CN112017672A - 数字助理系统中的声音识别 - Google Patents
数字助理系统中的声音识别 Download PDFInfo
- Publication number
- CN112017672A CN112017672A CN202010418092.0A CN202010418092A CN112017672A CN 112017672 A CN112017672 A CN 112017672A CN 202010418092 A CN202010418092 A CN 202010418092A CN 112017672 A CN112017672 A CN 112017672A
- Authority
- CN
- China
- Prior art keywords
- user
- natural language
- speech input
- response
- examples
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 325
- 230000004044 response Effects 0.000 claims abstract description 312
- 238000004891 communication Methods 0.000 claims description 91
- 238000012790 confirmation Methods 0.000 claims description 39
- 238000003860 storage Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 abstract description 179
- 238000012545 processing Methods 0.000 description 77
- 230000033001 locomotion Effects 0.000 description 52
- 238000003058 natural language processing Methods 0.000 description 34
- 238000005111 flow chemistry technique Methods 0.000 description 27
- 230000003993 interaction Effects 0.000 description 25
- 230000003287 optical effect Effects 0.000 description 21
- 230000015572 biosynthetic process Effects 0.000 description 20
- 230000002093 peripheral effect Effects 0.000 description 20
- 238000003786 synthesis reaction Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 241000238558 Eucarida Species 0.000 description 15
- 230000007246 mechanism Effects 0.000 description 14
- 230000009471 action Effects 0.000 description 13
- 238000007726 management method Methods 0.000 description 13
- 241000699666 Mus <mouse, genus> Species 0.000 description 12
- 230000007423 decrease Effects 0.000 description 12
- 230000036541 health Effects 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 7
- 238000009499 grossing Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 6
- 230000003213 activating effect Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000021317 sensory perception Effects 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
- 238000012937 correction Methods 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 241001422033 Thestylus Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013503 de-identification Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 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
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000881 depressing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000009977 dual effect Effects 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
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 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
- 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
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012544 monitoring process 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
- 238000002407 reforming 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
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000009528 vital sign measurement Methods 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
- 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
- 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
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/42136—Administration or customisation of services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/527—Centralised call answering arrangements not requiring operator intervention
