，特征强度基于多个强度样本。特征强度任选地基于相对于预定义事件(例如，在检测到接触之后，在检测到接触抬离之前，在检测到接触开始移动之前或之后，在检测到接触结束之前，在检测到接触的强度增大之前或之后和/或在检测到接触的强度减小之前或之后)而言在预先确定的时间段(例如，0.05秒、0.1秒、0.2秒、0.5秒、1秒、2秒、5秒、10秒)期间采集的预定义数量的强度样本或一组强度样本。接触的特征强度任选地基于以下各项中的一者或多者：接触强度的最大值、接触强度的均值、接触强度的平均值、接触强度的前10％处的值、接触强度的半最大值、接触强度的90％最大值等。在一些实施方案中，在确定特征强度时使用接触的持续时间(例如，在特征强度是接触的强度在时间上的平均值时)。在一些实施方案中，将特征强度与一组一个或多个强度阈值进行比较，以确定用户是否已执行操作。例如，该组一个或多个强度阈值包括第一强度阈值和第二强度阈值。在该示例中，特征强度未超过第一阈值的接触导致第一操作，特征强度超过第一强度阈值但未超过第二强度阈值的接触导致第二操作，而特征强度超过第二阈值的接触导致第三操作。在一些实施方案中，使用特征强度与一个或多个阈值之间的比较来确定是否要执行一个或多个操作(例如，是执行相应操作还是放弃执行相应操作)，而不是用于确定执行第一操作还是第二操作。
在一些实施方案中，识别手势的一部分以用于确定特征强度。例如，触敏表面接收连续的轻扫接触，该连续的轻扫接触从起始位置过渡并到达结束位置，在该结束位置处，接触的强度增加。在该示例中，接触在结束位置处的特征强度仅基于连续轻扫接触的一部分，而不是整个轻扫接触(例如，仅轻扫接触在结束位置处的部分)。在一些实施方案中，在确定接触的特征强度之前向轻扫手势的强度应用平滑化算法。例如，平滑化算法任选地包括以下各项中的一种或多种：不加权滑动平均平滑化算法、三角平滑化算法、中值滤波器平滑化算法和/或指数平滑化算法。在一些情况下，这些平滑化算法消除了轻扫接触的强度中的窄的尖峰或凹陷，以实现确定特征强度的目的。
相对于一个或多个强度阈值诸如接触检测强度阈值、轻按压强度阈值、深按压强度阈值和/或一个或多个其他强度阈值来表征触敏表面上的接触的强度。在一些实施方案中，轻按压强度阈值对应于这样的强度：在该强度下设备将执行通常与点击物理鼠标或触摸板的按钮相关联的操作。在一些实施方案中，深按压强度阈值对应于这样的强度：在该强度下设备将执行与通常与点击物理鼠标或触控板的按钮相关联的操作不同的操作。在一些实施方案中，当检测到特征强度低于轻按压强度阈值(例如，并且高于标称接触检测强度阈值，比标称接触检测强度阈值低的接触不再被检测到)的接触时，设备将根据接触在触敏表面上的移动来移动焦点选择器，而不执行与轻按压强度阈值或深按压强度阈值相关联的操作。一般来讲，除非另有陈述，否则这些强度阈值在不同组的用户界面附图之间是一致的。
接触特征强度从低于轻按压强度阈值的强度增大到介于轻按压强度阈值与深按压强度阈值之间的强度有时被称为“轻按压”输入。接触特征强度从低于深按压强度阈值的强度增大到高于深按压强度阈值的强度有时被称为“深按压”输入。接触特征强度从低于接触检测强度阈值的强度增大到介于接触检测强度阈值与轻按压强度阈值之间的强度有时被称为检测到触摸表面上的接触。接触特征强度从高于接触检测强度阈值的强度减小到低于接触检测强度阈值的强度有时被称为检测到接触从触摸表面抬离。在一些实施方案中，接触检测强度阈值为零。在一些实施方案中，接触检测强度阈值大于零。
在本文中所述的一些实施方案中，响应于检测到包括相应按压输入的手势或响应于检测到利用相应接触(或多个接触)执行的相应按压输入来执行一个或多个操作，其中至少部分地基于检测到该接触(或多个接触)的强度增大到高于按压输入强度阈值而检测到相应按压输入。在一些实施方案中，响应于检测到相应接触的强度增大到高于按压输入强度阈值(例如，相应按压输入的“向下冲程”)来执行相应操作。在一些实施方案中，按压输入包括相应接触的强度增大到高于按压输入强度阈值以及该接触的强度随后减小到低于按压输入强度阈值，并且响应于检测到相应接触的强度随后减小到低于按压输入阈值(例如，相应按压输入的“向上冲程”)来执行相应操作。
在一些实施方案中，设备采用强度滞后以避免有时被称为“抖动”的意外输入，其中设备限定或选择与按压输入强度阈值具有预定义关系的滞后强度阈值(例如，滞后强度阈值比按压输入强度阈值低X个强度单位，或滞后强度阈值是按压输入强度阈值的75％、90％或某个合理比例)。因此，在一些实施方案中，按压输入包括相应接触的强度增大到高于按压输入强度阈值以及该接触的强度随后减小到低于对应于按压输入强度阈值的滞后强度阈值，并且响应于检测到相应接触的强度随后减小到低于滞后强度阈值(例如，相应按压输入的“向上冲程”)来执行相应操作。类似地，在一些实施方案中，仅在设备检测到接触强度从等于或低于滞后强度阈值的强度增大到等于或高于按压输入强度阈值的强度并且任选地接触强度随后减小到等于或低于滞后强度的强度时才检测到按压输入，并且响应于检测到按压输入(例如，根据环境，接触强度增大或接触强度减小)来执行相应操作。
为了容易解释，任选地，响应于检测到以下各种情况中的任一种情况而触发对响应于与按压输入强度阈值相关联的按压输入或响应于包括按压输入的手势而执行的操作的描述：接触强度增大到高于按压输入强度阈值、接触强度从低于滞后强度阈值的强度增大到高于按压输入强度阈值的强度、接触强度减小到低于按压输入强度阈值、和/或接触强度减小到低于与按压输入强度阈值对应的滞后强度阈值。另外，在将操作描述为响应于检测到接触的强度减小到低于按压输入强度阈值而执行的示例中，任选地响应于检测到接触的强度减小到低于对应于并且小于按压输入强度阈值的滞后强度阈值来执行操作。
3.数字助理系统
图7A示出根据各种示例的数字助理系统700的框图。在一些示例中，数字助理系统700在独立式计算机系统上实现。在一些示例中，数字助理系统700跨多个计算机分布。在一些示例中，数字助理的模块和功能中的一些模块和功能被划分成服务器部分和客户端部分，其中客户端部分位于一个或多个用户设备(例如，设备104、122、200、400、600、810A-C、830、840、1182、1186、1880或1882)上并通过一个或多个网络来与服务器部分(例如，服务器系统108)进行通信，例如，如图1所示。在一些示例中，数字助理系统700是图1中所示的服务器系统108(和/或DA服务器106)的具体实施。应当指出，数字助理系统700仅为数字助理系统的一个示例，且该数字助理系统700具有比所示更多或更少的部件、组合两个或更多个部件，或者可具有部件的不同配置或布局。图7A中所示的各种部件在硬件、用于由一个或多个处理器执行的软件指令、固件(包括一个或多个信号处理集成电路和/或专用集成电路)，或其组合中实现。
数字助理系统700包括存储器702、输入/输出(I/O)接口706、网络通信接口708，以及一个或多个处理器704。这些部件可通过一条或多条通信总线或信号线710彼此通信。
在一些示例中，存储器702包括非暂态计算机可读介质，诸如高速随机存取存储器和/或非易失性计算机可读存储介质(例如，一个或多个磁盘存储设备、闪存存储器设备或其他非易失性固态存储器设备)。
在一些示例中，I/O接口706将数字助理系统700的输入/输出设备716诸如显示器、键盘、触摸屏和麦克风耦接至用户界面模块722。I/O接口706，与用户界面模块722结合，接收用户输入(例如，语音输入、键盘输入、触摸输入等)并相应地对这些输入进行处理。在一些示例中，例如，当数字助理在独立式用户设备上实现时，数字助理系统700包括相对于图2、图4、图6A至图6B、图8A至图8B、图9A至图9C、图10A至图10C、图11A至图11D、图12A至图12C、图13A至图13B、图14、图15A至图15G和图18A至图18E中各自的设备200、400、600、810A-C、820、830、840、1182、1186、1880和/或1882所描述的部件和I/O通信接口中的任一者。在一些示例中，数字助理系统700表示数字助理具体实施的服务器部分，并且可通过位于用户设备(例如，设备104、200、400、600、810A-C、830、840、1182、1186、1880和/或1882)上的客户端侧部分来与用户进行交互。
在一些示例中，网络通信接口708包括一个或多个有线通信端口712，以及/或者无线传输和接收电路714。一个或多个有线通信端口经由一个或多个有线接口例如以太网、通用串行总线(USB)、火线等接收和发送通信信号。无线电路714从通信网络及其他通信设备接收RF信号和/或光学信号以及将RF信号和/或光学信号发送至通信网络及其他通信设备。无线通信使用多种通信标准、协议和技术中的任一种，诸如GSM、EDGE、CDMA、TDMA、蓝牙、Wi-Fi、VoIP、Wi-MAX、或任何其他合适的通信协议。网络通信接口708使数字助理系统700通过网络，诸如互联网、内联网和/或无线网络诸如蜂窝电话网络、无线局域网(LAN)和/或城域网(MAN)，与其他设备之间的通信成为可能。
在一些示例中，存储器702或存储器702的计算机可读存储介质存储程序、模块、指令和数据结构，包括以下内容中的全部或其子集：操作系统718、通信模块720、用户界面模块722、一个或多个应用程序724和数字助理模块726。具体地讲，存储器702或存储器702的计算机可读存储介质存储用于执行上述过程的指令。一个或多个处理器704执行这些程序、模块和指令，并从数据结构读取数据或将数据写到数据结构。
操作系统718(例如，Darwin、RTXC、LINUX、UNIX、iOS、OSX、WINDOWS、或嵌入式操作系统诸如VxWorks)包括用于控制和管理一般系统任务(例如，存储器管理、存储设备控制、电源管理等)的各种软件组件和/或驱动器，并且有利于各种硬件、固件和软件组件之间的通信。
通信模块720促成数字助理系统700与其他设备之间通过网络通信接口708进行的通信。例如，通信模块720与电子设备诸如分别在图2A、图4、图6A至图6B中所示的设备200,400或600的RF电路208通信。通信模块720还包括各种部件，用于处理由无线电路714和/或有线通信端口712所接收的数据。
用户界面模块722经由I/O接口706接收来自用户(例如，来自键盘、触摸屏、指向设备、控制器和/或麦克风)的命令和/或输入，并在显示器上生成用户界面对象。用户界面模块722还准备输出(例如，语音、声音、动画、文本、图标、振动、触觉反馈、光照等)并将其经由I/O接口706(例如，通过显示器、音频通道、扬声器、触控板等)传送给用户。
应用程序724包括被配置为由所述一个或多个处理器704执行的程序和/或模块。例如，如果数字助理系统在独立式用户设备上实施，则应用程序724包括用户应用程序，诸如游戏、日历应用程序、导航应用程序或邮件应用程序。如果数字助理系统700在服务器上实现，则应用程序724包括例如资源管理应用程序、诊断应用程序、或调度应用程序。
存储器702还存储数字助理模块726(或数字助理的服务器部分)。在一些示例中，数字助理模块726包括以下子模块或者其子集或超集：输入/输出处理模块728、语音转文本(STT)处理模块730、自然语言处理模块732、对话流处理模块734、任务流处理模块736、服务处理模块738和语音合成模块740。这些模块中的每一者均具有对以下数字助理模块726的系统或数据与模型中的一者或多者或者其子集或超集的访问权限：知识本体760、词汇索引744、用户数据748、任务流模型754、服务模型756和ASR系统。
在一些示例中，使用在数字助理模块726中实现的处理模块、数据和模型，数字助理可执行以下中的至少一些：将语音输入转换成文本；识别在从用户接收的自然语言输入中表达的用户意图；主动引出并获得完全推断用户意图所需的信息(例如，通过消除字词、姓名、意图的歧义等)；确定用于满足推断出的意图的任务流；以及执行该任务流以满足推断出的意图。
在一些示例中，如图7B中所示，I/O处理模块728可通过图7A中的I/O设备716与用户交互或通过图7A中的网络通信接口708与用户设备(例如，设备104、设备200、设备400或设备600)交互，以获取用户输入(例如，语音输入)并提供对用户输入的响应(例如，作为语音输出)。I/O处理模块728随同接收到用户输入一起或在接收到用户输入之后不久任选地获得与来自用户设备的用户输入相关联的上下文信息。上下文信息包括特定于用户的数据、词汇，和/或与用户输入相关的偏好。在一些示例中，上下文信息还包括在接收到用户请求时用户设备的软件和硬件状态，和/或与在接收到用户请求时用户周围环境相关的信息。在一些示例中，I/O处理模块728还向用户发送与用户请求有关的跟进问题，并从用户接收回答。在用户请求被I/O处理模块728接收且用户请求包括语音输入时，I/O处理模块728将语音输入转发至STT处理模块730(或语音识别器)以进行语音文本转换。
STT处理模块730包括一个或多个ASR系统。一个或多个ASR系统可处理通过I/O处理模块728接收到的语音输入，以产生识别结果。每个ASR系统包括前端语音预处理器。前端语音预处理器从语音输入中提取代表性特征。例如，前端语音预处理器对语音输入执行傅里叶变换，以提取表征语音输入的光谱特征作为代表性多维向量的序列。另外，每个ASR系统包括一个或多个语音识别模型(例如，声学模型和/或语言模型)并且实现一个或多个语音识别引擎。语音识别模型的示例包括隐马尔可夫模型、高斯混合模型、深层神经网络模型、n元语言模型以及其他统计模型。语音识别引擎的示例包括基于动态时间规整的引擎和基于加权有限状态变换器(WFST)的引擎。使用一个或多个语音识别模型和一个或多个语音识别引擎来处理前端语音预处理器的所提取的代表性特征以产生中间识别结果(例如，音素、音素串和子字词)，并且最终产生文本识别结果(例如，字词、字词串、或符号序列)。在一些示例中，语音输入至少部分地由第三方服务处理或在用户的设备(例如，设备104、设备200、设备400或设备600)上处理，以产生识别结果。一旦STT处理模块730产生包含文本串(例如，字词，或字词的序列，或符号序列)的识别结果，识别结果即被传送至自然语言处理模块732以供意图推断。在一些示例中，STT处理模块730产生言语输入的多个候选文本表示。每个候选文本表示是与语音输入对应的字词或符号的序列。在一些示例中，每个候选文本表示与言语识别置信度得分相关联。基于语音识别置信度得分，STT处理模块730对候选文本表示进行排序并将n个最佳(例如，n个排名最高)候选文本表示提供给自然语言处理模块732以供意图推断，其中n为大于零的预先确定的整数。例如，在一个示例中，仅将排名最高的(n＝1)候选文本表示递送至自然语言处理模块732以供意图推断。又如，将5个排名最高的(n＝5)候选文本表示传递给自然语言处理模块732以供意图推断。
有关语音转文本处理的更多细节在提交于2011年9月20日的名为“ConsolidatingSpeech Recognition Results”的美国实用新型专利申请序列号13/236,942中有所描述，其全部公开内容以引用方式并入本文。
在一些示例中，STT处理模块730包括可识别字词的词汇和/或经由语音字母转换模块731访问该词汇。每个词汇字词与语音识别语音字母表中表示的字词的一个或多个候选发音相关联。具体地讲，可识别字词的词汇包括与多个候选发音相关联的字词。例如，该词汇包括与
和
的候选发音相关联的字词“tomato”。另外，词汇字词与基于来自用户的先前语音输入的自定义候选发音相关联。此类自定义候选发音存储在STT处理模块730中，并且经由设备上的用户配置文件与特定用户相关联。在一些示例中，字词的候选发音基于字词的拼写以及一个或多个语言学和/或语音学规则确定。在一些示例中，候选发音手动生成，例如，基于已知的标准发音而手动生成。
在一些示例中，基于候选发音的普遍性来对候选发音进行排名。例如，候选语音
的排序高于
因为前者是更常用的发音(例如，在所有用户中，对于特定地理区域的用户而言，或者对于任何其他合适的用户子集而言)。在一些示例中，基于候选发音是否为与用户相关联的自定义候选发音来对候选发音进行排序。例如，自定义候选发音的排名高于标准候选发音。这可用于识别具有偏离规范发音的独特发音的专有名词。在一些示例中，候选发音与一个或多个语音特征(诸如地理起源、国家或种族)相关联。例如，候选发音
与美国相关联，而候选发音
与英国相关联。此外，候选发音的排序基于存储在设备上的用户配置文件中的用户的一个或多个特征(例如，地理起源、国家、种族等)。例如，可从用户配置文件确定该用户与美国相关联。基于用户与美国相关联，候选发音
(与美国相关联)可比候选发音
(与英国相关联)排名更高。在一些示例中，经排序的候选发音中的一个可被选作预测发音(例如，最可能的发音)。
接收到语音输入时，STT处理模块730被用来(例如，使用声音模型)确定对应于该语音输入的音素，然后尝试(例如，使用语言模型)确定匹配该音素的字词。例如，如果STT处理模块730首先识别对应于该语音输入的一部分的音素序列
那么它随后可基于词汇索引744确定该序列对应于字词“tomato”。
在一些示例中，STT处理模块730使用模糊匹配技术来确定话语中的字词。因此，例如，STT处理模块730确定音素序列
对应于字词“tomato”，即使该特定音素序列不是该字词的候选音素序列。
数字助理的自然语言处理模块732(“自然语言处理器”)获取由STT处理模块730生成的n个最佳候选文字表示(“字词序列”或“符号序列”)，并尝试将每个候选文本表示与由数字助理所识别的一个或多个“可执行意图”相关联。“可执行意图”(或“用户意图”)表示可由数字助理执行并且可具有在任务流模型754中实现的相关联的任务流的任务。相关联任务流是数字助理为了执行任务而采取的一系列经编程的动作和步骤。数字助理的能力范围取决于已在任务流模型754中实现并存储的任务流的数量和种类，或换言之，取决于数字助理所识别的“可执行意图”的数量和种类。然而，数字助理的有效性还取决于助理从以自然语言表达的用户请求中推断出正确的“一个或多个可执行意图”的能力。
在一些示例中，除从STT处理模块730获取的字词或符号的序列之外，自然语言处理模块732还(例如，从I/O处理模块728)接收与用户请求相关联的上下文信息。自然语言处理模块732任选地使用上下文信息来明确、补充和/或进一步限定在从STT处理模块730接收的候选文本表示中包含的信息。上下文信息包括例如用户偏好，用户设备的硬件和/或软件状态，在用户请求之前、期间或之后不久收集的传感器信息，数字助理与用户之间的先前交互(例如，对话)，等等。如本文所述，在一些示例中，上下文信息是动态的，并且随对话的时间、位置、内容、以及其他因素而变化。
在一些示例中，自然语言处理基于例如知识本体760。知识本体760为包含许多节点的分级结构，每个节点表示“可执行意图”或与“可执行意图”或其他“属性”中的一者或多者相关的“属性”。如上所述，“可执行意图”表示数字助理能够执行的任务，即，该任务为“可执行的”或可被进行的。“属性”代表与可执行意图或另一属性的子方面相关联的参数。知识本体760中可执行意图节点与属性节点之间的连接定义由属性节点表示的参数如何从属于由可执行意图节点表示的任务。
在一些示例中，知识本体760由可执行意图节点和属性节点组成。在知识本体760内，每个可执行意图节点直接连接至或通过一个或多个中间属性节点连接至一个或多个属性节点。类似地，每个属性节点直接连接至或通过一个或多个中间属性节点连接至一个或多个可执行意图节点。例如，如图7C所示，知识本体760包括“餐厅预订”节点(即，可执行意图节点)。属性节点“餐厅”、“日期/时间”(针对预订)和“同行人数”均直接连接至可执行意图节点(即，“餐厅预订”节点)。
此外，属性节点“菜系”、“价格区间”、“电话号码”和“位置”是属性节点“餐厅”的子节点，并且均通过中间属性节点“餐厅”连接至“餐厅预订”节点(即，可执行意图节点)。又如，如图7C所示，知识本体760还包括“设定提醒”节点(即，另一个可执行意图节点)。属性节点“日期/时间”(针对设定提醒)和“主题”(针对提醒)均连接至“设定提醒”节点。由于属性“日期/时间”与进行餐厅预订的任务和设定提醒的任务二者相关，因此属性节点“日期/时间”连接至知识本体760中的“餐厅预订”节点和“设定提醒”节点二者。
可执行意图节点连同其连接的概念节点一起，被描述为“域”。在本讨论中，每个域与相应的可执行意图相关联，并涉及与特定可执行意图相关联的一组节点(以及这些节点之间的关系)。例如，图7C中示出的知识本体760包括在知识本体760内的餐厅预订域762的示例以及提醒域764的示例。餐厅预订域包括可执行意图节点“餐厅预订”、属性节点“餐厅”、“日期/时间”和“同行人数”以及子属性节点“菜系”、“价格区间”、“电话号码”和“位置”。提醒域764包括可执行意图节点“设定提醒”和属性节点“主题”和“日期/时间”。在一些示例中，知识本体760由多个域组成。每个域与一个或多个其他域共享一个或多个属性节点。例如，除了餐厅预订域762和提醒域764之外，“日期/时间”属性节点还与许多不同域(例如，行程安排域、旅行预订域、电影票域等)相关联。
尽管图7C示出知识本体760内的两个示例性域，但其他域包括例如“查找电影”、“发起电话呼叫”、“查找方向”、“安排会议”、“发送消息”以及“提供问题的回答”、“阅读列表”、“提供导航指令”、“提供针对任务的指令”等。“发送消息”域与“发送消息”可执行意图节点相关联，并且进一步包括属性节点诸如“一个或多个接收人”、“消息类型”和“消息正文”。属性节点“接收人”进一步例如由子属性节点诸如“接收人姓名”和“消息地址”来限定。
在一些示例中，知识本体760包括数字助理能够理解并对其起作用的所有域(以及因而可执行意图)。在一些示例中，知识本体760诸如通过添加或移除整个域或节点，或者通过修改知识本体760内的节点之间的关系进行修改。
在一些示例中，将与多个相关可执行意图相关联的节点群集在知识本体760中的“超级域”下。例如，“旅行”超级域包括与旅行相关的属性节点和可执行意图节点的群集。与旅行相关的可执行意图节点包括“机票预订”、“酒店预订”、“汽车租赁”、“获取路线”、“寻找兴趣点”，等等。同一超级域(例如，“旅行”超级域)下的可执行意图节点具有多个共用的属性节点。例如，针对“机票预订”、“酒店预订”、“汽车租赁”、“路线规划”和“寻找感兴趣的点”的可执行意图节点共享属性节点“起始位置”、“目的地”、“出发日期/时间”、“到达日期/时间”和“同行人数”中的一者或多者。
在一些示例中，知识本体760中的每个节点与跟由节点代表的属性或可执行意图有关的一组字词和/或短语相关联。与每个节点相关联的相应组的字词和/或短语是所谓的与节点相关联的“词汇”。将与每个节点相关联的相应组的字词和/或短语存储在与由节点所代表的属性或可执行意图相关联的词汇索引744中。例如，返回图7B，与“餐厅”属性的节点相关联的词汇包括字词诸如“美食”、“酒水”、“菜系”、“饥饿”、“吃”、“披萨”、“快餐”、“膳食”等。又如，与“发起电话呼叫”可执行意图的节点相关联的词汇包括字词和短语诸如“呼叫”、“打电话”、“拨打”、“与……通电话”、“呼叫该号码”、“打电话给”等。词汇索引744任选地包括不同语言的字词和短语。
自然语言处理模块732接收来自STT处理模块730的候选文本表示(例如，一个或多个文本字符串或一个或多个符号序列)，并针对每个候选表示，确定候选文本表示中的字词涉及哪些节点。在一些示例中，如果发现候选文本表示中的字词或短语(经由词汇索引744)与知识本体760中的一个或多个节点相关联，则所述字词或短语“触发”或“激活”这些节点。基于已激活节点的数量和/或相对重要性，自然语言处理模块732选择可执行意图中的一个可执行意图作为用户意图使数字助理执行的任务。在一些示例中，选择具有最多“已触发”节点的域。在一些示例中，选择具有最高置信度(例如，基于其各个已触发节点的相对重要性)的域。在一些示例中，基于已触发节点的数量和重要性的组合来选择域。在一些示例中，在选择节点的过程中还考虑附加因素，诸如数字助理先前是否已正确解译来自用户的类似请求。
用户数据748包括特定于用户的信息，诸如特定于用户的词汇、用户偏好、用户地址、用户的默认语言和第二语言、用户的联系人列表，以及每位用户的其他短期或长期信息。在一些示例中，自然语言处理模块732使用特定于用户的信息来补充用户输入中所包含的信息以进一步限定用户意图。例如，针对用户请求“邀请我的朋友参加我的生日派对”，自然语言处理模块732能够访问用户数据748以确定“朋友”是哪些人以及“生日派对”将于何时何地举行，而不需要用户在其请求中明确地提供此类信息。
应认识到，在一些示例中，利用一个或多个机器学习机构(例如，神经网络)来实现自然语言处理模块732。具体地，一个或多个机器学习机构被配置为接收候选文本表示和与候选文本表示相关联的上下文信息。基于候选文本表示和相关联的上下文信息，一个或多个机器学习机构被配置为基于一组候选可执行意图确定意图置信度得分。自然语言处理模块732可基于所确定的意图置信度得分从一组候选可执行意图中选择一个或多个候选可执行意图。在一些示例中，还利用知识本体(例如，知识本体760)从一组候选可执行意图中选择一个或多个候选可执行意图。
基于符号串搜索知识本体的其他细节在提交于2008年12月22日的名为“Methodand Apparatus for Searching Using An Active Ontology”的美国实用新型专利申请序列号12/341,743中有所描述，其全部公开内容以引用方式并入本文。
在一些示例中，一旦自然语言处理模块732基于用户请求识别出可执行意图(或域)，自然语言处理模块732便生成结构化查询以表示所识别的可执行意图。在一些示例中，结构化查询包括针对可执行意图的域内的一个或多个节点的参数，并且所述参数中的至少一些参数填充有用户请求中指定的特定信息和要求。例如，用户说“帮我在寿司店预订晚上7点的座位。”在这种情况下，自然语言处理模块732能够基于用户输入将可执行意图正确地识别为“餐厅预订”。根据知识本体，“餐厅预订”域的结构化查询包括参数诸如{菜系}、{时间}、{日期}、{同行人数}等。在一些示例中，基于语音输入和使用STT处理模块730从语音输入得出的文本，自然语言处理模块732针对餐厅预订域生成部分结构化查询，其中部分结构化查询包括参数{菜系＝“寿司类”}以及{时间＝“晚上7点”}。然而，在该示例中，用户话语包含不足以完成与域相关联的结构化查询的信息。因此，基于当前可用信息，在结构化查询中未指定其他必要参数，诸如{同行人数}和{日期}。在一些示例中，自然语言处理模块732用所接收的上下文信息来填充结构化查询的一些参数。例如，在一些示例中，如果请求“附近的”寿司店，自然语言处理模块732用来自用户设备的GPS坐标来填充结构化查询中的{位置}参数。
在一些示例中，自然语言处理模块732识别针对从STT处理模块730所接收的每个候选文本表示的多个候选可执行意图。另外，在一些示例中，针对每个所识别的候选可执行意图生成相应的结构化查询(部分地或全部地)。自然语言处理模块732确定针对每个候选可执行意图的意图置信度得分，并基于意图置信度得分对候选可执行意图进行排序。在一些示例中，自然语言处理模块732将所生成的一个或多个结构化查询(包括任何已完成的参数)传送至任务流处理模块736(“任务流处理器”)。在一些示例中，针对m个最佳(例如，m个排名最高的)候选可执行意图的一个或多个结构化查询被提供给任务流处理模块736，其中m为预先确定的大于零的整数。在一些示例中，将针对m个最佳候选可执行意图的一个或多个结构化查询连同对应的候选文本表示提供给任务流处理模块736。
基于根据语音输入的多个候选文本表示所确定的多个候选可执行意图推断用户意图的其他细节在2014年6月6日提交的名称为“System and Method for Inferring UserIntent From Speech Inputs”(用于从语音输入推断用户意图的系统和方法)的美国实用新型专利申请No.14/298,725中有所描述，其全部公开内容以引用方式并入本文。
任务流处理模块736被配置为接收来自自然语言处理模块732的一个或多个结构化查询，(必要时)完成结构化查询，以及执行“完成”用户最终请求所需的动作。在一些示例中，完成这些任务所必需的各种过程在任务流模型754中提供。在一些示例中，任务流模型754包括用于获取来自用户的附加信息的过程，以及用于执行与可执行意图相关联的动作的任务流。
如上所述，为了完成结构化查询，任务流处理模块736需要发起与用户的附加对话，以便获取附加信息和/或弄清可能有歧义的话语。当有必要进行此类交互时，任务流处理模块736调用对话流处理模块734来参与同用户的对话。在一些示例中，对话流处理器模块734确定如何(和/或何时)向用户请求附加信息，并且接收和处理用户响应。通过I/O处理模块728将问题提供给用户并从用户接收回答。在一些示例中，对话处理模块734经由音频和/或视频输出向用户呈现对话输出，并接收经由口头或物理(例如，点击)响应的来自用户的输入。继续上述示例，在任务流处理模块736调用对话流处理模块734来确定针对与域“餐厅预订”相关联的结构化查询的“同行人数”和“日期”信息时，对话流处理模块734生成诸如“一行几位？”和“预订哪天？”之类的问题传递给用户。一旦收到来自用户的回答，对话流处理模块734就用缺失信息填充结构化查询，或将信息传递给任务流处理模块736以根据结构化查询完成缺失信息。
一旦任务流处理模块736已针对可执行意图完成结构化查询，任务流处理模块736便开始执行与可执行意图相关联的最终任务。因此，任务流处理模块736根据结构化查询中包含的特定参数来执行任务流模型中的步骤和指令。例如，针对可执行意图“餐厅预订”的任务流模型包括用于联系餐厅并实际上请求在特定时间针对特定同行人数的预订的步骤和指令。例如，使用结构化查询诸如：餐厅预订、{餐厅＝ABC咖啡馆、日期＝3/12/2012、时间＝7pm、同行人数＝5}，任务流处理模块736可执行以下步骤：(1)登录ABC咖啡馆的服务器或诸如
的餐厅预订系统，(2)以网站上的形式输入日期、时间和同行人数信息，(3)提交表单，以及(4)在用户的日历中形成针对预订的日历条目。
在一些示例中，任务流处理模块736在服务处理模块738(“服务处理模块”)的辅助下完成用户输入中所请求的任务或者提供用户输入中所请求的信息性回答。例如，服务处理模块738代表任务流处理模块736发起电话呼叫、设定日历条目、调用地图搜索、调用用户设备上安装的其他用户应用程序或与所述其他应用程序进行交互，以及调用第三方服务(例如，餐厅预订门户网站、社交网站、银行门户网站等)或与第三方服务进行交互。在一些示例中，通过服务模型756中的相应服务模型指定每项服务所需的协议和应用程序编程接口(API)。服务处理模块738针对服务访问适当的服务模型，并依据服务模型根据该服务所需的协议和API生成针对该服务的请求。
例如，如果餐厅已启用在线预订服务，则餐厅提交服务模型，该服务模型指定进行预订的必要参数以及将必要参数的值传送至在线预订服务的API。在被任务流处理模块736请求时，服务处理模块738可使用存储在服务模型中的web地址来建立与在线预订服务的网络连接，并将预订的必要参数(例如，时间、日期、同行人数)以根据在线预订服务的API的格式发送至在线预订接口。
在一些示例中，自然语言处理模块732、对话处理模块734以及任务流处理模块736被共同且反复地使用，以推断并限定用户的意图、获取信息以进一步明确并细化用户意图、并最终生成响应(即，输出至用户，或完成任务)以满足用户的意图。所生成的响应是至少部分地满足用户意图的对语音输入的对话响应。另外，在一些示例中，所生成的响应被输出为语音输出。在这些示例中，所生成的响应被发送到语音合成模块740(例如，语音合成器)，在语音合成模块中，可处理所生成的响应以将对话响应以语音形式合成。在其他示例中，所生成的响应是与满足语音输入中的用户请求相关的数据内容。
在任务流处理模块736接收到来自自然语言处理模块732的多个结构化查询的示例中，任务流处理模块736首先处理所接收结构化查询的第一结构化查询以试图完成第一结构化查询和/或执行由第一结构化查询所表示的一个或多个任务或动作。在一些示例中，第一结构化查询对应于排名最高的可执行意图。在其他示例中，第一结构化查询选自基于对应的语音识别置信度得分和对应的意图置信度得分的结合所接收的结构化查询。在一些示例中，如果任务流处理模块736在第一结构化查询的处理期间(例如，由于无法确定必要的参数)遇到错误，任务流处理模块736可继续选择和处理所接收结构化查询的与排名较低的可执行意图对应的第二结构化查询。例如基于对应候选文本表示的语音识别置信度得分、对应候选可执行意图的意图置信度得分、第一结构化查询中的缺失必要参数或它们的任何组合来选择第二结构化查询。
语音合成模块740被配置为合成用于呈现给用户的语音输出。语音合成模块740基于数字助理提供的文本来合成语音输出。例如，所生成的对话响应是文本串的形式。语音合成模块740将文本串转换成可听语音输出。语音合成模块740使用任何适当语音合成技术，以便从文本生成语音输出，包括但不限于：拼接合成、单元选择合成、双音素合成、域特定合成、共振峰合成、发音合成、基于隐马尔可夫模型(HMM)的合成，以及正弦波合成。在一些示例中，语音合成模块740被配置为基于对应于这些字词的音素串来合成各个字词。例如，音素串与所生成的对话响应中的字词相关联。音素串存储在与字词相关联的元数据中。语音合成模型740被配置为直接处理元数据中的音素串，以合成语音形式的字词。
在一些示例中，替代使用语音合成模块740(或除此之外)，在远程设备(例如，服务器系统108)上执行语音合成，并且将合成的语音发送至用户设备以输出给用户。例如，这可发生在一些具体实施中，其中在服务器系统处生成数字助理的输出。而且由于服务器系统通常比用户设备具有更强的处理能力或更多的资源，其有可能获得比客户端侧合成将实现的质量更高的语音输出。
有关数字助理的另外细节可见于提交于2011年1月10日的名称为“IntelligentAutomated Assistant”的美国实用新型专利申请号12/987,982和提交于2011年9月30日的名称为“Generating and Processing Task Items That Represent Tasks to Perform”的美国实用新型专利申请号13/251,088中，其全部公开内容以引用方式并入本文。
4.基于用户输入来提供数字助理服务的数字助理的示例性功能。
图2、图4、图6、图8A至图8B、图9A至图9C、图10A至图10C、图11A至图11D、图12A至图12C、图13A至图13B和图14示出了通过在电子设备上操作的数字助理来提供数字助理服务的功能。在一些示例中，数字助理(例如，数字助理系统700)由用户设备根据各种示例来实现。在一些示例中，用户设备、服务器(例如，服务器108、设备820)或其组合可以实现数字助理系统(例如，数字助理系统700)。用户设备可使用例如设备200、400、600、810A-C、820、830、840、1182和/或1186来实现。在一些示例中，用户设备是具有音频输出能力和网络连接性的设备、智能电话、膝上型计算机、台式计算机或平板电脑。
图8A至图8B示出了根据各种示例的基于用户输入来在一个或多个电子设备810A-C处提供数字助理服务的功能。在一些示例中，电子设备810A(以及类似地其他电子设备810B-C)可包括一个或多个音频输入和输出设备(例如，麦克风和一个或多个扬声器)和一个或多个网络通信接口。设备810A和设备810B-C统称为电子设备810或设备810。设备810A以及类似地设备810B-C可包括多个扬声器以提供环绕声。在一些示例中，电子设备810还可包括用于提供设备操作指示的一个或多个指示器(例如，灯)。例如，设备810A的一个或多个指示器可发光以指示设备810A被通电、连接到网络、输出音频等。设备810A-C可以是从其他设备延伸数字助理服务的服务延伸设备。
如图8A所示，在一些示例中，在设备810A上操作的数字助理可被配置为经由直接通信连接(诸如蓝牙、近场通信(NFC)、BTLE(蓝牙低功耗)等)或经由有线或无线网络(诸如局域Wi-Fi网络)通信地耦接到其他电子设备(例如，设备810B-C、820、830和/或840)。例如，在设备810A上操作的数字助理可经由蓝牙发现来检测设备810B-C，并且经由蓝牙连接通信地耦接到设备810B-C。又如，在设备810A上操作的数字助理可检测Wi-Fi网络并且经由Wi-Fi网络通信地耦接到设备830和设备840。又如，当设备830(例如，客户端设备诸如用户的智能电话)与设备810A处于非常接近或在物理上接触时，在设备810A上操作的数字助理可检测近场通信。例如，为了配对设备810A和设备830，用户804可轻击设备810A和设备830，从而在这两个设备之间建立近场通信。又如，在设备810A上操作的数字助理可检测到设备830(例如，客户端设备诸如用户的智能电话)在预先确定的距离内(例如，在蓝牙通信的范围内)并且建立与设备830的连接。例如，当用户804携带设备830接近或进入区域800时，在设备810A上操作的数字助理可检测到设备830在通信范围内，并且因此与设备830连接。又如，在设备810A上操作的数字助理可基于这两个设备之间的一个或多个先前建立的连接来建立与设备830的连接。例如，在设备810A上操作的数字助理可存储指示其过去连接的设备以及任选地连接参数的日志文件。因此，基于日志文件，在设备810A上操作的数字助理可确定例如之前其已经连接到设备830。基于此类确定，在设备810A上操作的数字助理可建立与设备830的连接。
在一些示例中，电子设备820可以是服务器；并且设备830和设备840可以是设置在电子设备810附近的客户端设备。例如，设备820可以是远程设置的云服务器；并且设备830和设备840可以分别是用户的智能电话和电视机顶盒。在一些示例中，在设备810A上操作的数字助理在其可接收到包括用户请求的用户输入和/或向设备820、830和840中的一者或多者提供对用户请求的表示之前建立与设备820、830和840中的至少一者的一个或多个连接。下文更详细地描述接收用户输入和向设备820、830和/或840提供对用户请求的表示。在接收到用户输入和向其他设备提供对用户请求的表示之前建立连接可提高操作效率和提供对用户请求的响应的速度。例如，通过预先建立连接，在设备810A上操作的数字助理可在接收到用户输入之后不浪费时间来建立连接。
在一些示例中，在建立设备810A和设备830(例如，客户端设备诸如用户的智能电话)之间的连接之后，在设备810A和/或设备830上操作的数字助理可向设备820(例如，服务器)通知已建立的连接。如下文更详细描述的，在设备810A上操作的数字助理可向设备820和设备830中的一者或两者提供对用户请求的表示以获得响应。设备820可以是远程设备诸如服务器，并且设备830可以是设置在设备810A附近的设备。因此，向设备820(例如，远程服务器)通知设备810A和设备830之间的连接可促进有效的操作。例如，如下所述，在一些实施方案中，在设备810A上操作的数字助理可向设备820和设备830两者提供对用户请求的表示。设备820和/或设备830可确定设备830(例如，设置在设备810A附近的客户端设备)能够提供响应。因此，因为设备820被通知设备830和设备810A相连接，所以设备820可不向设备810A提供响应。相反，设备820可与设备830协调以提供响应。在一些示例中，因为设备830(例如，用户的智能电话)设置在设备810A附近，所以可以更快和更有效的方式来提供响应。
在一些示例中，在设备810A上操作的数字助理可建立与具有相同类型的一个或多个设备的连接。例如，如图8A所示，多个设备810A-C可以是服务延伸设备，并且可设置在区域800中。因此，在设备810A上操作的数字助理可建立与设备810B和设备810C中的每一者的连接。如下文更详细描述的，建立设备810A、810B和810C之间的连接使得能够通过设置在区域800中的任何设备810A-C来向用户804提供响应。这提供了灵活性并提高了用户交互效率。例如，用户804可向设备810A提供语音输入(例如，“播放音乐”)，并且通过设备810C来接收响应(例如，音乐在设备810C处播放)。
在一些实施方案中，设备810A-C可以是用于将数字助理服务从一个设备延伸到另一设备的服务延伸设备。例如，如图8A所示，设备810A-C可设置在电子设备830(例如，智能电话设备)和/或电子设备840(例如，电视机顶盒)附近，以延伸由电子设备830和/或设备840提供的数字助理服务。在一些示例中，将设备810A-C设置在设备830和/或设备840附近可包括将设备810A-C设置在围绕设备830和/或设备840的预先确定的边界或距其预先确定的距离内。例如，设备810A-C可如设备830或设备840一样设置在同一房屋或建筑物中。如图8A所示，用户804可在物理上在区域800内或在其附近，该区域可包括一个或多个房间871、873和875。用户804可在物理上位于房间871中，同时电子设备830(例如，用户的智能电话)可设置在另一房间873中。在一些示例中，用户804可能想要访问由设备830提供的数字助理服务，尽管设备830不能够直接与用户804进行通信(例如，设备830可能无法经由其麦克风直接接收用户804的语音输入)。在一些示例中，设备810A-C可用作服务延伸设备，用于延伸由设备830提供的数字助理服务，如下文更详细描述的。
在一些实施方案中，一个或多个设备810A-C可能或可能不与单个设备或用户相关联。设备810A-C(例如，服务延伸设备)可被多个用户共享，并且可为多个设备延伸数字助理服务。在一些示例中，一个或多个设备810A-C可将数字助理服务延伸到多个用户。如图8B所示，用户804和用户806可共享一个或多个设备810A-C。例如，用户804可具有相关联的设备830(例如，用户804的智能电话或智能手表)；并且用户806可具有相关联的设备832(例如，用户806的智能电话或平板电脑)。在一些示例中，在设备810A上操作的数字助理可建立其自身和设备830之间的连接；以及其自身和设备832之间的连接。这样，在设备810A上操作的数字助理可为设备830和设备832中的一者或两者延伸数字助理服务。为多个设备延伸数字助理服务的能力使得设备810A-C能够被例如多个用户(例如，家庭成员)共享。
返回参考图8A，在一些实施方案中，在电子设备810A上操作的数字助理可从用户804接收表示用户请求的语音输入。例如，用户804可提供一个或多个语音输入，诸如“我的日历上明天有什么事？”、“我的第一次会议是什么时候？”、“天气怎么样？”或“从我的电影应用程序播放星球大战”。在一些示例中，用户请求可以是对特定于用户804的信息的请求。例如，语音输入诸如“我的日历上明天有什么事？”或“我明天的第一次会议是什么时候？”表示对特定于用户804的信息的请求。在一些示例中，用户请求可以是对非特定于用户的信息的请求。例如，语音输入诸如“明天的天气怎么样？”或“AAPL今天的股票价格是多少？”表示对不特定于任何特定用户的信息的请求。
在一些实施方案中，在接收到用户的语音输入之前，在设备810A上操作的数字助理可接收包括预先确定的内容的附加语音输入。响应于接收到附加语音输入，在设备810A上操作的数字助理可激活设备810A。例如，设备810A可被置于待机模式或低功率模式。将设备810A置于待机模式或低功率模式可减少功率消耗，并且在一些示例中，增强对用户隐私的保护。例如，在待机模式或低功率模式期间，仅为在设备810A上操作的数字助理启用有限的语音检测和/或语音处理功能。可禁用设备810A的其他功能(例如，相机、指示灯、扬声器等)。在一些示例中，在待机模式或低功率模式期间，在设备810A上操作的数字助理仍然可检测语音输入并确定该语音输入是否包括预先确定的内容诸如“醒来吧，扬声器”或“嘿，扬声器”。基于该确定，在设备810A上操作的数字助理可激活设备810A。在一些示例中，在设备810A被激活之后，设备810A退出待机模式并切换到正常操作模式。在正常操作模式中，在设备810A上操作的数字助理可执行另外功能。
如图8A所示，在区域800(例如，房屋)中，可设置多个设备810A-C。在一些示例中，激活设备810A-C中的一者的语音输入可能或可能没有激活设置在附近的其他设备。例如，如上所述，用户804可向设备810A提供包括预先确定的内容(例如，“醒来吧，扬声器”)的语音输入。在一些示例中，设备810B可能设置在区域800的另一部分(例如，另一房间)中，并且因此可能不接收语音输入。因此，设备810B可能不被激活。在一些示例中，设备810B可设置在设备810A附近(例如，在同一房间中)，并且还可接收包括预先确定的内容的语音输入。在一些示例中，在设备810A上操作的数字助理可与设备810B协调以确定哪个设备应该被激活。例如，在设备810A和设备810B上操作的数字助理两者都可检测并记录与语音输入相关联的音量或声压。基于对在设备810A处检测到的声压和在设备810B处检测到的声压的比较，可确定用户相对于这两个设备的位置。例如，可确定用户在物理上相比设备810B更接近设备810A。因此，设备810A可被激活，而设备810B可不被激活。应当理解，确定要激活哪个设备可以基于用户的语音输入(例如，用户804提供“唤醒客厅中的扬声器”)和/或任何上下文信息诸如用户的偏好、用户的相对位置、设备的能力和属性(例如，一个设备比另一设备更适合执行某些任务)等。
在一些实施方案中，在接收到用户的语音输入之后，在电子设备810A上操作的数字助理可输出关于用户请求的一个或多个语音查询。例如，基于用户的语音输入，用户意图可能不可确定或不清楚；或者在设备810A上操作的数字助理可能没有正确地接收到语音输入。这样，在设备810A上操作的数字助理可输出语音查询诸如“那是什么？”或“我不太明白”，从而试图澄清用户请求。响应于一个或多个语音查询，用户804因此可提供澄清他或她的请求的一个或多个附加语音输入(例如，重复或改述先前的语音输入)。并且设备810A可接收所述一个或多个附加语音输入。
在一些实施方案中，在接收到用户的语音输入之后，在设备810A上操作的数字助理可获得用户804的身份。如所描述的，电子设备810A可为与一个或多个用户(例如，如图8B所示的用户804和用户806)相关联的多个设备(例如，设备830和设备832)延伸数字助理服务。因此，为了提供来自与特定用户(例如，用户804或用户806)相关联的适当设备的数字助理服务的延伸，在电子设备810A上操作的数字助理可获得用户的身份。图9A至图9C示出了根据各种示例的在电子设备810A处获得用户804的身份的功能。参考图8A和图9A至图9C，在一些示例中，电子设备810A可包括认证模块912。认证模块912可包括一个或多个传感器，诸如语音生物识别传感器、面部识别系统、指纹读取器、NFC传感器等。在一些示例中，如图9A所示，认证模块912可获得与用户804相关联的认证数据906。在一些示例中，认证数据906可包括用户的语音生物识别，和/或指纹，和/或用户的面部识别数据。例如，用户804的语音生物识别可包括用户的语音特征，诸如声音模式或声纹。用户804的面部识别数据可包括可唯一地识别用户的用户的面部特征，诸如眼睛、鼻子、颧骨、下颚等的相对位置、尺寸和/或形状。
在一些示例中，认证数据906可包括感测识别用户的另一电子设备。例如，在设备810A上操作的数字助理可检测到用户804的可穿戴设备(例如，智能手表)设置在设备810A附近，经由NFC(例如，蓝牙)与可穿戴设备进行通信，并且从可穿戴设备获得认证数据906(例如，已经在用户的手表上被认证)。又如，在设备810A上操作的数字助理可检测到设备810A在物理上与识别用户的用户的智能电话接触，经由NFC(例如，蓝牙)与用户的智能电话进行通信，并且从用户的智能电话获得认证数据906。在一些示例中，认证数据906可包括用户的其他凭据，诸如用户的指纹、密码等。应当理解，在电子设备810A上操作的数字助理可以任何方式获得与用户804相关联的任何认证数据。
参考图8A和图9A至图9C，在设备810A上操作的数字助理可基于认证数据906来获得对用户804的身份的确定。如图9B所示，在一些实施方案中，在电子设备810A上操作的数字助理可向电子设备830提供获得的认证数据906以进行认证。例如，在设备810A上操作的数字助理可向电子设备830提供用户的语音生物识别数据、用户的面部识别数据、用户的指纹数据、设备感测数据和/或其他凭据。如所描述的，电子设备830可以是与用户804(例如，用户804的智能电话)相关联的设备，并且因此可存储用户身份信息。基于所接收的认证数据906，设备830可确定认证数据906是否包括与所存储的用户身份信息(例如，密码或指纹)匹配的凭据。如果认证数据906包括与用户身份信息匹配的凭据，则设备830可将对用户804的用户身份910的确定发送到设备810A。
参考图9C，如所描述的，在设备810A上操作的数字助理可向设备830提供认证数据906。在一些实施方案中，设备830(例如，智能电话)可能不能够获得用户804的身份，并且因此可将认证数据906转发到电子设备820。例如，设备830可能未存储可识别用户的语音生物识别信息，并且因此可能不能够对用户804的身份进行确定。因此，设备830可将认证数据906转发到设备820。在一些示例中，设备820可远离设备810A和设备830设置。例如，设备820可以是经由网络850通信地耦接到设备810A和设备830的服务器。设备820可存储用户身份信息，并且因此可确定认证数据906是否包括与所存储的身份信息匹配的凭据。如果设备820确定认证数据906包括与用户804的用户身份信息匹配的凭据，则设备820可将对用户804的用户身份926的确定发送到设备810A。在一些示例中，设备820可将对用户804的用户身份926的确定直接发送到设备810A。在一些示例中，设备820可将对用户804的用户身份926的确定发送到设备830，然后该设备转发到设备810A。
在一些示例中，获得用户804的身份可基于包括预先确定的内容的语音输入。如上所述，基于包括预先确定的内容(例如，“醒来吧，扬声器”或“嘿，扬声器”)的语音输入，在设备810A上操作的数字助理可激活设备810A。包括预先确定的内容的语音输入还可用于确定用户804的语音生物识别，该语音生物识别可包括用户的语音特征，诸如声音模式或声纹。因此，包括预先确定的内容的语音输入(例如，用于激活设备810A的语音输入)可用于以与类似于上述的方式识别用户804。
图10A至图10C示出了根据各种示例的基于对信息的用户请求来提供数字助理服务的功能。参考图8A和图10A至图10C，根据获得的用户身份，在电子设备810A上操作的数字助理可向设备820或设备830中的至少一者提供对用户请求1008的表示。如上所述，在一些示例中，设备820可以是远离设备810A-C和设备830设置的服务器。设备830可以是与用户804相关联的客户端设备(例如，用户的智能电话)，并且可设置在设备810A-C的附近(例如，在同一房屋或建筑物中)。
在一些实施方案中，在向远程设备提供对用户请求的表示之前，在设备810A上操作的数字助理可向设置在设备810A附近的设备提供对用户请求1008的表示。如图10A所示，用户804可提供语音输入1006，诸如“我明天的第一次会议是什么时候？”因此，语音输入1006包括对关于例如用户804在第二天的第一次会议时间的信息的用户请求。在一些实施方案中，在设备810A上操作的数字助理可确定设备830是否通信地耦接到设备810A。例如，在设备810A上操作的数字助理可检测设备830是否在通信范围内以及是否可经由NFC(诸如蓝牙或Wi-Fi连接)来建立连接。根据确定设备830通信地耦接到设备810A，在设备810A上操作的数字助理可向设备830提供对用户请求1008的表示。在一些实施方案中，设备830是设置在设备810A附近的设备(例如，用户的智能电话)；并且在设备810A上操作的数字助理可能不进一步向远程设备(诸如图8A所示的设备820)提供对用户请求的表示。因此，用户请求不被远程传输，并且可停留在设置在设备810A附近的设备(例如，用户的个人设备)内。通过仅向设置在设备810A附近的设备830提供对用户请求1008的表示，可以快速且有效的方式获得来自设备830的响应，而不必消耗时间来与远程设备进行通信。因此，可提高对在设备810A处的用户请求作出响应的速度。此外，用户请求(例如，包括在语音输入1006中的用户请求)可包括对敏感或机密的特定于用户的信息(例如，用户的日历信息)的请求。因此，出于隐私担忧，可能期望不将对用户请求1008的表示发送到远程设备诸如云服务器。
如图10A所示，在一些示例中，设备830从设备810A接收对用户请求1008的表示，并且确定其是否能够提供对用户请求的响应。例如，如所描述的，用户请求可包括对用户804在第二天的第一次会议时间的信息的请求。设备830可确定用户804的日历信息存储在设备830中，并且因此确定其能够提供对用户请求的响应。因此，设备830可将对用户请求的响应1010发送到设备810A。响应1010可包括例如用户804在第二天的第一次会议时间。在设备810A上操作的数字助理从设备830接收对用户请求的响应1010，并且可向用户804提供对响应1010的表示。如图10A所示，在设备810A上操作的数字助理可提供语音输出1012，诸如“您的第一次会议在明天上午9点”。