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- User Interface Of Digital Computer (AREA)
- Machine Translation (AREA)
- Telephone Function (AREA)
Abstract
本公开涉及数字助理系统中的声音识别。本公开提供了用于操作智能自动化助理的系统和过程。一种示例方法包括从一个或多个外部电子设备接收用于多个用户的多个说话者配置文件；接收自然语言语音输入；基于将自然语言语音输入与多个说话者配置文件进行比较来确定：自然语言语音输入对应于多个用户中的第一用户的第一可能性；以及自然语言语音输入对应于多个用户中的第二用户的第二可能性；确定第一可能性和第二可能性是否在第一阈值内；并且根据确定第一可能性和第二可能性不在第一阈值内：提供对自然语言语音输入的响应，该响应针对第一用户被个性化。
Description
技术领域
本公开整体涉及智能自动化助理，更具体地，涉及在多用户或共享环境中识别智能自动化助理的用户。
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。
数字助理可在由许多用户共享的设备上操作。因此，可能期望数字助理在多用户或共享环境中识别设备的当前用户。
发明内容
本文公开了示例方法。一种示例方法包括，在具有存储器和一个或多个处理器的电子设备处：从一个或多个外部电子设备接收用于多个用户的多个说话者配置文件；接收自然语言语音输入；基于将自然语言语音输入与多个说话者配置文件进行比较来确定：自然语言语音输入对应于多个用户中的第一用户的第一可能性；以及自然语言语音输入对应于多个用户中的第二用户的第二可能性，该第二可能性小于第一可能性；确定第一可能性和第二可能性是否在第一阈值内；并且根据确定第一可能性和第二可能性不在第一阈值内：提供对自然语言语音输入的响应，该响应针对第一用户被个性化。
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。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：从一个或多个外部电子设备接收用于多个用户的多个说话者配置文件；接收自然语言语音输入；基于将自然语言语音输入与多个说话者配置文件进行比较来确定：自然语言语音输入对应于多个用户中的第一用户的第一可能性；以及自然语言语音输入对应于多个用户中的第二用户的第二可能性，该第二可能性小于第一可能性；确定第一可能性和第二可能性是否在第一阈值内；并且根据确定第一可能性和第二可能性不在第一阈值内：提供对自然语言语音输入的响应，该响应针对第一用户被个性化。
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，其中一个或多个程序被存储在存储器中并且被配置为由一个或多个处理器执行，该一个或多个程序包括用于如下操作的指令：从一个或多个外部电子设备接收用于多个用户的多个说话者配置文件；接收自然语言语音输入；基于将自然语言语音输入与多个说话者配置文件进行比较来确定：自然语言语音输入对应于多个用户中的第一用户的第一可能性；以及自然语言语音输入对应于多个用户中的第二用户的第二可能性，该第二可能性小于第一可能性；确定第一可能性和第二可能性是否在第一阈值内；并且根据确定第一可能性和第二可能性不在第一阈值内：提供对自然语言语音输入的响应，该响应针对第一用户被个性化。
一种示例电子设备包括用于执行以下操作的装置：从一个或多个外部电子设备接收用于多个用户的多个说话者配置文件；接收自然语言语音输入；基于将自然语言语音输入与多个说话者配置文件进行比较来确定：自然语言语音输入对应于多个用户中的第一用户的第一可能性；以及自然语言语音输入对应于多个用户中的第二用户的第二可能性，该第二可能性小于第一可能性；确定第一可能性和第二可能性是否在第一阈值内；并且根据确定第一可能性和第二可能性不在第一阈值内：提供对自然语言语音输入的响应，该响应针对第一用户被个性化。
本文公开了示例方法。一种示例方法包括，在具有存储器和一个或多个处理器的电子设备处：接收语音媒体请求；确定多个注册用户中的用户是否对应于所述语音媒体请求；根据确定多个注册用户中的第一用户对应于语音媒体请求：提供对语音媒体请求的第一响应，该第一响应针对第一用户被个性化；并且根据确定多个注册用户中没有用户对应于语音媒体请求：确定语音媒体请求是否包括个人媒体请求；根据确定语音媒体请求包括个人媒体请求：获取提供语音媒体请求的用户的标识；以及根据获取标识：提供对语音媒体请求的第二响应，该第二响应针对提供语音媒体请求的用户被个性化。
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。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：接收语音媒体请求；确定多个注册用户中的用户是否对应于所述语音媒体请求；根据确定多个注册用户中的第一用户对应于语音媒体请求：提供对语音媒体请求的第一响应，该第一响应针对第一用户被个性化；并且根据确定多个注册用户中没有用户对应于语音媒体请求：确定语音媒体请求是否包括个人媒体请求；根据确定语音媒体请求包括个人媒体请求：获取提供语音媒体请求的用户的标识；以及根据获取标识：提供对语音媒体请求的第二响应，该第二响应针对提供语音媒体请求的用户被个性化。
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，其中一个或多个程序存储在存储器中并且被配置为由一个或多个处理器执行，一个或多个程序包括用于如下操作的指令：接收语音媒体请求；确定多个注册用户中的用户是否对应于所述语音媒体请求；根据确定多个注册用户中的第一用户对应于语音媒体请求：提供对语音媒体请求的第一响应，该第一响应针对第一用户被个性化；并且根据确定多个注册用户中没有用户对应于语音媒体请求：确定语音媒体请求是否包括个人媒体请求；根据确定语音媒体请求包括个人媒体请求：获取提供语音媒体请求的用户的标识；以及根据获取标识：提供对语音媒体请求的第二响应，该第二响应针对提供语音媒体请求的用户被个性化。
一种示例电子设备包括用于执行以下操作的装置：接收语音媒体请求；确定多个注册用户中的用户是否对应于所述语音媒体请求；根据确定多个注册用户中的第一用户对应于语音媒体请求：提供对语音媒体请求的第一响应，该第一响应针对第一用户被个性化；并且根据确定多个注册用户中没有用户对应于语音媒体请求：确定语音媒体请求是否包括个人媒体请求；根据确定语音媒体请求包括个人媒体请求：获取提供语音媒体请求的用户的标识；以及根据获取标识：提供对语音媒体请求的第二响应，该第二响应针对提供语音媒体请求的用户被个性化。
基于将自然语言语音输入与多个说话者配置文件进行比较来确定：自然语言语音输入对应于多个用户中的第一用户的第一可能性；以及自然语言语音输入对应于多个用户中的第二用户的第二可能性，该第二可能性小于第一可能性允许数字助理识别当前用户。例如，如果数字助理在由许多用户共享的设备上操作，那么数字助理可(例如，基于其语音输入)识别设备的当前用户并且提供针对所识别的用户而个性化的响应(和/或执行任务)(例如，读出用户的文本消息、向用户的日历中添加事件、呼叫用户联系人中的一人等)。因此，由许多用户共享的电子设备可准确识别当前用户并为所识别的用户提供个人内容。这样，可使得用户设备界面更有效率(例如，通过有效率地提供与所识别用户相关的响应，通过增加共享电子设备可提供的信息量，通过防止向未识别用户披露个人信息)，而这又通过使得用户能够更快速和高效地使用设备，减少了电力使用并且延长了设备的电池寿命。