如所描述的，在设备810A上操作的数字助理可确定设备830是否通信地耦接到设备810A。例如，在设备810A上操作的数字助理可检测设备830是否在通信范围内以及是否可经由蓝牙或Wi-Fi连接来建立这两个设备之间的连接。参考图10B，在一些实施方案中，在设备810A上操作的数字助理可确定设备830没有通信地耦接到设备810A。例如，在设备810A上操作的数字助理可能不能够检测到设备830，因为设备830超出了通信范围，或因为不可在这两个设备之间建立连接。根据确定设备830没有通信地耦接到设备810A，在设备810A上操作的数字助理可向设备820提供对用户请求1008的表示。如上所述，设备820可以是远程设备诸如服务器。在一些示例中，在设备810A上操作的数字助理可经由网络850向设备820提供对用户请求1008的表示。
在一些实施方案中，如图10B所示，设备820从设备810A接收对用户请求1008的表示，并且确定其是否能够提供对用户请求的响应。例如，如所描述的，用户请求可包括对用户804在第二天的第一次会议时间的信息的请求。设备820可确定其存储用户804的日历信息(例如，存储在用户804的云帐户中)或具有对该日历信息的访问权限，并且因此确定其能够提供对用户请求的响应。因此，设备820可将对用户请求的响应1014发送到设备810A。对用户请求的响应1014可包括例如用户在第二天的第一次会议时间。设备810A从设备820接收对用户请求的响应1014，并且可向用户804提供对响应1014的表示。如图10B所示，在设备810A上操作的数字助理可提供语音输出1012，诸如“您的第一次会议在明天上午9点”。在一些示例中，在向用户804提供响应之后，设备810A可继续监视后续语音输入。
参考图10C，在一些实施方案中，用户804可提供语音输入1020，诸如“AAPL今天的股票价格是多少？”。这种类型的语音输入表示对非特定于用户的信息的请求。非特定于用户的信息不特定于特定用户，并且可以是一般信息诸如天气信息、股票价格信息、体育比赛信息等。在一些实施方案中，如图10C所示，在设备810A上操作的数字助理可向设备820且不向设备830提供对非特定于用户的信息的用户请求1022的表示。如所描述的，设备820可以是远离设备810A设置的服务器，并且设备830可以是设置在设备810A附近的用户的智能电话。在一些实施方案中，非特定于用户的信息(例如，天气、股票价格、比赛分数等)可能在设备830(例如，用户的智能电话)处不可获得和/或未被更新。因此，设备810A可确定从远程设备(例如，服务器)而不是设置在设备810A附近的设备(例如，用户的个人设备)获得非特定于用户的信息更合适且有效。这样，在设备810A上操作的数字助理可经由网络850向设备820(例如，服务器)提供对非特定于用户的信息的用户请求1022的表示。
如图10C所示，设备820从设备810A接收对用户请求1022的表示，并且确定其能够提供对用户请求的响应。例如，如所描述的，用户请求可包括对AAPL的股票价格信息的请求。设备820可确定其能够从相关数据源(例如，金融网站)获得该信息并且因此能够提供对用户请求的响应。因此，设备820可将对用户请求的响应1024发送到设备810A。对用户请求的响应1024可包括例如AAPL的当前股票价格。在设备810A上操作的数字助理从设备820接收响应1024，并且可向用户804提供对响应1024的表示。如图10C所示，在设备810A上操作的数字助理可提供语音输出1026，诸如“AAPL今天以200美元收盘”。
图11A至图11D示出了根据各种示例的基于用于执行任务的用户请求来提供数字助理服务的功能。参考图11A和图11B，在一些实施方案中，用户804可提供表示用于执行任务的用户请求的语音输入1106。例如，语音输入1106可包括“播放来自壮志凌云的MightyWings”。语音输入1106因此表示用于执行播放特定的一首音乐的任务的请求。在一些示例中，在设备810A上操作的数字助理可能不能够(例如，由于缺乏足够的信息)确定是否可由设备830(例如，设置在设备810A附近的设备，诸如用户804的个人智能电话)或设备820(例如，远程服务器)来提供对用户请求的响应。在以上示例中，设备810A可能不具有足够的信息来确定用户804的智能电话或服务器是否存储歌曲“Mighty Wings”。因此，在设备810A上操作的数字助理可向设备830和设备820两者提供对用户请求1108的表示。
如图11A所示，设备820和设备830两者都接收对用户请求1108(例如，用于执行任务的用户请求)的表示。设备820和设备830中的一者或两者可确定相应设备是否能够提供对用户请求1108的响应。例如，设备830可确定其是否存储歌曲Might Wings，并且如果是，则确定其能够提供响应。设备820可进行类似的确定。在一些示例中，可在设备820和设备830上单独且独立地进行该确定。例如，设备820和设备830两者都可确定它们是否存储歌曲“Mighty Wings”并且将该确定的结果传达给另一设备。在一些示例中，设备820或设备830中的一者可首先进行确定，然后向另一设备发送指示。例如，设备830可确定歌曲“MightyWings”是否存储在设备830中，并且向设备820发送对该确定的指示。如果设备830确定其存储歌曲“Mighty Wings”，则其可将对应的指示发送到设备820，使得设备820不进行任何进一步的确定。如果设备830确定其不具有歌曲“Mighty Wings”，则其可将对应的指示发送到设备820，使得设备820然后可确定其是否存储所请求的歌曲或具有对所请求的歌曲的访问权限。类似地，设备820可首先进行确定，然后将指示发送到设备830。在一些实施方案中，在设备810A上操作的数字助理可使得设备820和设备830中的一者或两者确定相应设备是否能够提供对用户请求的响应。例如，发送到设备820和设备830的对用户请求1108的表示可包括对设备820和设备830中的一者或两者的明确或含蓄请求，以确定设备中的一者或两者是否能够提供所请求的响应。
如图11A所示，在一些示例中，设备820(例如，服务器)可确定其能够提供对用户请求的响应；并且设备830(例如，用户的智能电话)可确定其不能够提供对用户请求的响应。例如，设备820可确定其存储所请求的歌曲“Mighty Wings”或具有对该歌曲的访问权限，并且设备830可确定其未存储该歌曲。因此，设备820可向设备810A提供对用户请求的响应1112。例如，设备820可将歌曲“Mighty Wings”流传输到设备810A。设备810A从设备820接收响应1112，并向用户804提供对响应1112的表示。例如，在设备810A上操作的数字助理接收歌曲“Mighty Wings”的流并提供该歌曲的音频输出1114。
参考图11B，在一些示例中，设备830(例如，用户的智能电话)可确定其能够提供对用户请求的响应；并且设备820(例如，服务器)可确定其不能够提供对用户请求的响应。例如，设备830可确定其存储歌曲“Mighty Wings”，并且设备820可确定其未存储该歌曲或者在不需要进一步的用户交互(例如，请求用户购买该歌曲)的情况下不具有对所请求的歌曲的访问权限。因此，设备830可向设备810A提供对用户请求的响应1112。例如，设备830可将歌曲“Mighty Wings”流传输到设备810A。在设备810A上操作的数字助理从设备830接收响应1122，并且向用户804提供对响应1122的表示。例如，设备810A接收歌曲“Mighty Wings”的流并提供该歌曲的音频输出1124。
参考图11A和图11B，在一些示例中，设备830(例如，用户的智能电话)和设备820(例如，服务器)两者都可确定相应设备能够提供对用户请求的响应。例如，设备830可确定其存储歌曲“Mighty Wings”并且设备820可确定其也存储所请求的歌曲(例如，在用户的云帐户中)或者在不需要进一步的用户交互的情况下(例如，在不需要用户购买该歌曲的情况下)具有对该歌曲的访问权限。因此，设备820或设备830能够向设备810A提供对用户请求的响应。在一些示例中，从多个设备中选择用于提供响应的设备可基于预先确定的条件。例如，预先确定的条件可包括预先配置的策略(例如，如果多于一个设备能够提供响应，则设备830是用于提供响应的默认设备)、连接带宽的条件(例如，具有更高连接带宽的设备是用于提供响应的设备)、用户偏好的条件(例如，为了节省蜂窝数据使用，用户偏好使用经由Wi-Fi连接到设备810A的设备来提供响应)等。基于预先确定的条件，设备820和设备830中的一者可将歌曲“Mighty Wings”流传输到设备810A。在设备810A上操作的数字助理接收对用户请求的响应，并且向用户提供对响应的表示。例如，设备810A接收歌曲“Mighty Wings”的流并提供该歌曲的音频输出。
参考图11C，在一些实施方案中，用户804可提供表示用于执行任务的用户请求的语音输入1126。语音输入1126可包括例如“播放电影星球大战”。在设备810A上操作的数字助理接收语音输入1126。在一些示例中，基于语音输入1126，设备810A可向设置在设备810A附近的设备(例如，设备840)且不向远程设备(例如，设备820诸如服务器)提供对用户请求1128的表示。因为许多原因，在设备810A上操作的数字助理可能不向远程设备提供对用户请求1128的表示。例如，在设备810A上操作的数字助理可确定该信息可能在设置在设备810A附近的设备(例如，设备840诸如电视机顶盒)处可获得；不存在到远程设备的连接或连接不佳；到远程设备的带宽有限或较低；预先确定的配置需要向设备810A附近的设备(例如，经由Wi-Fi连接到设备810A的设备)提供对用户请求的表示；等。如上所述，设备840可以是设置在设备810A附近的电视机顶盒，并且设备820可以是远程设置的服务器。在一些示例中，在设备810A上操作的数字助理可被配置为始终向设置在设备810A附近的设备(例如，设备840)提供对用户请求的表示。在一些示例中，在设备810A上操作的数字助理可被配置为基于用户请求的类型和/或内容来向设置在设备810A附近的设备(例如，设备840)或远程设备(例如，设备820)提供对用户请求的表示。如上所述，在一些示例中，如果用户请求是对特定于用户的信息的请求，则在设备810A上操作的数字助理可向设置在设备810A附近的设备(例如，用户的智能电话)提供对用户请求的表示；并且如果用户请求是对非特定于用户的信息的请求，则设备810A可向远程设备(例如，服务器)提供对用户请求的表示。
如图11C所示，设备840接收对用户请求1128的表示，这可使得设备840确定其是否能够提供对用户请求的响应。例如，设备840可确定其存储电影星球大战并且因此能够向设备810A提供响应。又如，设备840可确定其存储包括用户的个人日历、联系人、照片、媒体项等的数据，并且因此能够使用这些存储的数据来提供对针对信息或任务执行的用户请求的响应。根据确定设备840能够提供对用户请求的响应，设备840可向设备810A提供响应1134。例如，设备840可将电影“星球大战”流传输到设备810A。在设备810A上操作的数字助理从设备810A接收响应1134，并且向用户提供对响应1134的表示。例如，在设备810A上操作的数字助理可使用其显示器和扬声器来提供音频输出1136(例如，播放电影“星球大战”)。在一些示例中，设备840可向设备810A提供响应的至少一部分，同时向一个或多个其他设备提供响应的其他部分。例如，设备840可向设备810A提供电影“星球大战”的音频部分，同时向设备1137(例如，电视)提供该电影的视频部分。
参考图11C，如所描述的，设备840接收对用户请求1128的表示，这可使得设备840确定其是否能够提供对用户请求的响应。在一些示例中，设备840可确定其不能够提供对用户请求的响应。例如，设备840可确定其未存储电影“星球大战”并且因此不能够提供响应。又如，设备840可确定用户请求针对未存储在设备840中的信息(例如，股市信息、web搜索请求等)并且因此确定其不能够提供响应。
如图11C所示，根据确定设备840不能够提供对用户请求的响应，设备840可经由网络850将对用户请求1128的表示转发到设备820。如所描述的，设备820可以是服务器。基于对用户请求1128的表示，设备820然后可确定其是否能够提供响应。例如，设备820可确定其是否存储了所请求的电影，或者是否能够从用户804的云帐户或从web源(例如，媒体网站)访问所请求的电影。如果设备820确定其存储所请求的电影或者能够访问所请求的电影，则设备820确定其能够提供响应。在一些示例中，设备820可向设备840提供响应1132，然后该设备可转发到设备810A和任选地设备1137(例如，电视)。在一些示例中，设备820可直接向设备810A和任选地设备1137提供响应1132。例如，设备820可将电影星球大战的音频部分发送到设备810A，同时将电影星球大战的视频部分发送到设备1137(经由设备840)。在设备810A上操作的数字助理和任选地设备1137接收响应1132，并向用户提供对响应1132的表示。例如，在设备810A上操作的数字助理和任选地设备1137可基于所接收的响应1132来提供输出1136(例如，播放电影“星球大战”)。
使用图11C所示的示例，代替提供语音输入1126，用户804可提供语音输入诸如“在我的电视上播放电影星球大战并在我的计算机上设置另一屏幕”。类似于上述那些，在设备810A上操作的数字助理可向设备840提供对用户请求的表示，并且基于确定设备840(例如，设置在设备810A附近的电视机顶盒)或设备820(例如，服务器)是否能够提供响应来从设备840或设备820接收对用户请求的响应。在一些实施方案中，用户请求可指示对用户请求的响应将被提供到多个设备。因此，设备840和/或设备820可相应地提供响应。例如，在设备810A上操作的数字助理可接收响应的一部分(例如，电影的音频部分)；设备1137可接收响应的另一部分(例如，电影的视频部分)；并且另一设备(例如，用户的计算机)可接收响应的副本(例如，电影的音频和视频部分两者的拷贝)。在一些示例中，用户804可能想要使用设备诸如他或她的计算机或平板电脑来观看电影，而不是使用设备810A。用户804可提供语音输入，诸如“在我的计算机上播放电影星球大战”或“在我的平板电脑上播放电影星球大战”。可将该语音输入作为用于开始任务执行(例如，开始播放电影星球大战)的初始输入提供。还可在任务正在被执行时(例如，在设备840正在将电影流传输到设备810A和/或设备1137时)将该语音输入作为后续输入提供。类似于上述那些，设备810A可向设备840和/或设备820提供对用户请求的表示。对用户请求的表示可指示响应将被提供到用户的计算机或平板电脑(图11C中未示出)。因此，用户的计算机或平板电脑可基于确定设备840(例如，设置在设备810A附近的电视机顶盒)或设备820(例如，服务器)是否能够提供响应来从设备840或设备820接收对用户请求的响应。
参考图11D，在一些实施方案中，用户804可提供语音输入1152，诸如“给Jane打电话并和Kevin发起会议”。在设备810A上操作的数字助理接收到语音输入1152并且可向设备830(例如，用户的智能电话)提供对用户请求1154的表示。用户请求1154可包括用于在设备830处执行任务(例如，给Jane打电话并和Kevin发起会议)的请求。设备830接收对用户请求1154的表示，并确定其能够执行该任务。如上文结合图1至图7C所述，并且类似地在其他示例中，在设备830(和/或设备810A)上操作的数字助理的自然语言处理模块可基于用户请求来识别可执行意图并且生成结构查询以表示所识别的可执行意图。例如，基于语音输入1152，设备830因此可确定可执行意图是否是“进行电话呼叫”。在一些示例中，数字助理可主动地引出并获得完全推断用户意图所需的信息(例如，通过消除字词的歧义，引出来自用户的进一步澄清输入和/或使用上下文信息诸如用户的联系人列表)。针对“进行电话呼叫”的结构化查询可包括参数诸如{被叫方}、{电话号码}等。接下来，数字助理的任务流处理模块可接收该结构化查询并且执行提供对用户请求的响应所需的动作。因此，设备830可根据用户请求1154来执行任务(例如，呼叫用户1194的设备1182并且在用户1196的设备1186中发起会议)。基于任务的执行，设备830还可向设备810A提供响应1157。例如，在设备810A上操作的数字助理可从设备830接收响应1157，指示已经建立了与用户1194(例如，Jane)和用户1196(例如，Kevin)的会议。因此，在设备810A上操作的数字助理可提供音频输出1162，诸如“连接了Jane和Kevin”。
图12A至图12C示出了根据各种示例的基于对信息的用户请求来提供数字助理服务的功能。参考图12A，用户804可提供语音输入1206，诸如“查找Jane的移动电话号码”。语音输入1206因此表示对电话号码的用户请求。在设备810A上操作的数字助理接收语音输入1206，并且经由网络850向远程设备(例如，设备820诸如服务器)且不向设置在设备810A附近的设备(例如，设备830诸如用户的智能电话)提供对用户请求1208的表示。因为许多原因，在设备810A上操作的数字助理可能不向设置在设备810A附近的设备提供对用户请求1208的表示。例如，在设备810A上操作的数字助理可确定该信息不太可能在设置在设备810A附近的设备(例如，设备830)处可获得；不存在到在设备810A附近的设备的连接或连接不佳(例如，设备830在设备810A的通信范围外)；到设置在设备810A附近的设备的带宽有限或较低；预先确定的配置需要向远程设备提供对用户请求的表示；等。
在一些实施方案中，设备820接收对用户请求1208的表示，这可使得设备820确定其是否能够提供对用户请求的响应。例如，设备820可确定用户804的云帐户存储所请求的电话号码并且因此能够提供对用户请求的响应。根据确定设备820能够提供对用户请求的响应，设备820可向设备810A提供响应1210。例如，设备820可向设备810A提供Jane的电话号码。在设备810A上操作的数字助理从设备820接收响应1210，并且向用户804提供对响应1210的表示。例如，在设备810A上操作的数字助理可提供音频输出1212，诸如“Jane的号码是123-456-7890”。
参考图12B，类似于图12A，在设备810A接收到语音输入1226诸如“查找Jane的电话号码”之后，其可经由网络850向设备820提供对用户请求1228的表示。在一些实施方案中，设备820接收对用户请求1228的表示，这可使得设备820确定其是否能够提供对用户请求1228的响应。例如，设备820可确定用户804的云帐户未存储Jane的电话号码并且因此不能够提供对用户请求的响应。根据确定设备820不能够提供对用户请求的响应，设备820可将对用户请求1228的表示转发到设备830。设备830可以是设置在设备810A附近的设备，并且可以是与用户804相关联的设备(例如，用户804的个人设备，诸如智能电话)。类似于上述那些，设备830可确定其是否能够提供对用户请求的响应(例如，其是否存储Jane的电话号码)，并且根据该确定来向设备810A提供响应1232。例如，根据确定设备830能够提供Jane的电话号码，设备830可向设备810A提供Jane的电话号码。在设备810A上操作的数字助理从设备830接收响应1232，并且向用户提供对响应1232的表示。例如，在设备810A上操作的数字助理可提供音频输出1234，诸如“Jane的号码是123-456-7890”。在一些示例中，在设备810A上操作的数字助理可直接从设备830接收响应。在一些实施方案中，设备830可向设备820提供响应，该设备然后将响应转发到设备810A，如下所述。
参考图12C并且继续结合图12B描述的以上示例，在设备810A上操作的数字助理可间接从设备830接收响应1252。例如，设备830可向设备820(例如，服务器)提供响应1252(例如，Jane的电话号码)，该设备然后可将响应1252转发到设备810A。在设备810A上操作的数字助理从设备820接收响应1252，并且向用户804提供对响应1252的表示。例如，在设备810A上操作的数字助理可提供音频输出1256，诸如“Jane的号码是123-456-7890”。
图13A至图13B示出了根据各种示例的在第一电子设备或另外电子设备处提供数字助理服务的功能。参考图13A，如上所述，多个设备810A-C可以是用于将数字助理服务从一个设备延伸到另一设备的服务延伸设备。例如，如图13A所示，设备810A-C可设置在设备830(例如，用户804的智能电话设备)附近，以延伸由设备830提供的数字助理服务。在一些示例中，将多个设备810A-C设置在设备830附近可包括将设备810A-C设置在设备830的预先确定的边界或距离内。例如，设备810A-C可如设备830一样设置在同一房屋或建筑物中。如图13A所示，在一些实施方案中，设备810A-C可以用于将数字助理服务延伸到区域1300的不同部分的方式设置。如图13所示，区域1300可包括例如客厅1320、办公室1340和卧室1360。在一些示例中，设备810A可设置在客厅1320中，设备810B可设置在办公室1340中；并且设备810C可设置在卧室1360中。如上所述，设备810A-C可彼此通信地耦接并且通信地耦接到其他设备(例如，设备820和设备830)。
如图13A所示，用户804可位于设备810A设置在其中的客厅1302内。用户804可能想要伴随一些轻音乐上床睡觉，并且因此向设备810A提供语音输入1306，诸如“在我的卧室扬声器上播放轻音乐”。在设备810A上操作的数字助理接收表示用户请求的语音输入1306。类似于上述那些，设备810A可向设备830(例如，设置在设备810A附近的用户的智能电话)或设备820(例如，远程设置的服务器)中的至少一者提供对用户请求的表示。设备820或设备830中的至少一者确定相应设备是否能够提供对用户请求的响应，并且向设备810A提供响应。然后，在设备810A上操作的数字助理可向用户804提供对响应的表示(例如，音频输出)。
在一些实施方案中，在向用户804提供对响应的表示之前，在设备810A上操作的数字助理可确定将由设备810A还是另一设备提供对响应的表示。例如，语音输入1306可包括“在我的卧室扬声器上播放轻音乐”。因此，在设备810A上操作的数字助理可确定用户意图不是在设备810A上播放音乐，而是在设置在卧室1360内的设备810C上播放音乐。可使用例如上述自然语言处理来进行该确定。根据确定不是将由设备810A提供对响应的表示，设备810A可将响应转发到或者使得响应被提供到设置在卧室1360中的设备810C。因此，设备810C可提供播放用户所请求的轻音乐的音频输出1310。在其他示例中，根据确定将由设备810A提供对响应的表示，设备810A自身可向用户804提供对响应的表示。如上所述，多个设备810A-C可设置在区域1400中。在一些示例中，数字助理(在设备810A、设备810B、设备810C、设备830等上操作的数字助理)可确定每个设备810A-C的位置(例如，基于初始配置)。例如，在初始配置期间，可基于设备或设备组在用户家中的位置来为其分配名称诸如“客厅”。在一些实施方案中，设备或设备组的名称是默认名称诸如“设备1”或“设备1-客厅”。在一些实施方案中，设备位置(例如，房间名称)和其他设备配置被包括在配置数据中。在配置过程期间，配置数据被设备接收并存储。
如上所述，在向用户804提供对响应的表示之前，在设备810A上操作的数字助理可确定将由设备810A还是另一设备提供对响应的表示。在一些示例中，此类确定可基于由用户的语音输入(例如，“在我的卧室扬声器上播放轻音乐”)表示的用户请求。在一些示例中，此类确定可基于检测用户的位置或跟踪用户的移动中的至少一者。参考图13B，用户804可位于设备810A设置在其中的客厅1302内。用户804可能想要去办公室1340并且听一些轻音乐，并且因此向设备810A提供语音输入1326诸如“播放轻音乐”。语音输入1326不指示用户想要在哪个设备810A-C上播放音乐。在设备810A上操作的数字助理接收表示用户请求的语音输入1326。类似于上述那些，设备810A可向设备830(例如，设置在设备810A附近的用户的智能电话)或设备820(例如，远程设置的服务器)中的至少一者提供对用户请求的表示。设备820或设备830中的至少一者确定相应设备是否能够提供对用户请求的响应，并且向设备810A提供响应。
在向用户804提供对响应的表示之前，设备810A可确定将由设备810A还是另一设备提供对响应的表示(例如，音频输出)。在一些示例中，设备810A可基于检测用户804的位置或跟踪用户804的移动中的至少一者来进行此类确定。例如，设备810A可检测到用户804位于客厅1320中但是正朝办公室1340移动。设备810A可使用例如一个或多个传感器(诸如运动传感器、定位系统、相机等)来检测位置和/或移动。根据确定用户804正朝办公室1340移动，在设备810A上操作的数字助理可确定用户意图不是在设备810A上播放音乐，而是在设置在办公室1340内的设备810B上播放音乐，或者音乐回放应该在设备810A上开始，但是在设置在办公室1340中的设备810B上继续(并且任选地在设备810A上停止)。根据确定不是将由设备810A提供对响应的表示，设备810A可将响应转发到或者使得响应被提供到设置在办公室1340中的设备810B。因此，设备810B可提供播放用户所请求的轻音乐的音频输出1328。
在其他示例中，根据确定将由设备810A提供对响应的表示(例如，用户804位于客厅1320中并且未移动)，设备810A自身可向用户804提供对响应的表示。应当理解，在设备810A上操作的数字助理可基于任何上下文信息来确定将由设备810A还是另一设备提供响应，所述任何上下文信息诸如为用户偏好(例如，用户804偏好在就寝之前收听音乐)、过去用于提供响应的设备、设备属性和能力(例如，相比设备810B，设备810A可提供更好的声音)等。
图14示出了根据各种示例的在不同电子设备之间提供数字助理服务的连续性的功能。如图14所示，在设备810A上操作的数字助理可能正向用户804提供响应1406(例如，播放音乐)。在设备810A处于提供响应1406的过程中时，用户804可能移出设备810A设置在其中的区域1400。例如，用户804可能需要离开他或她的房屋去上班。在一些实施方案中，在设备810A上操作的数字助理可确定是否由不同的电子设备连续地提供响应1406。例如，在设备810A正在提供响应1406时，用户804可提供语音输入，诸如“在我的智能电话上继续播放音乐”。设备810A接收到该语音输入并且可确定用户意图是在设备830(例如，用户的智能电话)上继续播放音乐。可使用上述自然语言处理技术来进行此类确定。基于所确定的用户意图，设备810A可确定响应1406应该将在不同设备处继续提供音乐。
在一些实施方案中，用户804还可向设备830替代向设备810A提供语音输入，诸如“在我的智能电话上继续播放音乐”。基于语音输入和上下文信息(例如，设备810A当前正在提供音频输出)，设备830可确定用户意图是连续地执行正在设备810A处执行的任务。例如，设备830可与设备810A(以及通信地耦接到设备830的其他设备)进行通信以确定设备810A的状态信息。设备810A的状态信息可指示其当前正在播放音乐。因此，设备830可确定用户意图是连续地播放当前正在设备810A上播放的音乐。基于该确定，设备830可与设备810A进行通信，以连续地执行当前正由设备810A执行的任务。例如，设备830可获得内容和/或元数据(例如，与当前正在播放的音乐相关联的时间戳)，由设备830连续地播放音乐，并且使得设备810A停止播放。
作为图14所示的另一示例，当在设备810A上操作的数字助理正在提供响应1406时，设备810A可执行检测用户的位置或跟踪用户的移动中的至少一者。设备810A可使用例如一个或多个传感器(诸如运动传感器、定位系统、相机等)来检测位置和/或移动。例如，设备810A可连续或周期性地跟踪用户804的当前位置和/或移动。在一些示例中，设备810A可检测用户804相对于设备810A的位置变化是否满足预先确定的条件。例如，设备810A可检测到用户804已经移出区域1400(例如，房屋)的预先确定的边界。因此，设备810A可确定应该在不同设备处连续地提供响应1406。
又如，在设备810A处于提供响应1406的过程中时，其可检测与用户804相关联的设备(例如，设备830诸如用户的智能电话)的移动。例如，设备810A可确定设备830的通信信号强度在短持续时间内减小，指示设备830可能移出区域1400的边界。因此，设备810A可确定应该在不同设备(例如，设备830)处连续地提供响应1406。
在一些实施方案中，根据确定将在不同电子设备处连续地提供响应1406，设备810A可使得响应1406由一个或多个不同电子设备连续地提供。例如，设备810A可将用于提供响应1406的剩余内容(例如，响应1406的剩余部分)和/或与提供响应1406相关联的元数据(例如，从设备820或设备830流传输的当前正在播放的媒体的时间戳)传输到设备830(例如，用户的智能电话)。在一些示例中，设备810A还可将通知发送到从其获得响应1406的内容的另一设备(例如，设备820)。该通知可指示或请求响应1406将在另一设备处被连续地提供，并且因此响应1406的内容应该被提供到该设备。基于所接收的剩余内容和/或元数据，设备830可继续向用户804提供响应1406。在2016年9月21日提交的标题为“INTELLIGENTDIGITAL ASSISTANTIN A MULTI-TASKING ENVIRONMENT”(多任务环境中的智能数字助理)的共同未决的美国专利申请No.15/271,766中描述了在不同设备上连续地提供数字助理服务的更多细节，该专利申请的内容据此全文以引用方式并入。
在结合图8A至图8B、图9A至图9C、图10A至图10C、图11A至图11D、图12A至图12C、图13A至图13B和图14的以上描述中，设备820可以是远程设备诸如服务器。在一些实施方案中，设备可设置在设备810A-C的附近，用作设备820的代理设备。例如，并且返回参考图8A，设备840(例如，电视机顶盒)可用作设备820(例如，远程服务器)的代理设备。代理设备可用作针对来自客户端设备(例如，设备810A)的从其他设备(例如，服务器)寻求资源的请求的中介。作为代理，设备840可操作以处理来自多个家庭自动化设备(例如，智能恒温器、智能门、智能灯开关等)的请求。例如，基于用户的语音输入(例如，经由设备810A接收的语音输入)，可能需要智能恒温器来执行调节温度和/或湿度水平的任务。因此，智能恒温器可与设备840进行通信以从各种传感器请求当前温度和湿度数据。因此，设备840可用作代理以将该请求中继到适当的设备和/或传感器，并且将数据提供到智能恒温器。
5.基于对事件的通知来提供数字助理服务的数字助理的示例性功能。
图2、图4、图6和图15A至图15G示出了通过在电子设备上操作的数字助理来提供数字助理服务的功能。在一些示例中，数字助理(例如，数字助理系统700)由用户设备根据各种示例来实现。在一些示例中，用户设备、服务器(例如，服务器108、设备820)或其组合可以实现数字助理系统(例如，数字助理系统700)。用户设备可使用例如设备200、400、600、810A-C、820和/或830来实现。在一些示例中，用户设备是具有音频输出能力和网络连接性的设备、智能电话、膝上型计算机、台式计算机或平板电脑。
图15A至图15G示出了根据各种示例的基于对事件的通知来提供数字助理服务的功能。如图15A所示，设备810A可接收对与用户1504相关联的一个或多个事件的通知1506和/或1508。如上所述，设备810A(以及类似地其他设备810B-C)可包括一个或多个音频输入和输出设备(例如，麦克风和一个或多个扬声器)、一个或多个网络通信接口以及任选地用于提供设备操作指示的一个或多个指示器(例如，灯)。在一些示例中，如图15A所示，设备810A可接收来自设备830(例如，用户的智能电话)的通知1506和/或来自设备820(例如，远程服务器)的通知1508。
在一些示例中，对事件的通知可包括对来电、提醒、消息、语音邮件、新闻警示等中的至少一者的表示。例如，在设备830上操作的数字助理可接收来自日历应用程序的日历提醒，并且可将对日历提醒的表示转发到设备810A。如图15A所示，响应于接收到通知1506和/或通知1508，在设备810A上操作的数字助理可输出对通知1506和/或通知1508的一个或多个指示1510。在一些示例中，指示1510可以是音频指示(例如，蜂鸣声、音调等)、视觉指示(例如，闪光灯、显示的消息等)或音频指示和视觉指示的组合。虽然图15A示出了指示1510由设备810A提供，但是指示1510也可由其他设备提供，所述其他设备诸如为设备830和/或设备810B-C(图15A中未示出)。如所描述的，设备830可以是例如用户的智能电话、智能手表、平板电脑等；并且设备810B-C可以是与设备810A类似类型的设备并且设置在设备810A的附近(例如，在同一房屋中)。因此，可由在任何位置处的任何设备向用户1504提供对通知的指示。通过设置在各个位置处的多个设备来提供指示可提高捕获用户1504关于通知的注意力的可能性。在一些示例中，通知仅由一个设备(例如，设备810A)提供以便最小化对用户1504的干扰。
如图15B所示并且继续以上示例，用户1504接收到指示1510并且可提供询问指示1510的语音输入1516。例如，语音输入1516可包括“那是什么？”在一些示例中，在设备810A上操作的数字助理接收到语音输入1516并且可根据对事件的通知来输出响应1518。例如，如图15B所示，如果对事件的通知包括对来自John的语音消息的表示，则在设备810A上操作的数字助理可输出响应1518，诸如“您有来自John的语音邮件”。如果对事件的通知包括对日历提醒的表示，则在设备810A上操作的数字助理可输出响应1518，诸如“您的日历上有即将发生的事件”。如果对事件的通知包括对来自John的来电的表示，则在设备810A上操作的数字助理可输出响应1518，诸如“您有来自John的来电”。
如图15C所示并且继续以上示例，在根据对事件的通知来输出响应1518之后，在设备810A上操作的数字助理可通过例如在响应1518期间或之后侦听用户话语来继续监视用户输入。例如，在设备810A上操作的数字助理可接收后续语音输入1526。语音输入1526可包括例如“播读消息”、“是什么事件？”或“接听来自John的呼叫”。
在一些示例中，如图15C所示，在设备810A上操作的数字助理接收到语音输入1526并且可基于语音输入1526来确定用户意图。例如，在设备810A上操作的数字助理可确定用户意图是播读来自John的语音邮件、收听即将发生的日历事件或者接听来自John的呼叫。因此，在设备810A上操作的数字助理可根据所确定的用户意图来向用户1504提供通知。例如，在设备810A上操作的数字助理可提供对应于来自John的语音邮件的音频输出1528(例如，“嗨，Bill，我是John。你明天有时间一起吃午饭吗？”)。
在一些实施方案中，在设备810A上操作的数字助理可根据一个或多个语音输入来确定是否将在设备810A处提供通知。如上所述，在一些示例中，设备810A可在多个用户之间共享。因此，设备810A接收到的对事件的通知可能或者可能是针对特定用户(例如，用户1504)的。如图15D所示并且继续以上示例，其中设备810A根据对事件的通知来输出响应(例如，“Bill，您有来自John的语音邮件”)，设备810A可接收来自用户1505的后续语音输入1536，该用户是不同于用于提供对事件的通知的预期用户的用户。语音输入1536可包括例如“我不是Bill。他不在这儿”。
在一些示例中，在设备810A上操作的数字助理可获得提供一个或多个语音输入的用户的身份，并且确定是否将向提供所述一个或多个语音输入的用户提供通知。如图15D所示，例如，基于语音输入1536(例如，“我不是Bill。他不在这儿”)，在设备810A上操作的数字助理可确定用户1505不是打算向其提供通知的用户(例如，“不是Bill”)。因此，在设备810A上操作的数字助理可确定不应该向用户1505提供通知。
在一些示例中，为了获得提供一个或多个语音输入的用户的身份，在设备810A上操作的数字助理可获得与该用户相关联的认证数据。如图15E所示并且继续以上示例，其中设备810A根据对事件的通知来输出响应(例如，“Bill，您有来自John的语音邮件”)，在设备810A上操作的数字助理可接收来自用户1507的后续语音输入1546，该用户是不同于用于提供对事件的通知的预期用户的用户。用户1507可以是例如在用户1504(例如，比尔)房屋中的客人。用户1507可能决定收听Bill的消息并且因此语音输入1546可包括例如“播读消息”。在一些示例中，在设备810A上操作的数字助理可获得与用户1507相关联的认证数据。类似于上述那些，认证数据可包括用户1507的语音生物识别、用户1507的面部识别数据、感测识别用户1507的另一设备(例如，该用户的智能手表)以及用户1507的其他凭据(例如指纹、密码等)。基于认证数据，在设备810A上操作的数字助理可获得对用户1507的身份的确定。例如，在设备810A上操作的数字助理可基于认证数据来验证用户1507。又如，在设备810A上操作的数字助理可向设备830(例如，Bill的智能电话)或设备820(例如，服务器)中的至少一者提供认证数据以进行认证。设备830和/或设备820接收到认证数据并且可执行认证以获得用户1507的身份(例如，匹配语音生物识别、指纹、密码等)。因此，在设备810A上操作的数字助理可从设备830或设备820中的至少一者接收用户1507的身份。
在一些示例中，在设备810A上操作的数字助理可基于用户的身份并基于所接收的通知来确定是否应该向提供所述一个或多个语音输入中的至少一个的用户提供通知。例如，如图15E所示，基于用户1507的身份(例如，在用户1504的房屋中的客人)和通知1506(例如，对针对Bill的语音邮件的表示)，在设备810A上操作的数字助理可确定不应该向用户1507提供通知1506，因为用户1507的身份与该通知打算发给的用户不匹配(例如，用户1507不是Bill或者未被授权)。因此，在设备810A上操作的数字助理可提供通知用户1507他或她未被授权来接收通知的音频输出1548(例如，“抱歉，您未被授权来收听该消息”)。在另一方面，在设备810A上操作的数字助理可确定应该向用户1507提供通知1506，因为用户1507的身份与该通知打算发给的用户匹配(例如，用户1507是Bill或者被授权)。例如，用户1507可以是用户1504的家庭成员，并且被授权来接收针对用户1504的通知。因此，设备810A可提供包括通知1506的内容的音频输出。
在一些示例中，根据确定将向提供所述一个或多个语音输入中的至少一个的用户提供通知，在设备810A上操作的数字助理可进一步确定是否将在设备810A处提供通知。如图15F所示，基于语音输入1556(例如，“播读消息”)，设备810A可获得用户1504的身份并确定用户1504被授权来接收通知。因此，在设备810A上操作的数字助理可确定应该向用户1504提供通知。在一些示例中，在设备810A上操作的数字助理可进一步确定是否将在设备810A处提供通知。如图15A所示，一个或多个设备可设置在用户1504附近。例如，设备810A可设置在客厅1520中；设备810B可设置在办公室1540中；并且设备810C可设置在卧室1560中。在一些示例中，设备810A可能或者可能不是用于向用户1504提供通知的最佳设备。例如，用户1504可能正移动远离设备810A(例如，朝办公室1540移动)。又如，在设置在客厅1520中的设备810A附近可能存在其他用户(例如，客人)，因此出于隐私担忧，用户1504可能不想要从设备810A接收通知。
类似于上述那些，在一些示例中，对是否将在设备810A处提供通知的确定可基于由用户的语音输入(例如，“在我的办公室扬声器上播读消息”)表示的用户请求。在一些示例中，此类确定可基于检测用户的位置或跟踪用户的移动中的至少一者。例如，用户1504可能想要去办公室1540接收通知(例如，收听语音邮件、接听电话呼叫等)。在设备810A上操作的数字助理可检测到用户804位于客厅1520中但是正朝办公室1540移动。在设备810A上操作的数字助理可使用例如一个或多个传感器(诸如运动传感器、定位系统、相机)和对各个设备的信号强度测量等来检测位置和/或移动。基于对用户移动的检测，在设备810A上操作的数字助理可确定应该由设置在办公室1540中的设备810B而不是设置在客厅1520中的设备810A提供通知。在其他示例中，在设备810A上操作的数字助理可检测到用户804未移动并且停留在客厅1520中。因此，设备810A可确定应该由设置在客厅1520中的设备810A提供通知。
图15G示出了另一示例，其中设备810A可确定应该由另一设备提供通知。如图15G所示，在接收到通知1572(例如，对来自John的语音邮件的表示)时，设备810A可能正在提供音频输出1576(例如，播放媒体项)。因此，在设备810A上操作的数字助理可确定不应该在设备810A处提供通知1572，以避免中断提供音频输出1576。因此，在设备810A上操作的数字助理可确定用于提供通知1572的另外设备。在一些示例中，此类确定基于上下文信息。例如，基于设备810A当前正在提供音频输出1576的信息并且基于对设备830的检测，设备810A可确定可在设备830处提供通知1572。在一些示例中，设备810A可提供与用户1504确认应该在另一设备处提供通知1572的输出(例如，音频和/或视觉输出)。应当理解，在设备810A上操作的数字助理可基于任何上下文信息来确定将在设备810A处还是在另一设备处提供通知，所述任何上下文信息诸如为用户偏好(例如，用户1504偏好在办公室1540中的设备810B上收听来自同事的语音邮件)、过去用于提供通知的设备、设备属性和能力(例如，相比设备810A，设备810B可提供更好的声音)等。
在一些实施方案中，根据确定将在设备810A处提供通知，在设备810A上操作的数字助理可在设备810A处提供通知。例如，如以上示例所示，在设备810A上操作的数字助理可提供包括通知的音频输出(例如，输出语音邮件、电话呼叫、日历提醒等)。根据确定将在不同于设备810A的设备处提供通知，在设备810A上操作的数字助理可使得通知在另一设备处被提供。例如，在设备810A上操作的数字助理可将通知转发到设备830，或者向设备830发送用于在设备830处提供通知的请求。基于该通知或请求，设备830可提供包括通知的内容的音频输出1574(例如，输出语音邮件、电话呼叫、日历提醒等)。
6.用于基于用户输入来提供数字助理服务的过程。
图16A至图16I示出了根据各种示例的用于操作用于基于用户输入来提供数字助理服务的数字助理的过程1600。例如使用实现数字助理的一个或多个电子设备来执行过程1600。在一些示例中，使用客户端-服务器系统(例如，系统100)来执行过程1600，并且在服务器(例如，DA服务器106)和客户端设备之间以任何方式来划分过程1600的框。在其他示例中，在服务器和多个客户端设备(例如，移动电话和智能手表)之间划分过程1600的框。因此，虽然过程1600的部分在本文中被描述为由客户端-服务器系统的特定设备执行，但应当理解，过程1600不限于此。在其他示例中，使用仅客户端设备(例如，用户设备104、电子设备810A、设备830或设备840)或仅多个客户端设备来执行过程1600。在过程1600中，一些框被任选地组合，一些框的次序被任选地改变，并且一些框被任选地省略。在一些示例中，可结合过程1600来执行附加步骤。
参考图16A，在框1602处，接收包括预先确定的内容(例如，“醒来吧，扬声器”或“嘿，扬声器”)的第二语音输入。在框1604处，响应于接收到第二语音输入，第一电子设备被激活。第一电子设备可以是服务延伸设备(例如，如图8A至图15G所示的设备810A)。在框1606处，在一些示例中，第二语音输入不使得一个或多个另外的电子设备被激活。所述一个或多个另外的电子设备可设置在第一电子设备附近。例如，可由第一电子设备和另外的电子设备两者检测和记录与语音输入相关联的音量或声压。基于对在这两个设备处检测到的声压的比较，可确定用户相对于这两个设备的位置。例如，可确定用户在物理上相比另一设备更接近第一电子设备。因此，第一电子设备可被激活，而另一设备可不被激活。
在框1608处，从第一用户接收表示用户请求的第一语音输入。在框1610处，用户请求包括对特定于第一用户的信息(例如，第一用户的日历、联系人等)的请求。在框1612处，用户请求包括对非特定于用户的信息(例如，天气信息、股票价格、体育比赛信息等)的请求。在框1614处，用户请求包括用于执行任务(例如，播放音乐、建立会议等)的请求。
在框1616处，获得第一用户的身份。在框1618处，获得与第一用户相关联的认证数据。该认证数据可包括例如用户的语音生物识别、用户的面部识别数据、感测识别用户的另一电子设备、用户的其他凭据诸如用户的指纹、密码等。在框1620处，基于认证数据来获得对第一用户的身份的确定。在框1622处，为了获得第一用户的身份，将认证数据提供到第二电子设备(例如，远程服务器)或第三电子设备(例如，用户的智能电话)中的至少一者。在框1624处，从第二电子设备或第三电子设备中的至少一者接收第一用户的身份。基于认证数据来确定第一用户的身份。在框1626处，基于第二语音输入(例如，“醒来吧，扬声器”或“嘿，扬声器”)来获得第一用户的身份。如上所述，第二语音输入可与用户的语音生物识别相关联，并且可用于确定用户的身份。
参考图16B，在框1628处，输出关于由第一语音输入表示的用户请求的一个或多个语音查询。语音查询可用于与第一用户澄清第一语音输入(例如，“那是什么？”或“我不太明白”)。在框1630处，响应于所述一个或多个语音查询，从第一用户接收附加语音输入。例如，第一用户可重复或改述第一语音输入。
在框1632处，在第一电子设备(例如，服务延伸设备)和第二电子设备(例如，远程服务器)或第三电子设备(例如，设置在第一电子设备附近的设备)中的至少一者之间建立连接。在框1634处，建立连接基于第一电子设备和第三电子设备之间的近场通信。在框1636处，建立连接基于检测到第三电子设备在距第一电子设备的预先确定的距离内。在框1638处，建立连接基于第一电子设备和第三电子设备之间的先前建立的连接。例如，可基于指示第一电子设备和第三电子设备之前已经连接的日志文件来建立连接。该日志文件还可指示先前连接中使用的连接参数。
如上所述，服务延伸设备可被多个用户共享，并且因此连接到与一个或多个用户相关联的多个设备。在框1640处，在第一电子设备(例如，服务延伸设备)和第三电子设备(例如，第一用户的客户端设备)之间建立连接。第三电子设备与第一用户相关联。在框1642处，在第一电子设备和第四电子设备(例如，第二用户的平板设备)之间建立连接。第四电子设备与第二用户相关联。在框1644处，在一些示例中，在建立第一电子设备和第三电子设备之间的连接之后，向第二电子设备通知已建立的连接。例如，当在服务延伸设备(例如，图8A至图8B所示的设备810A)和智能电话设备之间建立连接之后，可向服务器通知已建立的连接。
参考图16C，如上所述，获得第一用户的身份。在框1646处，根据用户身份，向第二电子设备或第三电子设备中的至少一者提供对用户请求的表示。在框1648处，第二电子设备是远离第一电子设备设置的服务器；并且第三电子设备是设置在第一电子设备附近的客户端设备。在框1650处，第三电子设备是服务器的代理设备。例如，客户端设备(例如，图8A所示的设备840)可用作服务器(例如，图8A所示的设备820)的代理设备以处理来自其他设备(例如，家庭自动化设备诸如智能恒温器)的请求。
在框1652处，在一些示例中，为了向第二电子设备或第三电子设备中的至少一者提供对用户请求的表示，确定第三电子设备(例如，设置在第一电子设备附近的客户端设备)是否通信地耦接到第一电子设备(例如，服务延伸设备)。在框1654处，根据确定第三电子设备通信地耦接到第一电子设备，向第三电子设备且不向第二电子设备提供对用户请求的表示。在框1656处，根据确定第三电子设备没有通信地耦接到第一电子设备，向第二电子设备提供对用户请求的表示。
在框1658处，在一些示例中，向第二电子设备(例如，远程服务器)且不向第三电子设备(例如，设置在第一电子设备附近的客户端设备)提供对用户请求的表示。在框1660处，在一些示例中，向第二电子设备和第三电子设备两者提供对用户请求的表示。
如上所述，第二电子设备和/或第三电子设备接收对用户请求的表示，并且可确定一者或两者是否将向第一电子设备提供响应。参考图16C，在框1662处，基于确定是第二电子设备或第三电子设备还是其两者将向第一电子设备提供响应，从第二电子设备或第三电子设备接收对用户请求的响应。
在框1664处，如上所述，在一些示例中，向第三电子设备且不向第二电子设备提供对用户请求的表示。在框1666处，为了接收对用户请求的响应，使得第三电子设备(例如，客户端设备)确定第三电子设备是否能够提供对用户请求的响应。在框1668处，根据确定第三电子设备能够提供对用户请求的响应，在第一电子设备处从第三电子设备接收对用户请求的响应。在框1670处，进行了第三电子设备不能够提供对用户请求的响应的确定。在框1672处，根据此类确定，由第三电子设备将对用户请求的表示转发到第二电子设备。在框1674处，在第一电子设备处从第二电子设备接收对用户请求的响应。
参考图16E，如上所述，在一些示例中，在框1676处，向第二电子设备(例如，远程服务器)且不向第三电子设备(例如，客户端设备)提供对用户请求的表示。在框1678处，为了在第一电子设备处接收对用户请求的响应，使得第二电子设备确定第二电子设备是否能够提供对用户请求的响应。在框1680处，根据确定第二电子设备能够提供对用户请求的响应，在第一电子设备处从第二电子设备接收对用户请求的响应。在框1682处，确定第二电子设备不能够提供对用户请求的响应。
在框1684处，根据此类确定，由第二电子设备将对用户请求的表示转发到第三电子设备。因此，第三电子设备(例如，客户端设备)可基于用户请求来提供响应。在框1686处，在第一电子设备处接收对用户请求的响应。在框1688处，第一电子设备从第三电子设备接收对用户请求的响应。在框1690处，基于由第三电子设备向第二电子设备提供的响应，第一电子设备从第二电子设备(例如，远程服务器)接收对用户请求的响应。例如，客户端设备可将响应转发到远程服务器，该远程服务器向第一电子设备(例如，服务延伸设备)提供响应。
参照图16F，如所描述的，在一些示例中，在框1692处，从第一电子设备向第二电子设备和第三电子设备两者提供对用户请求的表示。在框1694处，为了接收对用户请求的响应，使得第二电子设备(例如，远程服务器)确定第二电子设备是否能够提供对用户请求的响应。在框1696处，为了接收对用户请求的响应，使得第三电子设备(例如，设置在第一电子设备附近的客户端设备)确定第三电子设备是否能够提供对用户请求的响应。可执行框1694和框1696中确定中的一者或两者。
在框1698处，根据确定第二电子设备能够提供对用户请求的响应，并且第三电子设备不能够提供对用户请求的响应，在第一电子设备处从第二电子设备接收对用户请求的响应。在框1700处，根据确定第三电子设备能够提供对用户请求的响应，并且第二电子设备不能够提供对用户请求的响应，在第一电子设备处从第三电子设备接收对用户请求的响应。在框1702处，根据确定第二电子设备和第三电子设备两者都能够提供对用户请求的响应，在第一电子设备处基于预先确定的条件来从第二电子设备或第三电子设备接收对用户请求的响应。预先确定的条件可以是例如预先配置的策略(例如，第三电子设备是用于提供响应的默认设备)、用户偏好、到第二电子设备和第三电子设备的连接的带宽条件等。
参考图16G，在框1704处，确定是否将由第一电子设备(例如，服务延伸设备)提供对响应的表示。在框1706处，对是否将由第一电子设备提供响应的确定基于用户请求(例如，用户的语音输入指示将在不同电子设备处提供响应)。在框1708处，对是否将由第一电子设备提供响应的确定基于检测用户的位置或跟踪用户的移动中的至少一者。例如，如果检测到用户正朝另一设备移动远离第一电子设备，则可能不由第一电子设备提供响应。
在框1710处，根据确定将由第一电子设备提供对响应的表示，由第一电子设备向第一用户提供对响应的表示。在框1712处，根据确定不是将由第一电子设备提供对响应的表示，将响应转发到可向第一用户提供响应的一个或多个另外的电子设备。
参考图16H，在框1714处，向第一用户提供对响应的表示。在框1716处，为了提供对响应的表示，在第一电子设备处提供包括响应于用户请求的信息的语音输出。在框1718处，由第二电子设备或第三电子设备向第一电子设备提供信息。