根据确定第一可能性和第二可能性不在第一阈值内：提供对自然语言语音输入的响应，该响应针对第一用户被个性化，这样允许数字助理在提供针对当前用户而个性化的响应之前确定当前用户是否可与其他用户区分。这可通过阻止其他用户访问此类信息来增强用户的个人信息的安全性。另外，确定当前用户是否可与电子设备的其他用户区分开可改善用户识别的准确性(例如，尤其是当电子设备由许多用户共享时)。如所讨论的，准确识别当前用户并为所识别的用户提供个人内容使得用户设备界面更有效率(例如，通过有效率地提供与所识别用户相关的响应，通过增加共享电子设备可提供的信息量，通过防止向未识别用户披露个人信息)，而这又通过使得用户能够更快速和高效地使用设备，减少了电力使用并且延长了设备的电池寿命。
根据确定多个注册用户中的第一用户对应于语音媒体请求：提供对语音媒体请求的第一响应，该第一响应针对第一用户被个性化，这样允许由许多用户共享的电子设备为所识别的用户提供或修改媒体内容。因此，对语音媒体请求的响应可有利地针对所识别的用户进行个性化(例如，从所识别用户的账户播放音乐，向所识别用户的账户添加媒体内容，从所识别用户的优选内容提供商提供新闻等)。此外，可阻止用户的媒体内容的未经授权的修改或提供(例如，通过阻止共享设备的一个用户修改设备的另一用户的媒体内容)。这样，可使得用户设备界面更有效率(例如，通过提供与所识别用户相关的媒体内容，通过阻止其他用户修改用户的媒体内容，通过允许共享设备高效且安全地管理多个用户的媒体内容)，而这又通过使得用户能够更快速和高效地使用设备，减少了电力使用并且延长了设备的电池寿命。
根据确定语音媒体请求包括个人媒体请求：获取提供语音媒体请求的用户的标识；以及根据获取标识：提供对语音媒体请求的第二响应，该第二响应针对提供语音媒体请求的用户被个性化，这样允许由许多用户共享的电子设备安全地提供或修改所识别用户的媒体内容。例如，如果设备不能充分地确信语音请求对应于用户，则设备可在提供个性化响应之前使用其他技术(例如，除使用语音请求之外)来识别用户。这可通过阻止其他用户访问和/或修改用户的媒体内容来提高用户的媒体内容的安全性。此外，根据确定语音媒体请求包括个人媒体请求来获取提供语音媒体请求的用户的标识可允许仅在适当时(例如，当语音媒体请求包括个人请求时)执行其他技术以识别用户。例如，对于不需要用户识别的语音媒体请求(例如，“播放音乐”)，设备不会不期望地执行其他技术来识别用户(例如，发起与用户的对话)。又如，当用户识别是期望的时(例如，对于诸如“将此添加到我的播放列表”、“播放我的个人音乐”的请求)，设备可执行其他技术来识别用户。因此，设备可高效且安全地提供或修改媒体内容而不延长用户设备交互。这样，可使得用户设备界面更有效率(例如，通过提供与所识别用户相关的媒体内容，通过阻止其他用户修改用户的媒体内容，通过允许共享设备高效且安全地管理多个用户的媒体内容)，而这又通过使得用户能够更快速和高效地使用设备，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为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为示出了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8示出了根据一些示例的用户与电子设备的交互。
图9A-图9F示出了根据一些示例的用于对语音输入作出响应的过程的流程图。
图10A-图10H示出了用户与电子设备的示例性交互。
图11A-图11B示出了根据一些示例的用于提供媒体内容的过程的流程图。
图12示出了用于获取个人信息的示例性系统。
图13A-图13G示出了根据一些示例的用于对语音输入作出响应的过程。
图14A-图14E示出了根据一些示例的用于提供媒体内容的过程。
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改变。
这通常涉及基于用户的相应声音来识别数字助理的用户。一旦识别了用户，数字助理就可以提供针对用户进行个性化的响应。
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”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”和/或“包含”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”或“在……时”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，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，用户请求寻求数字助理作出信息性回答或执行任务。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地址簿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有利于此类通信。
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104是便携式多功能设备(例如，下文参考图2A所述的设备200)、多功能设备(例如，下文参考图4所述的设备400)或个人电子设备(例如，下文参考图6A至图6B所述的设备600)。便携式多功能设备是例如还包含其他功能(诸如，PDA和/或音乐播放器功能)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Apple
iPod
和
设备。便携式多功能设备的其他示例包括但不限于耳塞式耳机/头戴式耳机、扬声器以及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，用户设备104是台式计算机、游戏机、扬声器、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)、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以及图6A至图6B所述的设备200、400或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是示出了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，设备200的触敏表面诸如触敏显示器系统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的触控板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。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及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任选地包括用于诸如通过近程通信无线电部件来检测近场通信(NFC)场的熟知的电路。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、IEEE 802.11n和/或IEEE802.11ac)、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)。