在框1720处，为了提供对响应的表示，在第一电子设备处提供与根据用户请求来执行任务相关联的语音输出。在框1722处，在一些示例中，由第三电子设备(例如，客户端设备诸如第一用户的智能电话)执行任务。在框1724处，在一些示例中，由第一电子设备和第三电子设备执行任务。例如，第一电子设备可输出响应的音频部分，同时第三电子设备(例如，连接到电视屏幕的电视机顶盒)可输出响应的视频部分。在框1726处，由一个或多个另外的电子设备进一步执行任务。例如，除了在服务延伸设备和客户端设备诸如电视机顶盒处提供响应(例如，播放电影)之外，还可在另外设备诸如膝上型计算机处提供响应。
在框1728处，在一些示例中，在第一电子设备和一个或多个另外的电子设备之间建立一个或多个连接。另外的电子设备是与第一电子设备相同类型的设备。例如，可在多个服务延伸设备(例如，如图8A至图8B所示的设备810A-C)之间建立连接。
在框1730处，正由第一电子设备向第一用户提供响应。在框1732处，在由第一电子设备向第一用户提供响应时，确定是否将在不同电子设备(例如，客户端设备诸如用户的智能电话)处连续地提供响应。在框1734处，对是否将在不同电子设备处连续地提供响应的确定基于第三语音输入(例如，来自第一用户的语音输入，诸如“在我的电话上继续播放歌曲”)。在框1736处，对是否将在不同电子设备处连续地提供响应的确定基于检测第一用户相对于第一电子设备的位置变化是否满足预先确定的条件。例如，可确定第一用户是否已经移出预先确定的边界使得应该在不同于第一电子设备的设备处连续地提供响应。
在框1738处，根据确定将在不同电子设备处连续地提供响应，使得由第三电子设备或一个或多个另外的电子设备中的至少一者连续地提供响应。
在框1740处，在向第一用户提供响应之后，监视后续语音输入。
7.用于基于对事件的通知来提供数字助理服务的过程。
图17A至图17D示出了根据各种示例的用于操作用于基于对事件的通知来提供数字助理服务的数字助理的过程1800。例如使用实现数字助理的一个或多个电子设备来执行过程1800。在一些示例中，使用客户端-服务器系统(例如，系统100)来执行过程1800，并且在服务器(例如，DA服务器106)和客户端设备之间以任何方式来划分过程1800的框。在其他示例中，在服务器和多个客户端设备(例如，移动电话和智能手表)之间划分过程1800的框。因此，虽然过程1800的部分在本文中被描述为由客户端-服务器系统的特定设备执行，但应当理解，过程1800不限于此。在其他示例中，使用仅客户端设备(例如，用户设备104、设备810A-C)或仅多个客户端设备来执行过程1800。在过程1800中，一些框被任选地组合，一些框的次序被任选地改变，并且一些框被任选地省略。在一些示例中，可结合过程1800来执行附加步骤。
参考图17A，在框1802处，在接收对事件的通知之前，在第一电子设备(例如，服务延伸设备)和第二电子设备(例如，服务器)或第三电子设备(例如，设置在第一电子设备附近的客户端设备)中的至少一者之间建立连接。在框1804处，建立连接基于第一电子设备和第三电子设备之间的近场通信。在框1806处，建立连接基于检测到第三电子设备在距第一电子设备的预先确定的距离内。在框1808处，建立连接基于第一电子设备和第三电子设备之间的先前建立的连接。
如上所述，第一电子设备(例如，服务延伸设备)可被多个用户共享。在框1810处，建立第一电子设备和第三电子设备之间的连接；并且第三电子设备与第一用户相关联。在框1812处，建立第一电子设备和第四电子设备之间的连接；并且第四电子设备与第二用户相关联。在框1814处，在建立第一电子设备和第三电子设备之间的连接之后，向第二电子设备(例如，远程服务器)通知已建立的连接。
参考图17B，在框1816处，接收对与第一用户相关联的事件的通知。在框1818处，对事件的通知包括对来电、提醒、消息、语音邮件或新闻警示中的至少一者的表示。在框1820处，从第二电子设备(例如，远程服务器)或第三电子设备(例如，设置在第一电子设备附近的客户端设备)中的至少一者接收通知。
在框1822处，响应于接收到通知，输出对通知的指示。指示可以是例如蜂鸣声、警示、铃声等。在框1824处，由第一电子设备或通信地耦接到第一电子设备的另外的电子设备中的一者输出对通知的指示。例如，客户端设备诸如用户的智能电话可输出对通知的指示；并且另一服务延伸设备可输出对通知的指示。
在框1826处，接收一个或多个语音输入。在框1828处，例如，接收关于通知的第一语音输入(例如，用户可提供询问对常规通知的指示的第一语音输入，诸如“那是什么？”)。在框1830处，根据对事件的通知来输出响应。例如，可提供语音输出，诸如“您有来自John的语音邮件”。在框1832处，接收第二语音输入。例如，用户可以说“播读语音邮件”。
参考图17C，在框1834处，根据所述一个或多个语音输入，确定是否将在第一电子设备处提供通知。在框1836处，为了确定是否将在第一电子设备处提供通知，获得提供所述一个或多个语音输入中的至少一个的用户的身份。在框1838处，为了获得用户的身份，获得与提供所述一个或多个语音输入中的至少一个的用户相关联的认证数据。认证数据可包括例如用户的生物识别、指纹、面部识别数据、密码等。在框1840处，基于认证数据来获得对提供所述一个或多个语音输入中的至少一个的用户的身份的确定。
在框1842处，为了获得对提供所述一个或多个语音输入中的至少一个的用户的身份的确定，向第二电子设备和第三电子设备中的至少一者提供认证数据。在框1844处，从第二电子设备和第三电子设备中的至少一者接收提供所述一个或多个语音输入中的至少一个的用户的身份。基于认证数据来确定提供所述一个或多个语音输入中的至少一个的用户的身份。
在框1846处，基于提供所述一个或多个语音输入中的至少一个的用户的身份并且基于通知，确定是否将向提供所述一个或多个语音输入中的至少一个的用户提供通知。在框1848处，根据确定将向提供所述一个或多个语音输入中的至少一个的用户提供通知，确定是否将在第一电子设备处提供通知。
参考图17D，在框1850处，根据确定将在第一电子设备处提供通知，在第一电子设备处提供通知。在框1852处，为了在第一电子设备处提供通知，在第一电子设备处提供与通知相关联的音频输出。
在框1854处，根据确定不是将在第一电子设备处提供通知，确定用于提供通知的另外的电子设备。在框1856处，确定用于提供通知的另外的电子设备基于所述一个或多个语音输入。在框1858处，确定用于提供通知的另外的电子设备基于上下文信息。
以上参考图16A至图16I和图17A至图17D描述的操作任选地由图1至图4、图6A-B和图7A-C中所描绘的部件来实现。例如，过程1600和过程1800的操作可由数字助理系统700来实现。本领域的普通技术人员会清楚地知道如何基于在图1-图4、图6A-图6B和图7A-图7C中所描绘的部件来实现其他过程。
8.使用多个设备来提供数字助理服务的示例性功能。
如上所述，可由一个或多个设备提供数字助理服务。由于设备能力限制，某些设备可能不能够或者不是最佳用于提供某些数字助理服务。例如，智能手表通常具有小的屏幕尺寸并且因此不是最佳用于播放视频。又如，与智能电话不同，电视机顶盒可能不能够提供针对文本消息的语音输出。
图18A至图18E示出了根据各种示例的用于基于多个电子设备的能力来提供数字助理服务的功能。在一些示例中，数字助理(例如，数字助理系统700)由用户设备根据各种示例来实现。在一些示例中，用户设备、服务器(例如，服务器108、设备820)或其组合可以实现数字助理系统(例如，数字助理系统700)。用户设备可使用例如设备200、400、600、820、830、840、1880和/或1882来实现。在一些示例中，用户设备是具有音频输出能力和网络连接性的设备、智能手表、智能电话、膝上型计算机、台式计算机或平板电脑。
如图18A所示，用户804可提供语音输入1886，诸如“向我展示我上周日拍摄的视频”。语音输入1886可表示用户请求(例如，对信息的请求或用于执行任务的请求)。在一些示例中，在设备1880上操作的数字助理接收来自用户804的语音输入1886。设备1880可以是例如客户端设备(例如，可穿戴设备诸如智能手表)。设备1880还可以是类似于上述设备810A的设备，其可包括一个或多个音频输入和输出设备(例如，麦克风和一个或多个扬声器)和一个或多个网络通信接口。设备1880可能或者可能不能够或最佳用于对用户请求作出响应(例如，提供所请求的信息或执行所请求的任务)。例如，设备1880可能不具有显示器或者可能具有不是最佳用于播放视频的小尺寸显示器。
在一些实施方案中，在设备1880上操作的数字助理可获得与能够通信地耦接到设备1880的一个或多个电子设备相关联的能力数据。例如，如图18A所示，在设备1880上操作的数字助理可确定设备820(例如，远程服务器)、设备830(例如，客户端设备诸如用户的智能电话)、设备840(电视机顶盒)通信地耦接到设备1880。可例如经由蓝牙配对、Wi-Fi连接等来进行该确定，类似于上文相对于设备810A所述。基于确定设备820、830和840通信地耦接，在设备1880上操作的数字助理可获得与这些设备相关联的能力数据。在一些示例中，一些设备是设置在设备1880附近的客户端设备，并且一些设备远离设备1880设置。例如，设备1880、设备830和设备840是设置在预先确定的边界(例如，房屋、建筑物、汽车等)内的客户端设备；并且设备820是远程设置的服务器。
在一些示例中，能力数据可包括与能够通信地耦接到设备1880的电子设备相关联的设备能力。设备能力可包括一个或多个物理能力和/或信息能力。设备的物理能力可包括设备的物理属性，诸如设备是否具有显示器、显示器的尺寸、扬声器的数量、网络能力等。设备的信息能力可包括设备能够提供的数据。例如，设备830可存储用户804拍摄的媒体项(例如，视频和照片)，并且因此能够向通信地连接到设备830的其他设备提供所存储的媒体项。
在一些示例中，在获得能力数据之前，在设备1880上操作的数字助理可被配置为建立与其他电子设备(例如，设备820、830和/或840)的通信。在一些示例中，可经由直接通信连接(诸如蓝牙、近场通信(NFC)、BTLE(蓝牙低功耗)等)或者经由有线或无线网络(诸如局域Wi-Fi网络)来建立通信。例如，在设备1880上操作的数字助理可经由蓝牙发现来检测设备830，并且经由蓝牙连接通信地耦接到设备830。又如，在设备1880上操作的数字助理可检测Wi-Fi网络并且经由Wi-Fi网络耦接到设备840。又如，当设备830(例如，客户端设备诸如用户的智能电话)与设备1880处于非常接近或在物理上接触时，在设备1880上操作的数字助理可检测近场通信。例如，为了配对设备1880和设备830，用户804可轻击设备1880和设备830，从而在这两个设备之间建立近场通信。又如，在设备1880上操作的数字助理可检测到设备830(例如，客户端设备诸如用户的智能电话)在预先确定的距离内(例如，在蓝牙通信的范围内)并且建立与设备830的连接。例如，当用户804携带设备830接近设备1880时，在设备1880上操作的数字助理检测到设备830在通信范围内，并且因此连接设备1880和设备830。又如，在设备1880上操作的数字助理可基于这两个设备之间的一个或多个先前建立的连接来建立与设备830的连接。例如，在设备1880上操作的数字助理可存储包括其过去连接的设备以及任选地连接参数的日志文件。因此，基于日志文件，在设备1880上操作的数字助理可确定例如之前其已经连接到设备830。基于此类确定，在设备1880上操作的数字助理可再次建立与设备830的连接。
在一些示例中，在获得能力数据之前，在设备1880上操作的数字助理可询问用户804关于访问能够通信地耦接到设备1880的一个或多个设备。例如，在设备1880上操作的数字助理可提供语音输出，诸如“我是否具有您的许可来访问您的电话和电视？”在一些示例中，用户804可用允许访问或拒绝访问的语音输入来应答。响应于接收到语音输入，在设备1880上操作的数字助理可确定其是否被授权来访问通信地耦接到设备1880的设备。例如，如果用户804的语音输入是“好的”，则在设备1880上操作的数字助理可确定其被授权来访问设备830和设备840。如果用户804的语音输入是“不行”，则在设备1880上操作的数字助理可确定其未被授权来访问设备830和设备840。如果用户804的语音输入是“允许访问我的电话，不允许访问我的电视”(例如，用户804可能正通过使用设备840和设备1882(例如，电视显示器)观看另一视频，并且不希望干扰在设备1882上播放的视频)，则在设备1880上操作的数字助理可确定其被授权来访问设备830但未被授权来访问用于在设备1882上播放视频的设备840。
参考图18A和图18B，在一些实施方案中，根据能力数据，在设备1880上操作的数字助理可从能够通信地耦接到设备的所述一个或多个电子设备识别用于提供对用户请求的响应的至少一部分的设备。在一些示例中，在设备1880上操作的数字助理可基于语音输入1886来获得用于对用户请求作出响应的一个或多个步骤。用于对用户请求作出响应的所述一个或多个步骤可包括用于提供所请求的信息的步骤和/或用于执行所请求的任务的步骤。例如，基于语音输入1886，诸如“向我展示我上周日拍摄的视频”，设备1880可确定用户请求是查找用户804上周日拍摄的视频并播放该视频。可使用上述自然语言处理技术来进行该确定。
根据所确定的用户请求，在设备1880上操作的数字助理可确定用于对用户请求作出响应所需的一个或多个步骤。例如，在设备1880上操作的数字助理可确定用于播放用户804上周日拍摄的视频的步骤#1是查找用户804上周日拍摄的特定视频；并且步骤#2是播放该特定视频。在一些实施方案中，可在另一设备(例如，设备820诸如远程服务器)上进行对所述一个或多个步骤的确定并向设备1880提供该确定。在一些实施方案中，可使用设备820和设备1880来进行对所述一个或多个步骤的确定。例如，数字助理可在处于前端的设备1880上操作以与用户804进行交互并且在处于后端的设备820上操作以处理用户输入。在一些实施方案中，用于对用户请求作出响应的所述一个或多个步骤可形成执行计划的至少一部分。执行计划可包括用于对用户请求作出响应的步骤和用于执行每个步骤的设备。
在一些实施方案中，在设备1880上操作的数字助理可基于与能够通信地耦接到设备1880的一个或多个电子设备相关联的能力数据来识别用于执行用于对用户请求作出响应的步骤的一个或多个设备。继续以上示例，在设备1880上操作的数字助理可识别用于执行查找用户804上周日拍摄的特定视频的步骤#1的设备；并且识别用于执行播放特定视频的步骤#2的设备。如图18B所示，在设备1880上操作的数字助理可确定：在通信地连接到设备1880的设备(例如，设备820、830和840)中，设备830(例如，客户端设备诸如用户的智能电话)的能力数据指示设备830具有查找用户804上周日拍摄的特定视频的能力。例如，用户804上周日使用设备830拍摄视频，因此设备830的信息能力数据可指示存储在设备830中的文件具有视频格式和上周日的时间戳。因此，在设备1880上操作的数字助理可识别设备830用于执行查找用户804意指的特定视频的步骤#1。
又如，在设备1880上操作的数字助理可确定：在设备820、830和840中，设备840(例如，电视机顶盒)的能力数据指示设备840是用于执行播放视频的步骤#2的最佳设备。例如，设备830和设备840的设备能力数据都可指示这两设备能够播放视频。设备840的设备能力数据还可指示设备840可在其上播放视频的设备1882(例如，电视屏幕)的一个或多个设备属性(例如，显示尺寸/分辨率/扬声器的数量)优于设备830的设备属性。例如，设备1882的显示尺寸大于设备830的显示尺寸。因此，在设备1880上操作的数字助理可识别设备840而不是设备830用于执行播放视频的步骤#2。
在一些实施方案中，如图18B所示，基于对用于执行用于对用户请求作出响应的步骤的设备的确定，在设备1880上操作的数字助理可向用户804提供寻求用于访问被识别用于对用户请求作出响应的设备的确认或许可的语音输出。例如，如图18B所示，在设备1880上操作的数字助理可提供语音输出1883，诸如“我将从您的电话中检索视频并在您的电视上播放该视频，可以继续吗？”参考图18C，在一些示例中，设备1880可接收来自用户804的后续语音输入1885。响应于接收到语音输入1885，在设备1880上操作的数字助理可确定是否将由通信地耦接到设备1880的一个或多个设备提供响应的至少一部分。例如，如果语音输入1885包括“好的”，则在设备1880上操作的数字助理可确定应该从设备830中检索视频并使用设备840(例如，电视机顶盒)在设备1882(例如，电视显示器)上播放。如果语音输入1885包括“不行，在我的电话上播放视频”，则在设备1880上操作的数字助理可确定应该从设备830中检索视频，但是在设备830而不是设备1882上播放。应当理解，在一些示例中，提供寻求确认/许可的语音输出1883和接收后继用户输入1885是可选的。
在一些实施方案中，在提供用于确认或请求使用被识别用于对用户请求作出响应的设备的许可的语音输出之前，数字助理可注释用于对用户请求作出响应的一个或多个步骤并且基于注释来提供语音输出。使用以上示例，在设备1880上操作的数字助理可确定执行特定步骤是否将需要改变设备的状态。例如，为了执行在设备1882(例如，电视显示器)上播放视频的步骤#2，设备840的状态可能被改变(例如，从断电状态改变为通电，从当前正在播放的视频切换到用户请求的视频等)。因此，在设备1880上操作的数字助理可将步骤#2注释为需要改变所识别的设备的状态的步骤。
又如，为了执行查找用户804上周日拍摄的视频的步骤#1，在设备1880上操作的数字助理可确定执行步骤#1将不需要改变设备830的状态。因此，在设备1880上操作的数字助理可不将步骤#1注释为需要改变所识别的设备的状态的步骤。在一些示例中，基于注释，在设备1880上操作的数字助理然后可提供寻求用于使用被识别用于对用户请求作出响应的设备的确认或许可的语音输出。使用以上示例，因为针对所识别的设备840播放视频的步骤#2是改变状态的步骤，所以在设备1880上操作的数字助理可提供寻求用于访问设备840的许可的语音输出。该语音输出可包括例如“我将在您的电视上播放视频，可以继续吗？”并且因为针对所识别的设备830查找视频的步骤#1不是改变状态的步骤，所以在设备1880上操作的数字助理可不提供寻求用于访问设备830的许可的语音输出。
参考图18C，在一些实施方案中，在设备1880上操作的数字助理可使得一个或多个所识别的设备提供对用户请求的响应的至少一部分。例如，在设备1880上操作的数字助理可请求设备830搜索并查找用户804上周日拍摄的视频并将该视频传输到设备840。其还可请求设备840在设备1882(例如，电视)上播放视频。
如上所述，在一些示例中，在获得能力数据之前，在设备1880上操作的数字助理可寻求用于访问能够通信地耦接到设备1880的一个或多个电子设备的确认或许可。例如，在设备1880上操作的数字助理可提供语音输出，诸如“我是否具有您的许可来访问您的电话？”参考图18D，在一些实施方案中，在设备1880上操作的数字助理可提供用于访问能够通信地耦接到设备1880的设备的一个或多个持续时间选项。例如，如图18D所示，在设备1880上操作的数字助理可在设备1880上显示选项1884A-C。选项1884A可包括“此次允许”，指示仅此次允许从设备1880访问设备830。选项1884B可包括“在两个设备都在家中时允许”，指示在两个设备都在预先确定的边界内(例如，在房屋内或在房屋附近)时允许从设备1880访问设备830。选项1884C可包括“始终允许”，指示始终允许从设备1880访问设备830。在一些示例中，数字助理还可提供选项1884D(未示出)，其可包括“不允许”，指示拒绝从设备1880访问设备830。在一些实施方案中，可在设备830上显示类似的持续时间选项1887A-D，从而使得设备830的用户(例如，与设备1880的用户可能或者可能不相同的用户)能够控制对设备830的访问。
在一些实施方案中，在设备1880上操作的数字助理可接收来自用户804的对持续时间选项的选择，并且基于所选择的持续时间选项来访问能够通信地耦接到设备1880的设备。例如，如果选择是选项1884A诸如“此次允许”，则在设备1880上操作的数字助理仅此次可访问设备830以查找用户请求的视频。
如上所述，在一些实施方案中，数字助理可使得一个或多个所识别的设备提供对用户请求的响应的至少一部分。在一些实施方案中，在使得所识别的设备提供响应之前，数字助理可获得用户的身份并确定用户是否被授权来接收响应的至少一部分。如图18E所示，例如，设备840可以是在多个用户之间共享的设备(例如，电视机顶盒)，因此用户1888可以是被授权来访问设备840的用户。设备830可以是客户端设备，诸如另一用户(例如，用户804)的智能电话。用户1888可能未被授权来访问设备830。在一些示例中，用户1888可提供语音输入1889，诸如“在John的电话上播放他上周日拍摄的视频”。在设备840上操作的数字助理可基于通信地耦接到设备840的设备的能力数据来识别用于提供对用户请求的响应的至少一部分的设备830。在一些实施方案中，在访问设备830以执行用于对用户请求作出响应的步骤之前，在设备840上操作的数字助理可获得用户1888的身份。在一些示例中，获得用户1888的身份可基于语音配置文件。语音配置文件可包括语音生物识别，诸如用户的语音特征(例如，声音模式、声纹、用户的口音等)。语音配置文件可与特定用户相关联并且唯一地识别该用户。例如，用户1888的语音配置文件可包括用户1888的语音特征，并且因此唯一地识别用户1888。在一些示例中，语音配置文件还可协助上述自然语言处理来更准确地确定用户意图。例如，可使用包括用户的口音数据的语音配置文件来更准确地执行语音文本转换过程。
参考图18E，在设备840上操作的数字助理可将语音输入1889中的语音特征与设备830的一个或多个被授权用户的一个或多个语音配置文件进行比较。基于该比较，在设备840上操作的数字助理可确定语音输入1889中的语音特征与针对设备830的被授权用户的语音配置文件中的任一个语音配置文件都不匹配。因此，在设备840上操作的数字助理可确定用户1888未被授权来访问设备830，并且因此未被授权来访问存储在设备830中的视频。
9.用于使用多个设备来提供数字助理服务的过程。
图19A至图19D示出了根据各种示例的用于操作用于基于对事件的通知来提供数字助理服务的数字助理的过程1900。例如使用实现数字助理的一个或多个电子设备来执行过程1900。在一些示例中，使用客户端-服务器系统(例如，系统100)来执行过程1900，并且在服务器(例如，DA服务器106)和客户端设备之间以任何方式来划分过程1900的框。在其他示例中，在服务器和多个客户端设备(例如，移动电话和智能手表)之间划分过程1900的框。因此，虽然过程1900的部分在本文中被描述为由客户端-服务器系统的特定设备执行，但应当理解，过程1900不限于此。在其他示例中，使用仅客户端设备(例如，用户设备104、设备1880)或仅多个客户端设备来执行过程1900。在过程1900中，一些框被任选地组合，一些框的次序被任选地改变，并且一些框被任选地省略。在一些示例中，可结合过程1900来执行附加步骤。
参考图19A，在框1902处，从第一用户接收表示用户请求的第一语音输入。在框1904处，在获得与能够通信地耦接到第一电子设备的所述一个或多个电子设备相关联的能力数据之前，在第一电子设备和能够通信地耦接到第一电子设备的所述一个或多个电子设备之间建立连接。在一些示例中，第一电子设备和能够通信地耦接到第一电子设备的电子设备设置在预先确定的边界(例如，房屋)内。在一些示例中，建立连接基于第一电子设备和能够通信地耦接到第一电子设备的所述一个或多个电子设备之间的近场通信。在一些示例中，建立连接基于检测到能够通信地耦接到第一电子设备的所述一个或多个电子设备在距第一电子设备的预先确定的距离内。在一些示例中，建立连接基于第一电子设备和能够通信地耦接到第一电子设备的所述一个或多个电子设备之间的一个或多个先前建立的连接。
在框1906处，在获得与能够通信地耦接到第一电子设备的所述一个或多个电子设备相关联的能力数据之前，询问第一用户关于通过第一电子设备来访问能够通信地耦接到第一电子设备的所述一个或多个电子设备。在框1908处，从第一用户接收第三语音输入。第三语音输入可指示第一电子设备是否被授权来访问其他设备。在框1910处，响应于接收到第三语音输入，确定第一电子设备是否被授权来访问能够通信地耦接到第一电子设备的所述一个或多个电子设备。
在框1912处，提供用于访问能够通信地耦接到第一电子设备的所述一个或多个电子设备的一个或多个持续时间选项。持续时间选项可包括，例如，此次允许、在两个设备都在家中时允许、始终允许、不允许。在框1914处，从第一用户接收对持续时间选项的选择。在框1916处，基于所选择的持续时间选项来访问能够通信地耦接到第一电子设备的所述一个或多个电子设备。
参考图19B，在框1918处，获得与能够通信地耦接到第一电子设备的所述一个或多个电子设备相关联的能力数据。在框1920处，为了获得能力数据，获得与能够通信地耦接到第一电子设备的所述一个或多个电子设备相关联的设备能力。在框1922处，设备能力包括与能够通信地耦接到第一电子设备的所述一个或多个电子设备相关联的一个或多个物理属性。在框1924处，设备能力包括能够由能够通信地耦接到第一电子设备的所述一个或多个电子设备提供的数据。
在框1926处，根据能力数据，从能够通信地耦接到第一电子设备的所述一个或多个电子设备识别用于提供对用户请求的响应的至少一部分的第二电子设备。在框1928处，为了识别第二电子设备，基于第一语音输入来获得用于对用户请求作出响应的一个或多个步骤。在一些示例中，在框1930处，为了获得所述一个或多个步骤，从远离第一电子设备定位的第三电子设备(例如，服务器)接收用于对用户请求作出响应的计划。在一些示例中，在框1932处，由第一电子设备(例如，客户端设备诸如可穿戴设备)确定用于对用户请求作出响应的计划，其中该计划包括用于对用户请求作出响应的一个或多个步骤。
在框1934处，基于能力数据来识别用于执行用于对用户请求作出响应的至少一个步骤的第二电子设备(例如，设备840诸如电视机顶盒)。在框1936处，基于能力数据来识别用于执行用于对用户请求作出响应的剩余步骤的一个或多个另外的电子设备。
参考图19C，在框1938处，向第一用户提供关于通过第二电子设备提供响应的至少一部分的第一语音输出。例如，第一语音输出可以是请求用于访问第二电子设备的授权的语音输出。在框1940处，为了提供第一语音输出，注释用于对用户请求作出响应的一个或多个步骤。例如，一些步骤可被注释为改变状态的步骤，并且因此可能需要授权；并且一些步骤可不被注释，并且因此可能不需要授权。在框1942处，基于对一个或多个步骤的注释来向第一用户提供第一语音输出。
在框1944处，从第一用户接收第二语音输入。第二语音输入可指示第一用户是否授权访问某些设备。在框1946处，响应于接收到第二语音输入，确定是否将由第二电子设备提供响应的至少一部分。
在框1948处，在一些示例中，在使得第二电子设备向第一用户提供响应的至少一部分之前，获得第一用户的身份。在框1950处，基于语音配置文件来获得身份。在框1952处，基于第一用户的身份来确定第一用户是否被授权来接收对用户请求的响应的至少一部分。
参考图19D，在框1954处，使得第二电子设备提供对用户请求的响应的至少一部分。在框1956处，使得第二电子设备执行用于对用户请求作出响应的至少一个步骤。在框1958处，使得一个或多个另外的电子设备执行用于对用户请求作出响应的剩余步骤。
以上参考图19A至图19D描述的操作任选地由图1至图4、图6A-B和图7A-C中所描绘的部件来实现。例如，过程1900的操作可由数字助理系统700来实现。本领域的普通技术人员会清楚地知道如何基于在图1-图4、图6A-图6B和图7A-图7C中所描绘的部件来实现其他过程。
根据一些具体实施，提供一种计算机可读存储介质(例如，非暂态计算机可读存储介质)，该计算机可读存储介质存储供电子设备的一个或多个处理器执行的一个或多个程序，该一个或多个程序包括用于执行本文所述方法或过程中的任一个的指令。
根据一些具体实施，提供了一种电子设备(例如，便携式电子设备)，该电子设备包括用于执行本文所述的方法和过程中的任一个的装置。
根据一些具体实施，提供了一种电子设备(例如，便携式电子设备)，该电子设备包括处理单元，该处理单元被配置为执行本文所述的方法和过程中的任一个。
根据一些具体实施，提供了一种电子设备(例如，便携式电子设备)，该电子设备包括一个或多个处理器和存储用以由一个或多个处理器执行的一个或多个程序的存储器，该一个或多个程序包括用于执行本文所描述的方法和过程中的任一个的指令。
出于解释的目的，前面的描述是通过参考具体实施方案来描述的。然而，上面的例示性论述并非旨在是穷尽的或将本发明限制为所公开的精确形式。根据以上教导内容，很多修改形式和变型形式都是可能的。选择并描述这些实施方案是为了最好地解释这些技术的原理及其实际应用。本领域的其他技术人员由此能够最好地利用这些技术以及具有适合于所预期的特定用途的各种修改的各种实施方案。
虽然参照附图对本公开以及示例进行了全面的描述，但应当注意，各种变化和修改对于本领域内的技术人员而言将变得显而易见。应当理解，此类变化和修改被认为被包括在由权利要求书所限定的本公开和示例的范围内。
如上所述，本技术的一个方面在于采集和使用得自各种来源的数据，以获得用户的身份。如上所述，用于验证用户的数据可包括语音生物识别、面部识别数据、指纹等。本公开设想，在一些实例中，这些所采集的数据可包括唯一地识别或可用于联系或定位特定人员的个人信息数据。如上所述，可获得客户端设备的信息能力。客户端设备的信息能力可包括个人信息数据。此类个人信息数据可包括个人识别数据、人口数据、基于位置的数据、电话号码、电子邮件地址、家庭地址或任何其他识别信息。
本公开认识到在本发明技术中使用此类个人信息数据可用于使用户受益。例如，该个人信息数据可用于递送用户较感兴趣的目标内容。因此，使用此类个人信息数据使得能够对所递送的内容进行有计划的控制。此外，本公开还预期个人信息数据有益于用户的其他用途。
本公开还预期负责此类个人信息数据的收集、分析、公开、发送、存储或其他用途的实体将遵守已确立的隐私政策和/或隐私实践。具体地，此类实体应当实行并坚持使用被公认为满足或超出对维护个人信息数据的隐私性和安全性的行业或政府要求的隐私政策和实践。例如，来自用户的个人信息应当被收集用于实体的合法且合理的用途，并且不在这些合法使用之外共享或出售。另外，此类收集应当仅在用户知情同意之后进行。另外，此类实体应采取任何所需的步骤，以保障和保护对此类个人信息数据的访问，并且确保能够访问个人信息数据的其他人遵守他们的隐私政策和程序。另外，这种实体可使其本身经受第三方评估以证明其遵守广泛接受的隐私政策和实践。
不管前述情况如何，本公开还预期用户选择性地阻止使用或访问个人信息数据的实施方案。即本公开预期可提供硬件元件和/或软件元件，以防止或阻止对此类个人信息数据的访问。例如，就广告递送服务而言，本发明的技术可被配置为在注册服务期间允许用户选择“加入”或“退出”参与对个人信息数据的收集。又如，用户可选择不为目标内容递送服务提供位置信息。再如，用户可选择不提供精确的位置信息，但准许传输位置区域信息。
因此，虽然本公开广泛地覆盖了使用个人信息数据来实现一个或多个各种所公开的实施方案，但本公开还预期各种实施方案也可在无需访问此类个人信息数据的情况下被实现。即，本发明技术的各种实施方案不会由于缺少此类个人信息数据的全部或一部分而无法正常进行。例如，可通过基于非个人信息数据或绝对最低限度的个人信息诸如与用户相关联的设备所请求的内容、对内容递送服务可用的其他非个人信息或公开可用信息来推断偏好，从而选择内容并递送给用户。
Claims (47)
1.一种用于提供数字助理服务的方法(1600)，包括：
在具有存储器和一个或多个处理器的第一电子设备处，所述第一电子设备被配置为基于多个用户的身份将基于语音的服务延伸至所述多个用户，其中所述基于语音的服务由第二电子设备和第三电子设备中的一者或二者提供：
从第一用户接收(1608)表示用户请求的第一语音输入；
在接收到所述第一语音输入之后，获得(1616)所述第一用户的身份，其中所述第一用户的所述身份是基于与所述第三电子设备的通信获得的，所述第三电子设备是设置在所述第一电子设备附近的客户端设备；
根据所述第一用户的所述身份，向所述第二电子设备或所述第三电子设备中的至少一者提供(1646)对所述用户请求的表示；
基于确定是所述第二电子设备还是所述第三电子设备还是其两者将向所述第一电子设备提供响应，从所述第二电子设备或所述第三电子设备接收(1662)对所述用户请求的所述响应；以及
向所述第一用户提供(1714)对所述响应的表示。
2.根据权利要求1所述的方法，其中所述第二电子设备是远离所述第一电子设备设置的服务器。
3.根据权利要求1所述的方法，其中所述第三电子设备是服务器的代理设备。
4.根据权利要求1至3中任一项所述的方法，其中所述用户请求包括对特定于所述第一用户的信息的请求。
5.根据权利要求1至3中任一项所述的方法，其中所述用户请求包括对非特定于用户的信息的请求。
6.根据权利要求1至3中任一项所述的方法，其中所述用户请求包括用于执行任务的请求。
7.根据权利要求1至3中任一项所述的方法，其中获得所述第一用户的所述身份包括：
获得(1618)与所述第一用户相关联的认证数据；以及
基于所述认证数据来获得(1620)对所述第一用户的所述身份的确定。
8.根据权利要求7所述的方法，其中基于所述认证数据来获得(1620)对所述第一用户的所述身份的确定包括：
向所述第二电子设备或所述第三电子设备中的至少一者提供(1622)所述认证数据；以及
从所述第二电子设备或所述第三电子设备中的至少一者接收(1624)所述第一用户的所述身份，其中所述第一用户的所述身份是基于所述认证数据来确定的。
9.根据权利要求1至3中任一项所述的方法，其中向所述第二电子设备或所述第三电子设备中的至少一者提供对所述用户请求的所述表示包括：
确定所述第三电子设备是否通信地耦接到所述第一电子设备；
根据确定所述第三电子设备通信地耦接到所述第一电子设备，向所述第三电子设备且不向所述第二电子设备提供对所述用户请求的所述表示；以及
根据确定所述第三电子设备没有通信地耦接到所述第一电子设备，向所述第二电子设备提供对所述用户请求的所述表示。
10.根据权利要求1至3中任一项所述的方法，其中向所述第二电子设备或所述第三电子设备中的至少一者提供对所述用户请求的所述表示包括：
向所述第二电子设备且不向所述第三电子设备提供对所述用户请求的所述表示。
11.根据权利要求1至3中任一项所述的方法，其中向所述第二电子设备或所述第三电子设备中的至少一者提供(1646)对所述用户请求的所述表示包括：
向所述第二电子设备和所述第三电子设备两者提供(1660)对所述用户请求的所述表示。
12.根据权利要求1至3中任一项所述的方法，其中向所述第三电子设备且不向所述第二电子设备提供(1664)对所述用户请求的所述表示；并且其中接收(1662)对所述用户请求的所述响应包括：
使得(1666)所述第三电子设备确定所述第三电子设备是否能够提供对所述用户请求的所述响应；以及
根据确定所述第三电子设备能够提供对所述用户请求的所述响应，在所述第一电子设备处从所述第三电子设备接收(1668)对所述用户请求的所述响应。
13.根据权利要求12所述的方法，还包括：
根据确定所述第三电子设备不能够提供对所述用户请求的所述响应，
通过所述第三电子设备将对所述用户请求的所述表示转发(1672)到所述第二电子设备；以及
在所述第一电子设备处从所述第二电子设备接收(1674)对所述用户请求的所述响应。
14.根据权利要求1至3中任一项所述的方法，其中向所述第二电子设备且不向所述第三电子设备提供对所述用户请求的所述表示，并且其中接收(1662)对所述用户请求的所述响应包括：
使得(1678)所述第二电子设备确定所述第二电子设备是否能够提供对所述用户请求的所述响应；以及
根据确定所述第二电子设备能够提供对所述用户请求的所述响应，在所述第一电子设备处从所述第二电子设备接收(1680)对所述用户请求的所述响应。
15.根据权利要求14所述的方法，还包括：
根据确定所述第二电子设备不能够提供对所述用户请求的所述响应，
通过所述第二电子设备将对所述用户请求的所述表示转发(1684)到所述第三电子设备；以及
在所述第一电子设备处接收(1686)对所述用户请求的所述响应。
16.根据权利要求15所述的方法，其中所述第一电子设备从所述第三电子设备接收(1688)对所述用户请求的所述响应。
17.根据权利要求15所述的方法，其中基于由所述第三电子设备向所述第二电子设备提供的响应，所述第一电子设备从所述第二电子设备接收(1690)对所述用户请求的所述响应。
18.根据权利要求11所述的方法，其中从所述第一电子设备向所述第二电子设备和所述第三电子设备两者提供(1692)对所述用户请求的所述表示，并且其中接收对所述用户请求的所述响应包括以下各项中的至少一项：
使得(1694)所述第二电子设备确定所述第二电子设备是否能够提供对所述用户请求的所述响应；以及
使得(1696)所述第三电子设备确定所述第三电子设备是否能够提供对所述用户请求的所述响应。
19.根据权利要求18所述的方法，还包括：
根据确定所述第二电子设备能够提供对所述用户请求的所述响应并且所述第三电子设备不能够提供对所述用户请求的所述响应，
在所述第一电子设备处从所述第二电子设备接收(1698)对所述用户请求的所述响应。
20.根据权利要求18所述的方法，还包括：
根据确定所述第三电子设备能够提供对所述用户请求的所述响应并且所述第二电子设备不能够提供对所述用户请求的所述响应，
在所述第一电子设备处从所述第三电子设备接收(1700)对所述用户请求的所述响应。
21.根据权利要求18所述的方法，还包括：
根据确定所述第二电子设备和所述第三电子设备两者都能够提供对所述用户请求的所述响应，
在所述第一电子设备处基于预先确定的条件来从所述第二电子设备或所述第三电子设备接收(1702)对所述用户请求的所述响应。
22.根据权利要求1至3中任一项所述的方法，其中向所述第一用户提供对所述响应的所述表示包括：
在所述第一电子设备处提供(1716)包括响应于所述用户请求的信息的语音输出。
23.根据权利要求22所述的方法，其中由所述第二电子设备或所述第三电子设备提供(1718)所述信息。
24.根据权利要求1至3中任一项所述的方法，其中向所述第一用户提供对所述响应的所述表示包括：
在所述第一电子设备处提供(1720)与根据所述用户请求来执行任务相关联的语音输出。
25.根据权利要求24所述的方法，其中由所述第三电子设备执行(1722)所述任务。
26.根据权利要求24所述的方法，其中由所述第一电子设备和所述第三电子设备执行(1724)所述任务。
27.根据权利要求26所述的方法，其中由一个或多个另外的电子设备进一步执行(1726)所述任务。
28.根据权利要求1至3中任一项所述的方法，还包括：在向所述第一用户提供对所述响应的所述表示之前，
确定(1704)是否将由所述第一电子设备提供对所述响应的所述表示；
根据确定将由所述第一电子设备提供对所述响应的所述表示，由所述第一电子设备向所述第一用户提供(1710)对所述响应的所述表示；以及
根据确定不是将由所述第一电子设备提供对所述响应的所述表示，将所述响应转发(1712)到一个或多个另外的电子设备。
29.根据权利要求28所述的方法，其中确定(1706)是否将由所述第一电子设备提供所述响应是基于所述用户请求的。
30.根据权利要求28所述的方法，其中确定(1708)是否将由所述第一电子设备提供所述响应是基于检测所述用户的位置或跟踪所述用户的移动中的至少一者的。
31.根据权利要求1至3中任一项所述的方法，还包括：在接收到所述第一语音输入之前，
接收(1602)包括预先确定的内容的第二语音输入；以及
响应于接收到所述第二语音输入，激活(1604)所述第一电子设备。
32.根据权利要求31所述的方法，其中所述第二语音输入不使得一个或多个另外的电子设备被激活，所述一个或多个另外的电子设备设置在所述第一电子设备附近。
33.根据权利要求31所述的方法，其中获得(1626)所述第一用户的所述身份是基于所述第二语音输入的。
34.根据权利要求1至3中任一项所述的方法，还包括：在向所述第二电子设备和所述第三电子设备中的至少一者提供对所述用户请求的所述表示之前，
输出(1628)关于所述用户请求的一个或多个语音查询；以及
响应于所述一个或多个语音查询，从所述第一用户接收(1630)附加语音输入。
35.根据权利要求1至3中任一项所述的方法，还包括：在向所述第二电子设备或所述第三电子设备中的至少一者提供对所述用户请求的所述表示之前，
建立(1632)所述第一电子设备与所述第二电子设备或所述第三电子设备中的至少一者之间的连接。
36.根据权利要求35所述的方法，其中建立所述连接是基于(1634)所述第一电子设备和所述第三电子设备之间的近场通信的。
37.根据权利要求35所述的方法，其中建立所述连接基于检测到(1636)所述第三电子设备在距所述第一电子设备的预先确定的距离内。
38.根据权利要求35所述的方法，其中建立所述连接是基于(1638)所述第一电子设备和所述第三电子设备之间的先前建立的连接的。
39.根据权利要求35所述的方法，还包括：
建立(1640)所述第一电子设备和所述第三电子设备之间的连接，其中所述第三电子设备与所述第一用户相关联；以及
建立(1642)所述第一电子设备和第四电子设备之间的连接，其中所述第四电子设备与第二用户相关联。
40.根据权利要求35所述的方法，还包括：
在建立所述第一电子设备和所述第三电子设备之间的连接之后，向所述第二电子设备通知(1644)所述已建立的连接。
41.根据权利要求1至3中任一项所述的方法，还包括：建立所述第一电子设备和一个或多个另外的电子设备之间的一个或多个连接，其中所述另外的电子设备是与所述第一电子设备相同类型的设备。
42.根据权利要求1至3中任一项所述的方法，还包括：在由所述第一电子设备向所述第一用户提供(1730)所述响应时，
确定(1732)是否将在不同电子设备处连续地提供所述响应；以及
根据确定将在不同电子设备处连续地提供所述响应，使得(1738)由所述第三电子设备或一个或多个另外的电子设备中的至少一者连续地提供所述响应。
43.根据权利要求42所述的方法，其中对是否将在不同电子设备处连续地提供所述响应的所述确定是基于(1734)第三语音输入的。
44.根据权利要求42所述的方法，其中对是否将在不同电子设备处连续地提供所述响应的所述确定是基于(1736)检测所述第一用户相对于所述第一电子设备的位置变化是否满足预先确定的条件。
45.根据权利要求1至3中任一项所述的方法，还包括在向所述第一用户提供所述响应之后，监视(1740)后续语音输入。
46.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括供第一电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括当由所述一个或多个处理器执行时使得所述第一电子设备执行根据权利要求1至45中任一项所述的方法的指令。
47.一种第一电子设备，包括：
用于执行权利要求1至45中任一项所述的方法的装置。
Applications Claiming Priority (9)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762507151P | 2017-05-16 | 2017-05-16 | |
| US62/507,151 | 2017-05-16 | ||
| DKPA201770434 | 2017-06-02 | ||
| DKPA201770435A DK179560B1 (en) | 2017-05-16 | 2017-06-02 | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
| DKPA201770434A DK179549B1 (en) | 2017-05-16 | 2017-06-02 | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
| DKPA201770435 | 2017-06-02 | ||
| US15/679,108 | 2017-08-16 | ||
| US15/679,108 US11217255B2 (en) | 2017-05-16 | 2017-08-16 | Far-field extension for digital assistant services |
| CN201880002639.XA CN109463004B (zh) | 2017-05-16 | 2018-05-16 | 数字助理服务的远场延伸 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880002639.XA Division CN109463004B (zh) | 2017-05-16 | 2018-05-16 | 数字助理服务的远场延伸 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110021301A CN110021301A (zh) | 2019-07-16 |
| CN110021301B true CN110021301B (zh) | 2020-07-31 |
Family
ID=64274809
Family Applications (4)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910065508.2A Active CN110021300B (zh) | 2017-05-16 | 2018-05-16 | 数字助理服务的远场延伸 |
| CN202310874581.0A Pending CN117130574A (zh) | 2017-05-16 | 2018-05-16 | 数字助理服务的远场延伸 |
| CN201880002639.XA Active CN109463004B (zh) | 2017-05-16 | 2018-05-16 | 数字助理服务的远场延伸 |
| CN201910310783.6A Active CN110021301B (zh) | 2017-05-16 | 2018-05-16 | 数字助理服务的远场延伸 |
Family Applications Before (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910065508.2A Active CN110021300B (zh) | 2017-05-16 | 2018-05-16 | 数字助理服务的远场延伸 |
| CN202310874581.0A Pending CN117130574A (zh) | 2017-05-16 | 2018-05-16 | 数字助理服务的远场延伸 |
| CN201880002639.XA Active CN109463004B (zh) | 2017-05-16 | 2018-05-16 | 数字助理服务的远场延伸 |
Country Status (6)
| Country | Link |
|---|---|
| EP (4) | EP4047600A3 (zh) |
| JP (5) | JP6606301B1 (zh) |
| KR (4) | KR102100742B1 (zh) |
| CN (4) | CN110021300B (zh) |
| AU (5) | AU2018271099B2 (zh) |
| WO (1) | WO2018213415A1 (zh) |
Families Citing this family (123)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
| US8977255B2 (en) | 2007-04-03 | 2015-03-10 | Apple Inc. | Method and system for operating a multi-function portable electronic device using voice-activation |
| US9954996B2 (en) | 2007-06-28 | 2018-04-24 | Apple Inc. | Portable electronic device with conversation management for incoming instant messages |
| US8676904B2 (en) | 2008-10-02 | 2014-03-18 | Apple Inc. | Electronic devices with voice command and contextual data processing capabilities |
| US10255566B2 (en) | 2011-06-03 | 2019-04-09 | Apple Inc. | Generating and processing task items that represent tasks to perform |
| US10276170B2 (en) | 2010-01-18 | 2019-04-30 | Apple Inc. | Intelligent automated assistant |
| US10706096B2 (en) | 2011-08-18 | 2020-07-07 | Apple Inc. | Management of local and remote media items |
| US10417037B2 (en) | 2012-05-15 | 2019-09-17 | Apple Inc. | Systems and methods for integrating third party services with a digital assistant |
| DE112014000709B4 (de) | 2013-02-07 | 2021-12-30 | Apple Inc. | Verfahren und vorrichtung zum betrieb eines sprachtriggers für einen digitalen assistenten |
| US10652394B2 (en) | 2013-03-14 | 2020-05-12 | Apple Inc. | System and method for processing voicemail |
| US10748529B1 (en) | 2013-03-15 | 2020-08-18 | Apple Inc. | Voice activated device for use with a voice-based digital assistant |
| EP3937002A1 (en) | 2013-06-09 | 2022-01-12 | Apple Inc. | Device, method, and graphical user interface for enabling conversation persistence across two or more instances of a digital assistant |
| US10176167B2 (en) | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
| DE112014003653B4 (de) | 2013-08-06 | 2024-04-18 | Apple Inc. | Automatisch aktivierende intelligente Antworten auf der Grundlage von Aktivitäten von entfernt angeordneten Vorrichtungen |
| US9715875B2 (en) | 2014-05-30 | 2017-07-25 | Apple Inc. | Reducing the need for manual start/end-pointing and trigger phrases |
| TWI566107B (zh) | 2014-05-30 | 2017-01-11 | 蘋果公司 | 用於處理多部分語音命令之方法、非暫時性電腦可讀儲存媒體及電子裝置 |
| US10170123B2 (en) | 2014-05-30 | 2019-01-01 | Apple Inc. | Intelligent assistant for home automation |