该耳麦插孔提供音频电路210与可移除的音频输入/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。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216。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、点击轮等。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端口以及指向设备诸如鼠标。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”的美国专利7,657,849的美国专利申请11/322,549中所述，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212。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/或触感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中所述的多点触敏触控板，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，而触敏触控板不提供视觉输出。
在一些实施方案中，触摸屏212的触敏显示器如以下申请所述：(1)2006年5月2日提交的名称为“Multipoint Touch Surface Controller”的美国专利申请11/381,313；(2)2004年5月6日提交的名称为“Multipoint Touchscreen”的美国专利申请No.10/840,862；(3)2004年7月30日提交的名称为“Gestures For Touch Sensitive Input Devices”的美国专利申请10/903,964；(4)2005年1月31日提交的名称为“Gestures For TouchSensitive Input Devices”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 Input Devices”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 DevicePlacement On A Touch Screen User Interface”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 A Touch ScreenInterface”的美国专利申请No.11/228,700；(8)2005年9月16日提交的名称为“ActivatingVirtual Keys Of A Touch-Screen Virtual Keyboard”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”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仪、电容式力传感器、电气力传感器、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的后部上，与位于设备200的前部上的触摸屏显示器212相背对。
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：11/241,839，名称为“ProximityDetector In Handheld Device”；No.11/240,788，名称为“Proximity Detector InHandheld Device”；No.11/620,702，名称为“Using Ambient Light Sensor To AugmentProximity Sensor Output”；No.11/586,862，名称为“Automated Response To AndSensing Of User Activity In Portable Devices”；以及No.11/638,251，名称为“Methods And Systems For Automatic Configuration Of Peripherals”，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，当多功能设备被置于用户的耳朵附近时(例如，当用户正在进行电话呼叫时)，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/或用于将能量转换成线性运动的机电设备诸如电机、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，用于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的后部上，与位于设备200的前部上的触摸屏显示器212相背对。
设备200还包括一个或多个加速度计268。图2A示出了耦接到外围设备接口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。设备/全局内部状态257包括以下中的一者或多者：活动应用程序状态，其指示哪些应用程序(如果有的话)当前是活动的；显示状态，其指示什么应用程序、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获取的信息；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、电源管理等)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便于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，或间接地通过网络(例如，互联网、无线LAN等)进行耦接。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，触控板或物理点击轮)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操作是否已由用户执行(例如，确定用户是否已“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，强度阈值不是由具体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任选地检测用户的手势输入。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，在必要的情况下还一起接收坐标数据和其他图形属性数据，并且然后生成屏幕图像数据，以输出至显示控制器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程序中使用(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、一个或多个加速度计268、触敏显示器系统212、一个或多个光学传感器264、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、一个或多个触觉输出生成器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、来自用户电子地址簿的数据、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/或实现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(有时称为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，其在一些示例中包括以下各项中的一者或多者：天气桌面小程序249-1、股票桌面小程序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和用户获取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；以及/或者
·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、数字权限管理、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；从通讯录删除姓名；将电话号码、电子邮件地址、物理地址或其他信息与姓名相关联；将图像与姓名相关联；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IM 241进行的通信；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、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，使将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中与一个或多个搜索条件(例如，一个或多个用户指定的搜索词)匹配的文本、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210、扬声器211、RF电路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见于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No.60/936,562和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No.11/968,067，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存储上文未描述的附加模块和数据结构。
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/或触控板来执行的设备。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，触控板在被用户触摸时将设备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是示出了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至251、255、480至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、指示信息正被显示或准备好用于被应用程序236-1显示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，作为多点触摸手势一部分的触敏显示器212上的用户触摸)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、一个或多个加速度计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至外围设备接口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，其中的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)中的子事件例如包括触摸开始、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)的定义是被显示对象上的双击。例如，双击包括被显示对象上的预先确定时长的第一触摸(触摸开始)、预先确定时长的第一抬离(触摸结束)、被显示对象上的预先确定时长的第二触摸(触摸开始)以及预先确定时长的第二抬离(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包括对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，当事件的一个或多个特定子事件被识别时，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对联系人模块237中所使用的电话号码进行更新，或者对视频播放器模块中所使用的视频文件进行存储。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，并且将显示信息发送到图形模块232用以显示在触敏显示器上。
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论述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。在另选实施方案中，设备200还通过麦克风213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为膝上型计算机、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(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和触控板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/或接触强度传感器(类似于以上参考图2A所述的接触强度传感器265))。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集。此外，存储器470存储上文未描述的附加模块和数据结构。
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：
一个或多个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；
·蓝牙指示器505；
·电池状态指示器506；
·具有针对常用应用程序的图标的托盘508，该图标诸如：
○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。
应当指出的是，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的平板或触控板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)具有与显示器(例如，550)上的主轴(例如，图5B中的553)对应的主轴(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)处的与触敏表面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(例如，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)被该设备用于操纵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-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存在于相关申请中：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”的国际专利申请PCT/US2013/040061，以及2013年11月11日提交的名称为“Device,Method,and Graphical UserInterface for Transitioning Between Touch Input to Display OutputRelationships”的国际专利申请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/或它们的组合，所有这些设备均可操作地连接到I/O部分614。
个人电子设备600的存储器618是用于存储计算机可执行指令的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”是指在设备200、400、600、800和/或900(图2A、图4、图6A-图6B、图8、图9A-图9F和图12)的显示屏上显示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中的触控板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，在触摸屏上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，轻扫接触仅位于结束位置处的部分)。在一些实施方案中，在确定接触的特征强度之前向轻扫接触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示出了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、800或900)上并通过一个或多个网络与服务器部分(例如，服务器系统108)通信，例如，如图1中所示。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、用于在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)，或它们的组合中实现。
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722一起接收用户输入(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，当数字助理在独立用户设备上实现时，数字助理系统700包括相对于图2A、图4、图6A-图6B、图8、图9A-图9F和图12中的设备200、400、600、800或900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、800或900)上的客户端侧部分与用户进行交互。
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和/或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)、FIREWIRE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，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、OS X、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)的各种软件部件和/或驱动器，并且有利于各种硬件、固件和软件部件之间的通信。
通信模块720有利于数字助理系统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和语音合成处理模块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758。
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、游戏、意图等的歧义)；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，该上下文信息还包括在接收到用户请求时的用户设备的软件状态和硬件状态，和/或在接收到用户请求时与用户的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758。该一个或多个ASR系统758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758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频谱特征作为代表性多维向量的序列。另外，每个ASR系统758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元语法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产生语音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语音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名并将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，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，候选发音
的排名高于
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名。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，候选发音的排名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，经排名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。相关联的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限定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“派对人数”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链接的属性节点一起，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，并是指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的示例和提醒域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“派对人数”以及子属性节点“菜系”、“价格范围”、“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”、“获取路线”和“寻找兴趣点”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“派对人数”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的一组字词和/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的一组字词和/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”那些节点。