| EP3149554B1 (en) | 2014-05-30 | 2024-05-01 | Apple Inc. | Continuity |
| US9185062B1 (en) | 2014-05-31 | 2015-11-10 | Apple Inc. | Message user interfaces for capture and transmittal of media and location content |
| US9338493B2 (en) | 2014-06-30 | 2016-05-10 | Apple Inc. | Intelligent automated assistant for TV user interactions |
| WO2016036510A1 (en) | 2014-09-02 | 2016-03-10 | Apple Inc. | Music user interface |
| US9886953B2 (en) | 2015-03-08 | 2018-02-06 | Apple Inc. | Virtual assistant activation |
| US10460227B2 (en) | 2015-05-15 | 2019-10-29 | Apple Inc. | Virtual assistant in a communication session |
| US10200824B2 (en) | 2015-05-27 | 2019-02-05 | Apple Inc. | Systems and methods for proactively identifying and surfacing relevant content on a touch-sensitive device |
| US20160378747A1 (en) | 2015-06-29 | 2016-12-29 | Apple Inc. | Virtual assistant for media playback |
| US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
| US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
| US10331312B2 (en) | 2015-09-08 | 2019-06-25 | Apple Inc. | Intelligent automated assistant in a media environment |
| US10740384B2 (en) | 2015-09-08 | 2020-08-11 | Apple Inc. | Intelligent automated assistant for media search and playback |
| US11587559B2 (en) | 2015-09-30 | 2023-02-21 | Apple Inc. | Intelligent device identification |
| US10691473B2 (en) | 2015-11-06 | 2020-06-23 | Apple Inc. | Intelligent automated assistant in a messaging environment |
| US10956666B2 (en) | 2015-11-09 | 2021-03-23 | Apple Inc. | Unconventional virtual assistant interactions |
| US10223066B2 (en) | 2015-12-23 | 2019-03-05 | Apple Inc. | Proactive assistance based on dialog communication between devices |
| US10586535B2 (en) | 2016-06-10 | 2020-03-10 | Apple Inc. | Intelligent digital assistant in a multi-tasking environment |
| DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
| DK179415B1 (en) | 2016-06-11 | 2018-06-14 | Apple Inc | Intelligent device arbitration and control |
| US11204787B2 (en) | 2017-01-09 | 2021-12-21 | Apple Inc. | Application integration with a digital assistant |
| DK180048B1 (en) | 2017-05-11 | 2020-02-04 | Apple Inc. | MAINTAINING THE DATA PROTECTION OF PERSONAL INFORMATION |
| US10726832B2 (en) | 2017-05-11 | 2020-07-28 | Apple Inc. | Maintaining privacy of personal information |
| DK201770428A1 (en) | 2017-05-12 | 2019-02-18 | Apple Inc. | LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT |
| DK179496B1 (en) | 2017-05-12 | 2019-01-15 | Apple Inc. | USER-SPECIFIC Acoustic Models |
| DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
| DK201770411A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | MULTI-MODAL INTERFACES |
| CN111343060B (zh) | 2017-05-16 | 2022-02-11 | 苹果公司 | 用于家庭媒体控制的方法和界面 |
| US20180336275A1 (en) | 2017-05-16 | 2018-11-22 | Apple Inc. | Intelligent automated assistant for media exploration |
| US20180336892A1 (en) | 2017-05-16 | 2018-11-22 | Apple Inc. | Detecting a trigger of a digital assistant |
| DK179560B1 (en) | 2017-05-16 | 2019-02-18 | Apple Inc. | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
| US20220279063A1 (en) | 2017-05-16 | 2022-09-01 | Apple Inc. | Methods and interfaces for home media control |
| US10818288B2 (en) | 2018-03-26 | 2020-10-27 | Apple Inc. | Natural assistant interaction |
| EP3769510A1 (en) | 2018-05-07 | 2021-01-27 | Apple Inc. | User interfaces for viewing live video feeds and recorded video |
| US10928918B2 (en) | 2018-05-07 | 2021-02-23 | Apple Inc. | Raise to speak |
| US11145294B2 (en) | 2018-05-07 | 2021-10-12 | Apple Inc. | Intelligent automated assistant for delivering content from user experiences |
| DK201870364A1 (en) | 2018-05-07 | 2019-12-03 | Apple Inc. | MULTI-PARTICIPANT LIVE COMMUNICATION USER INTERFACE |
| DK201870355A1 (en) | 2018-06-01 | 2019-12-16 | Apple Inc. | VIRTUAL ASSISTANT OPERATION IN MULTI-DEVICE ENVIRONMENTS |
| DK179822B1 (da) | 2018-06-01 | 2019-07-12 | Apple Inc. | Voice interaction at a primary device to access call functionality of a companion device |
| US10892996B2 (en) | 2018-06-01 | 2021-01-12 | Apple Inc. | Variable latency device coordination |
| DK180639B1 (en) | 2018-06-01 | 2021-11-04 | Apple Inc | DISABILITY OF ATTENTION-ATTENTIVE VIRTUAL ASSISTANT |
| US11462215B2 (en) | 2018-09-28 | 2022-10-04 | Apple Inc. | Multi-modal inputs for voice commands |
| US11128792B2 (en) | 2018-09-28 | 2021-09-21 | Apple Inc. | Capturing and displaying images with multiple focal planes |
| US11475898B2 (en) | 2018-10-26 | 2022-10-18 | Apple Inc. | Low-latency multi-speaker speech recognition |
| CN109378006B (zh) * | 2018-12-28 | 2022-09-16 | 三星电子（中国）研发中心 | 一种跨设备声纹识别方法及系统 |
| WO2020153736A1 (en) | 2019-01-23 | 2020-07-30 | Samsung Electronics Co., Ltd. | Method and device for speech recognition |
| US11348573B2 (en) | 2019-03-18 | 2022-05-31 | Apple Inc. | Multimodality in digital assistant systems |
| JP7259446B2 (ja) * | 2019-03-20 | 2023-04-18 | 沖電気工業株式会社 | 音声処理装置、エージェントシステム、プログラム、および、音声処理方法 |
| US11482215B2 (en) | 2019-03-27 | 2022-10-25 | Samsung Electronics Co., Ltd. | Multi-modal interaction with intelligent assistants in voice command devices |
| US11538482B2 (en) | 2019-04-25 | 2022-12-27 | Lg Electronics Inc. | Intelligent voice enable device searching method and apparatus thereof |
| WO2020222988A1 (en) | 2019-04-30 | 2020-11-05 | Apple Inc. | Utilizing context information with an electronic device |
| US11307752B2 (en) | 2019-05-06 | 2022-04-19 | Apple Inc. | User configurable task triggers |
| US11423908B2 (en) | 2019-05-06 | 2022-08-23 | Apple Inc. | Interpreting spoken requests |
| US11475884B2 (en) | 2019-05-06 | 2022-10-18 | Apple Inc. | Reducing digital assistant latency when a language is incorrectly determined |
| DK201970509A1 (en) | 2019-05-06 | 2021-01-15 | Apple Inc | Spoken notifications |
| WO2020231181A1 (en) | 2019-05-16 | 2020-11-19 | Samsung Electronics Co., Ltd. | Method and device for providing voice recognition service |
| US11140099B2 (en) | 2019-05-21 | 2021-10-05 | Apple Inc. | Providing message response suggestions |
| DK201970533A1 (en) | 2019-05-31 | 2021-02-15 | Apple Inc | Methods and user interfaces for sharing audio |
| US11620103B2 (en) | 2019-05-31 | 2023-04-04 | Apple Inc. | User interfaces for audio media control |
| US11496600B2 (en) | 2019-05-31 | 2022-11-08 | Apple Inc. | Remote execution of machine-learned models |
| DK201970510A1 (en) | 2019-05-31 | 2021-02-11 | Apple Inc | Voice identification in digital assistant systems |
| US11363071B2 (en) | 2019-05-31 | 2022-06-14 | Apple Inc. | User interfaces for managing a local network |
| US10996917B2 (en) | 2019-05-31 | 2021-05-04 | Apple Inc. | User interfaces for audio media control |
| US10802843B1 (en) | 2019-05-31 | 2020-10-13 | Apple Inc. | Multi-user configuration |
| US11363382B2 (en) * | 2019-05-31 | 2022-06-14 | Apple Inc. | Methods and user interfaces for audio synchronization |
| WO2020242493A1 (en) * | 2019-05-31 | 2020-12-03 | Google Llc | Dynamically assigning multi-modality circumstantial data to assistant action requests for correlating with subsequent requests |
| US11289073B2 (en) | 2019-05-31 | 2022-03-29 | Apple Inc. | Device text to speech |
| US10904029B2 (en) | 2019-05-31 | 2021-01-26 | Apple Inc. | User interfaces for managing controllable external devices |
| DK180129B1 (en) | 2019-05-31 | 2020-06-02 | Apple Inc. | USER ACTIVITY SHORTCUT SUGGESTIONS |
| US11360641B2 (en) | 2019-06-01 | 2022-06-14 | Apple Inc. | Increasing the relevance of new available information |
| US11468890B2 (en) | 2019-06-01 | 2022-10-11 | Apple Inc. | Methods and user interfaces for voice-based control of electronic devices |
| WO2020251101A1 (ko) * | 2019-06-14 | 2020-12-17 | 엘지전자 주식회사 | 사용자의 동선을 결정하는 인공 지능 장치 및 그 방법 |
| US20210405148A1 (en) * | 2019-06-14 | 2021-12-30 | Lg Electronics Inc. | An artificial intelligence apparatus for providing service based on path of user and method for the same |
| KR20210015428A (ko) | 2019-08-02 | 2021-02-10 | 삼성전자주식회사 | 사용자 인터페이스를 제공하는 전자 장치 및 방법 |
| CN110557741B (zh) * | 2019-08-05 | 2021-08-13 | 华为技术有限公司 | 终端交互的方法及终端 |
| KR20210024861A (ko) * | 2019-08-26 | 2021-03-08 | 삼성전자주식회사 | 대화 서비스를 제공하는 방법 및 전자 디바이스 |
| US20220343909A1 (en) * | 2019-09-06 | 2022-10-27 | Lg Electronics Inc. | Display apparatus |
| US11488406B2 (en) | 2019-09-25 | 2022-11-01 | Apple Inc. | Text detection using global geometry estimators |
| US11550598B2 (en) | 2019-12-13 | 2023-01-10 | Google Llc | Systems and methods for adding digital content during an application opening operation |
| US20210191779A1 (en) * | 2019-12-18 | 2021-06-24 | Google Llc | Operating system level distributed ambient computing |
| JP7508787B2 (ja) * | 2020-02-04 | 2024-07-02 | 沖電気工業株式会社 | 情報処理装置、情報処理方法、情報処理プログラム、命令実行サーバ、命令実行方法、命令実行プログラム、データサーバ、データ処理方法およびデータ処理プログラム |
| CN111444761B (zh) * | 2020-02-21 | 2023-05-30 | 云知声智能科技股份有限公司 | 一种提高叫醒率的方法及装置 |
| CN113409797A (zh) * | 2020-03-16 | 2021-09-17 | 阿里巴巴集团控股有限公司 | 语音处理方法和系统、及语音交互设备和方法 |
| US11061543B1 (en) | 2020-05-11 | 2021-07-13 | Apple Inc. | Providing relevant data items based on context |
| US11038934B1 (en) | 2020-05-11 | 2021-06-15 | Apple Inc. | Digital assistant hardware abstraction |
| US11079913B1 (en) | 2020-05-11 | 2021-08-03 | Apple Inc. | User interface for status indicators |
| US11755276B2 (en) | 2020-05-12 | 2023-09-12 | Apple Inc. | Reducing description length based on confidence |
| US11490204B2 (en) | 2020-07-20 | 2022-11-01 | Apple Inc. | Multi-device audio adjustment coordination |
| US11438683B2 (en) | 2020-07-21 | 2022-09-06 | Apple Inc. | User identification using headphones |
| US11798546B2 (en) | 2020-08-14 | 2023-10-24 | Google Llc | Transient personalization mode for guest users of an automated assistant |
| JP7430126B2 (ja) * | 2020-09-01 | 2024-02-09 | シャープ株式会社 | 情報処理装置、印刷システム、制御方法及びプログラム |
| US11392291B2 (en) | 2020-09-25 | 2022-07-19 | Apple Inc. | Methods and interfaces for media control with dynamic feedback |
| EP4222613A1 (en) * | 2020-09-30 | 2023-08-09 | Oracle International Corporation | Automatic out of scope transition for chatbot |
| WO2022102893A1 (ko) * | 2020-11-11 | 2022-05-19 | 삼성전자주식회사 | 전자 장치, 시스템 및 그 제어 방법 |
| CN112802475A (zh) * | 2020-12-30 | 2021-05-14 | 厦门市美亚柏科信息股份有限公司 | 基于语音识别的应用自动登录方法及计算机可读存储介质 |
| CN114844732B (zh) * | 2021-01-30 | 2023-06-20 | 华为技术有限公司 | 一种会议接入方法及电子设备 |
| US11431891B2 (en) | 2021-01-31 | 2022-08-30 | Apple Inc. | User interfaces for wide angle video conference |
| WO2022168603A1 (ja) * | 2021-02-05 | 2022-08-11 | 株式会社ワコム | 画像描画方法 |
| EP4057165B1 (de) * | 2021-03-11 | 2024-07-17 | Deutsche Telekom AG | Sprachassistenzsteuerung |
| US11893214B2 (en) | 2021-05-15 | 2024-02-06 | Apple Inc. | Real-time communication user interface |
| US20220368548A1 (en) | 2021-05-15 | 2022-11-17 | Apple Inc. | Shared-content session user interfaces |
| US11907605B2 (en) | 2021-05-15 | 2024-02-20 | Apple Inc. | Shared-content session user interfaces |
| US11960615B2 (en) | 2021-06-06 | 2024-04-16 | Apple Inc. | Methods and user interfaces for voice-based user profile management |
| US12021806B1 (en) | 2021-09-21 | 2024-06-25 | Apple Inc. | Intelligent message delivery |
| US11770600B2 (en) | 2021-09-24 | 2023-09-26 | Apple Inc. | Wide angle video conference |
| US12111875B2 (en) * | 2022-12-14 | 2024-10-08 | Google Llc | Pairing user headphones with a location-based automated assistant |