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打算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}、{派对人数}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{派对人数}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，如果用户请求“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名。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一个或多个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”的美国实用新型专利申请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，对话流处理模块734经由可听输出和/或视觉输出向用户呈现对话输出，并经由口头或物理(例如，点击)响应接收来自用户的输入。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“派对人数”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派对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、派对人数＝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、时间和派对人数信息，(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、派对人数)以根据在线预订服务的API的格式发送至在线预订界面。
在一些示例中，自然语言处理模块732、对话流处理模块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处理模块740(例如，语音合成器)，其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组合而接收的结构化查询。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的结构化查询中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的必要参数或它们的任何组合来选择第二结构化查询。
语音合成处理模块740被配置为合成用于呈现给用户的语音输出。语音合成处理模块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。语音合成处理模块740将文本串转换成可听语音输出。语音合成处理模块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、特定于域的合成、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，语音合成处理模块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。语音合成处理模块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，替代使用语音合成处理模块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。
有关数字助理的附加细节可见于提交于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13/251,088中，其全部公开内容以引用方式并入本文。
4.数字助理系统中的声音识别
图8、图9A-图9F、图10A-图10H和图11A-图11B示出了示例性过程和用户与电子设备的交互。这些附图示出了下文所述的一些示例性过程，分别包括图13A-图13G和图14A-图14E的过程1300和1400。
尽管下文的一些过程被描述为由特定设备(例如，设备800、900)执行，但在一些示例中，使用客户端-服务器系统(例如，系统100)来执行过程，其中设备800和/或900被实现为与服务器通信的客户端设备，例如，如图1所示。在一些示例中，在客户端设备和服务器之间以任何方式划分过程。在一些示例中，过程仅由客户端设备执行，或仅由多个客户端设备(例如，800、900)执行。
以下所述的过程使用软件、硬件或软件和硬件的组合来执行，以执行本文所述的原理。硬件和软件部件可以任何方式在执行过程的设备和/或系统(例如，800、900、100)之间分布。例如，过程任选地被实现为存储在存储器702中的计算机可执行指令和/或使用在执行过程的设备和/或系统上操作的数字助理系统700或其任何部件。本领域的技术人员将理解如何使用图1-图4、图6A-图6B、图7A-图7C的部件来执行其他过程。
图8示出了根据一些示例的用户与电子设备800的交互。设备800包括上文在图7A-图7C中描述的数字助理的模块和功能。设备800例如与上文讨论的设备400或600相同或相似。在图8的示例中，设备800是智能扬声器。然而，设备800可为任何类型的设备，诸如电话、膝上型计算机、台式计算机、平板电脑、可穿戴设备(例如，智能手表)、电视机、扬声器或它们的任何组合。
设备800(例如，从用户)接收自然语言语音输入并提供对语音输入的响应。根据下文讨论的技术，针对基于所接收的语音输入而识别的用户来对响应进行个性化。例如，图8示出了用户(例如，Stephen)向设备(例如，向在设备上操作的数字助理)提供语音输入“嘿，Siri，读出我的消息”。数字助理基于所接收的语音输入来识别用户，并提供个性化响应“好的，Stephen，读出您的消息：第一条消息：Corey说2点钟见面”。
在一些示例中，设备800从外部电子设备接收用于多个用户(例如，注册用户)的多个说话者配置文件。在一些示例中，在接收基于其识别用户的语音输入之前接收多个说话者配置文件。在一些示例中，注册用户形成一组相互关联的用户，诸如同一家庭中的用户、在特定软件应用程序中注册的用户、用户定义的用户组，或它们的组合或子组合。因此，在一些示例中，外部电子设备是注册用户中的每个用户的相应电子设备。例如，当家庭包括四个用户时，外部电子设备是家庭中每个用户的四个相应电子设备(例如，电话、膝上型计算机、手表、平板电脑)。因此，在一些示例中，四个电子设备各自向设备800发送其相应用户的说话者配置文件。
在图8的示例中，设备800已从外部电子设备900(例如，Stephen的电话)接收到用户(例如，Stephen)的说话者配置文件。在一些示例中，设备900与设备400或600相同或相似，并且是电话、膝上型计算机、台式计算机、平板电脑、可穿戴设备(例如，智能手表)、电视机、扬声器或它们的任何组合。在一些示例中，设备900包括上文相对于图7A-图7C所讨论的数字助理的模块和功能。设备800还从另一用户的外部电子设备(例如，Corey的设备，未示出)接收到另一用户(例如，Stephen的朋友Corey)的说话者配置文件。设备800根据下文讨论的技术来识别使用所接收的说话者配置文件的用户。
在一些示例中，多个所接收的说话者配置文件中的每个说话者配置文件包括相应用户的声音的多个表示。在一些示例中，基于相应用户的话语来确定多个表示中的至少一个表示。在一些示例中，话语在与相应用户相关联的外部电子设备(例如，设备800的外部)处被接收。在一些示例中，话语包括用于触发数字助理的触发短语，诸如“嘿，Siri”或“唤醒”。在一些示例中，话语由相应的用户讲出，作为数字助理的注册会话(例如，用户数次讲出触发短语以在数字助理的语音触发系统中注册的注册会话)的一部分。
在一些示例中，在外部设备(例如，设备900)上操作的数字助理根据本文讨论的技术来确定所接收话语的表示。在一些示例中，所确定的表示包括在用于相应用户的说话者配置文件中。在一些示例中，在外部设备上操作的数字助理使得所确定的表示(和/或说话者配置文件)被发送至另一设备(例如，设备800)。
例如，由设备800接收的Stephen的说话者配置文件包括Stephen的声音的多个表示。基于Stephen在设备900处的话语“嘿，Siri”来确定多个表示。在设备900上操作的数字助理使得形成Stephen的说话者配置文件的多个表示被发送至设备800。
在一些示例中，话语的表示包括话语的确定嵌入。在一些示例中，嵌入包括表示用户的声音的矢量(例如，一组数值)。在一些示例中，使用说话者模型来确定嵌入，例如，实现为存储在设备800和/或900的存储器中的可执行指令。在一些示例中，说话者模型包括神经网络、隐藏马尔可夫模型和/或用于说话者识别的本领域已知的其他模型，并且被训练以基于所接收的话语(例如，语音输入)来确定嵌入。在一些示例中，说话者模型被训练用于确定嵌入，该嵌入强调说话者特定特征，同时弱化环境和语义因素(例如，环境噪声、所说的特定字词)和特定说话者的声音的变化(例如，说话者疲倦的声音、说话者生气的声音等)。在一些示例中，说话者模型被训练以确定使相同说话者的可变性最小化(例如，来自相同说话者的话语的嵌入是相同或相似的)，同时使说话者之间的可变性最大化(例如，来自不同说话者的话语的嵌入是不同的)的嵌入。这样，所确定的嵌入可准确地表示特定说话者的声音。因此，所确定的嵌入可与其他嵌入(例如，用于特定说话者和用于其他说话者)进行比较以识别说话者。例如，如果第一嵌入接近(例如，在由矢量之间的余弦距离度量的预定义阈值内)表示特定说话者的声音的第二嵌入，则可能从特定说话者接收到对应于第一嵌入的话语。
在一些示例中，使用各种用户(例如，年轻用户、老年用户、男性用户、女性用户)的话语来训练说话者模型。在一些示例中，各种用户的话语在各种电子设备诸如电话、计算机、扬声器和平板设备处被接收。基于此类话语来训练说话者模型可允许说话者模型确定准确且稳健的嵌入，用以表示说话者的声音。具体地，因为当由不同类型的电子设备(例如，由于不同的设备麦克风配置/类型)记录时，相同话语可具有不同的特征，所以可能有利的是训练说话者模型以确定话语的准确嵌入，而与接收话语的设备无关。
在一些示例中，使用各种短语的话语(例如，“嘿，Siri”、“设置定时器”、“今天的天气怎么样？”)来训练说话者模型。这样可允许确定各种话语的准确嵌入。例如，说话者模型可最初基于话语“嘿，Siri”进行训练，但使用其他话语进行进一步训练可允许说话者模型准确地确定各种话语(例如，“给我妈妈打电话”)的嵌入。这样，可基于与用于训练说话者模型的话语(例如，“嘿，Siri”)不同的语音话语(例如，“给我妈妈打电话”)来识别用户。示例性说话者模型和用于训练说话者模型的技术在以下文献中有所论述：
·“Personalized Hey Siri.”Apple Machine Learning Journal,vol.1,no.9,April 2018；以及
·E.Marchi,S.Shum,K.Hwang,S.Kajarekar,S.Sigtia,H.Richards,R.Haynes,Y.Kim,and J.Bridle.“Generalised Discriminative Transform via CurriculumLearning for Speaker Recognition.”Proceedings of the IEEE InternationalConference on Acoustics,Speech,and Signal Processing(ICASSP),April 2018。
这些著作的内容据此全文以引用方式并入本文。
在一些示例中，设备800基于将所接收的自然语言语音输入与多个说话者配置文件进行比较来确定语音输入分别对应于多个用户(例如，注册用户)的多种可能性。在一些示例中，多种可能性中的每种可能性包括指示所接收的语音输入和相应的说话者配置文件之间的匹配程度的得分(例如，数值)。例如，在图8中，设备800基于将语音输入与Stephen的说话者配置文件进行比较来确定语音输入对应于Stephen的第一可能性，并且基于将语音输入与Corey的说话者配置文件进行比较来确定语音输入对应于Corey的第二可能性。第二可能性小于第一可能性，这表明设备800更确信语音输入对应于Stephen。
在一些示例中，确定语音输入对应于用户的可能性包括将语音输入的表示与用户声音的多个表示中的每个表示进行比较。例如，设备800确定语音输入的表示(例如，嵌入)，并且将所确定的嵌入与用户的说话者配置文件中包括的多个(例如，40个)嵌入中的每个嵌入进行比较。例如，对于多个嵌入中的每个嵌入，设备800计算相应的嵌入和所确定的嵌入之间的距离度量(例如，归一化余弦距离)。设备800然后对所确定的距离度量进行平均，以计算指示语音输入和用户的说话者配置文件之间的匹配程度的平均得分。在一些示例中，设备800然后基于平均得分来确定语音输入对应于用户的可能性。
在一些示例中，设备800确定语音输入对应于用户的可能性是否超过(或不超过)一个或多个阈值。例如，设备800确定可能性是否超过第一阈值(例如，上限阈值)。在一些示例中，超过上限阈值的可能性指示语音输入对应于由该可能性表示的用户具有高置信度。在一些示例中，设备800确定可能性是否低于第二阈值(例如，下限阈值)。在一些示例中，低于下限阈值的可能性指示语音输入对应于用户具有低置信度。在一些示例中，设备800确定可能性是否在两个阈值(诸如下限阈值和上限阈值)之间。在一些示例中，在两个阈值之间的可能性指示语音输入对应于用户具有中置信度。在图8的示例中，设备800确定语音输入对应于Stephen的可能性超过上限阈值。设备800确定语音输入对应于Corey的可能性低于下限阈值。
在一些示例中，设备800确定语音输入对应于第一用户的可能性以及语音输入对应于第二用户的可能性是否在阈值(例如，差值阈值)内。在一些示例中，具有在差值阈值内的第一可能性和第二可能性意味着设备800不能以足够的置信度来区分第一用户和第二用户(例如，因为可能性很接近)。在一些示例中，具有不在差值阈值内的第一可能性和第二可能性意味着设备800可区分用户(例如，因为可能性相差很远)。在图8的示例中，设备800确定语音输入对应于Stephen的可能性以及语音输入对应于Corey的可能性不在得分差值阈值内，例如，这意味着设备800已将Stephen的声音与Corey的声音区分开。
在一些示例中，设备800确定自然语言语音输入对应于用户(例如，识别用户)。在一些示例中，识别用户包括确定语音输入的表示，确定可能性，确定语音输入对应于用户的可能性是否超过或不超过一个或多个阈值(例如，上限阈值、下限阈值)，确定可能性高于或低于其他可能性，以及确定可能性不在所确定的任何其他可能性的差值阈值内，或其组合或子组合。例如，设备800识别出Stephen，因为语音输入“嘿，Siri，读出我的消息”对应于Stephen的可能性超过上限阈值，因为该语音输入对应