| WO2024172806A1 (en) * | 2023-02-13 | 2024-08-22 | Cerence Operating Company | Extravehicular speech interface for automotive assistant |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7606712B1 (en) * | 2001-06-28 | 2009-10-20 | At&T Intellectual Property Ii, L.P. | Speech recognition interface for voice actuation of legacy systems |
| US8831949B1 (en) * | 2001-06-28 | 2014-09-09 | At&T Intellectual Property I, L.P. | Voice recognition for performing authentication and completing transactions in a systems interface to legacy systems |
| US8995972B1 (en) * | 2014-06-05 | 2015-03-31 | Grandios Technologies, Llc | Automatic personal assistance between users devices |
| CN106465074A (zh) * | 2014-06-19 | 2017-02-22 | 微软技术许可有限责任公司 | 数字助手在通信中的使用 |
Family Cites Families (57)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3275840B2 (ja) * | 1998-08-12 | 2002-04-22 | 日本電気株式会社 | 機器操作システム及び方法、並びに記録媒体 |
| JP3724234B2 (ja) * | 1998-12-22 | 2005-12-07 | カシオ計算機株式会社 | 情報配信装置および記録媒体 |
| AU2003211970A1 (en) * | 2002-02-13 | 2003-09-04 | Matsushita Electric Industrial Co., Ltd. | Information providing apparatus, provided information presenting apparatus, and information providing method |
| EP1511277A1 (en) * | 2003-08-29 | 2005-03-02 | Swisscom AG | Method for answering an incoming event with a phone device, and adapted phone device |
| CA2618623C (en) * | 2005-08-09 | 2015-01-06 | Mobilevoicecontrol, Inc. | Control center for a voice controlled wireless communication device system |
| US7949529B2 (en) * | 2005-08-29 | 2011-05-24 | Voicebox Technologies, Inc. | Mobile systems and methods of supporting natural language human-machine interactions |
| US20070156400A1 (en) * | 2006-01-03 | 2007-07-05 | Wheeler Mark R | System and method for wireless dictation and transcription |
| US8015014B2 (en) * | 2006-06-16 | 2011-09-06 | Storz Endoskop Produktions Gmbh | Speech recognition system with user profiles management component |
| US20080071544A1 (en) * | 2006-09-14 | 2008-03-20 | Google Inc. | Integrating Voice-Enabled Local Search and Contact Lists |
| US20090030685A1 (en) * | 2007-03-07 | 2009-01-29 | Cerra Joseph P | Using speech recognition results based on an unstructured language model with a navigation system |
| US8977255B2 (en) * | 2007-04-03 | 2015-03-10 | Apple Inc. | Method and system for operating a multi-function portable electronic device using voice-activation |
| JP4412504B2 (ja) * | 2007-04-17 | 2010-02-10 | 本田技研工業株式会社 | 音声認識装置、音声認識方法、及び音声認識用プログラム |
| US8099289B2 (en) * | 2008-02-13 | 2012-01-17 | Sensory, Inc. | Voice interface and search for electronic devices including bluetooth headsets and remote systems |
| US8370148B2 (en) * | 2008-04-14 | 2013-02-05 | At&T Intellectual Property I, L.P. | System and method for answering a communication notification |
| WO2010105246A2 (en) * | 2009-03-12 | 2010-09-16 | Exbiblio B.V. | Accessing resources based on capturing information from a rendered document |
| US20100263015A1 (en) * | 2009-04-09 | 2010-10-14 | Verizon Patent And Licensing Inc. | Wireless Interface for Set Top Box |
| US20150294377A1 (en) * | 2009-05-30 | 2015-10-15 | Edmond K. Chow | Trust network effect |
| EP2339576B1 (en) * | 2009-12-23 | 2019-08-07 | Google LLC | Multi-modal input on an electronic device |
| US8352576B2 (en) * | 2010-11-15 | 2013-01-08 | Google Inc. | Media file access |
| US9493130B2 (en) * | 2011-04-22 | 2016-11-15 | Angel A. Penilla | Methods and systems for communicating content to connected vehicle users based detected tone/mood in voice input |
| US8468022B2 (en) * | 2011-09-30 | 2013-06-18 | Google Inc. | Voice control for asynchronous notifications |
| EP2608610A1 (en) * | 2011-12-22 | 2013-06-26 | France Telecom | Method for notifying a user of a device of the occurrence of an event |
| US10417037B2 (en) * | 2012-05-15 | 2019-09-17 | Apple Inc. | Systems and methods for integrating third party services with a digital assistant |
| WO2014142702A1 (en) | 2013-03-15 | 2014-09-18 | Obschestvo S Ogranichennoy Otvetstvennostiyu "Speaktoit" | Selective speech recognition for chat and digital personal assistant systems |
| US9190057B2 (en) * | 2012-12-12 | 2015-11-17 | Amazon Technologies, Inc. | Speech model retrieval in distributed speech recognition systems |
| CN103078995A (zh) * | 2012-12-18 | 2013-05-01 | 苏州思必驰信息科技有限公司 | 一种在移动终端使用的可定制的个性化应答方法和系统 |
| US9530409B2 (en) * | 2013-01-23 | 2016-12-27 | Blackberry Limited | Event-triggered hands-free multitasking for media playback |
| EP2760015A1 (en) * | 2013-01-23 | 2014-07-30 | BlackBerry Limited | Event-triggered hands-free multitasking for media playback |
| JP6115152B2 (ja) * | 2013-01-29 | 2017-04-19 | コニカミノルタ株式会社 | 情報処理システム、情報処理装置、情報処理端末及びプログラム |
| US9672822B2 (en) * | 2013-02-22 | 2017-06-06 | Next It Corporation | Interaction with a portion of a content item through a virtual assistant |
| US9472205B2 (en) * | 2013-05-06 | 2016-10-18 | Honeywell International Inc. | Device voice recognition systems and methods |
| KR102369784B1 (ko) * | 2013-06-07 | 2022-03-03 | 애플 인크. | 지능형 자동 어시스턴트 |
| USRE49014E1 (en) | 2013-06-19 | 2022-04-05 | Panasonic Intellectual Property Corporation Of America | Voice interaction method, and device |
| KR101506510B1 (ko) * | 2013-10-10 | 2015-03-30 | 송철호 | 음성인식 홈 네트워크 시스템 |
| US9698999B2 (en) * | 2013-12-02 | 2017-07-04 | Amazon Technologies, Inc. | Natural language control of secondary device |
| US9431021B1 (en) * | 2014-03-27 | 2016-08-30 | Amazon Technologies, Inc. | Device grouping for audio based interactivity |
| US9632748B2 (en) * | 2014-06-24 | 2017-04-25 | Google Inc. | Device designation for audio input monitoring |
| US20150371529A1 (en) * | 2014-06-24 | 2015-12-24 | Bose Corporation | Audio Systems and Related Methods and Devices |
| WO2016017997A1 (en) * | 2014-07-31 | 2016-02-04 | Samsung Electronics Co., Ltd. | Wearable glasses and method of providing content using the same |
| JP6555858B2 (ja) * | 2014-08-01 | 2019-08-07 | シャープ株式会社 | 機器、音声出力方法、音声出力プログラム、ネットワークシステム、サーバ、および通信機器 |
| KR20160023089A (ko) * | 2014-08-21 | 2016-03-03 | 엘지전자 주식회사 | 디지털 디바이스 및 그 제어 방법 |
| US10204622B2 (en) * | 2015-09-10 | 2019-02-12 | Crestron Electronics, Inc. | Acoustic sensory network |
| US10789041B2 (en) * | 2014-09-12 | 2020-09-29 | Apple Inc. | Dynamic thresholds for always listening speech trigger |
| CN104202734A (zh) * | 2014-09-23 | 2014-12-10 | 酷派软件技术（深圳）有限公司 | 通知处理方法、通知处理装置和终端 |
| JP6448971B2 (ja) * | 2014-09-30 | 2019-01-09 | シャープ株式会社 | 対話装置 |
| US10235996B2 (en) * | 2014-10-01 | 2019-03-19 | XBrain, Inc. | Voice and connection platform |
| US9812128B2 (en) * | 2014-10-09 | 2017-11-07 | Google Inc. | Device leadership negotiation among voice interface devices |
| US9812126B2 (en) * | 2014-11-28 | 2017-11-07 | Microsoft Technology Licensing, Llc | Device arbitration for listening devices |
| US20170032783A1 (en) * | 2015-04-01 | 2017-02-02 | Elwha Llc | Hierarchical Networked Command Recognition |
| US20160322044A1 (en) * | 2015-04-01 | 2016-11-03 | Elwha Llc | Networked User Command Recognition |
| US20160292603A1 (en) * | 2015-04-03 | 2016-10-06 | Microsoft Technology Licensing, LLP | Capturing Notes From Passive Recording With Task Assignments |
| US20160365101A1 (en) * | 2015-06-15 | 2016-12-15 | Motorola Mobility Llc | Enabling Event Driven Voice Interaction with a Device |
| WO2016205338A1 (en) * | 2015-06-18 | 2016-12-22 | Amgine Technologies (Us), Inc. | Managing interactions between users and applications |
| US10325590B2 (en) * | 2015-06-26 | 2019-06-18 | Intel Corporation | Language model modification for local speech recognition systems using remote sources |
| US11587559B2 (en) * | 2015-09-30 | 2023-02-21 | Apple Inc. | Intelligent device identification |
| US9965247B2 (en) * | 2016-02-22 | 2018-05-08 | Sonos, Inc. | Voice controlled media playback system based on user profile |
| US10127926B2 (en) * | 2016-06-10 | 2018-11-13 | Google Llc | Securely executing voice actions with speaker identification and authentication input types |
-
2018
- 2018-05-16 KR KR1020187038134A patent/KR102100742B1/ko active IP Right Grant
- 2018-05-16 KR KR1020227002381A patent/KR102477489B1/ko active IP Right Grant
- 2018-05-16 AU AU2018271099A patent/AU2018271099B2/en active Active
- 2018-05-16 CN CN201910065508.2A patent/CN110021300B/zh active Active
- 2018-05-16 EP EP22167039.1A patent/EP4047600A3/en active Pending
- 2018-05-16 EP EP20179164.7A patent/EP3745395B1/en active Active
- 2018-05-16 CN CN202310874581.0A patent/CN117130574A/zh active Pending
- 2018-05-16 EP EP19150939.7A patent/EP3493202B1/en active Active
- 2018-05-16 CN CN201880002639.XA patent/CN109463004B/zh active Active
- 2018-05-16 WO PCT/US2018/032919 patent/WO2018213415A1/en unknown
- 2018-05-16 EP EP18732187.2A patent/EP3459076B1/en active Active
- 2018-05-16 CN CN201910310783.6A patent/CN110021301B/zh active Active
- 2018-05-16 JP JP2018567925A patent/JP6606301B1/ja active Active
- 2018-05-16 KR KR1020197001796A patent/KR102089487B1/ko active IP Right Grant
- 2018-05-16 KR KR1020217022175A patent/KR102355966B1/ko active IP Right Grant
-
2019
- 2019-01-08 JP JP2019001345A patent/JP6738445B2/ja active Active
- 2019-01-17 AU AU2019200295A patent/AU2019200295B2/en active Active
- 2019-05-14 AU AU2019203392A patent/AU2019203392B2/en active Active
-
2020
- 2020-02-28 AU AU2020201470A patent/AU2020201470B2/en active Active
- 2020-07-17 JP JP2020123111A patent/JP7037602B2/ja active Active
-
2021
- 2021-08-20 AU AU2021218193A patent/AU2021218193B2/en active Active
-
2022
- 2022-03-04 JP JP2022033719A patent/JP7379562B2/ja active Active
-
2023
- 2023-11-01 JP JP2023187807A patent/JP2024020278A/ja active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7606712B1 (en) * | 2001-06-28 | 2009-10-20 | At&T Intellectual Property Ii, L.P. | Speech recognition interface for voice actuation of legacy systems |
| US8831949B1 (en) * | 2001-06-28 | 2014-09-09 | At&T Intellectual Property I, L.P. | Voice recognition for performing authentication and completing transactions in a systems interface to legacy systems |
| US8995972B1 (en) * | 2014-06-05 | 2015-03-31 | Grandios Technologies, Llc | Automatic personal assistance between users devices |
| CN106465074A (zh) * | 2014-06-19 | 2017-02-22 | 微软技术许可有限责任公司 | 数字助手在通信中的使用 |
Also Published As
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110021301B (zh) | 数字助理服务的远场延伸 | |
| CN111656439B (zh) | 基于延迟控制电子设备的方法、电子设备及存储介质 | |
| US20220093110A1 (en) | Far-field extension for digital assistant services | |
| CN111901481B (zh) | 计算机实现的方法、电子设备和存储介质 | |
| CN110223698B (zh) | 训练数字助理的说话人识别模型 | |
| CN111480134B (zh) | 注意力感知虚拟助理清除 | |
| CN109257941B (zh) | 用于数字助理的同步和任务委派的方法、电子设备和系统 | |
| CN108604449B (zh) | 说话者识别 | |
| CN115088250A (zh) | 视频通信会话环境中的数字助理交互 | |
| CN116312527A (zh) | 自然助理交互 | |
| CN111418007A (zh) | 多轮预制对话 | |
| CN112767929A (zh) | 个人信息的隐私维护 | |
| CN115438330A (zh) | 用于数字助理请求的基于附件设备的认证 | |
| CN118335091A (zh) | 数字助理系统中的声音识别 | |
| CN110612566B (zh) | 个人信息的隐私维护 | |
| CN110097883B (zh) | 用于在主设备处访问配套设备的呼叫功能的语音交互 | |
| CN112015873A (zh) | 通过设备内置目标定位和个性化实现语音助理可发现性 | |
| CN111399714A (zh) | 用户活动快捷方式建议 | |
| CN112017672B (zh) | 数字助理系统中的声音识别 | |
| CN117170485A (zh) | 基于上下文的任务执行 | |
| CN113641619A (zh) | 数字助理硬件抽象 | |
| CN112732622A (zh) | 数字助理硬件抽象 | |
| CN112732624A (zh) | 数字助理硬件抽象 | |
| CN110651324A (zh) | 多模态界面 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |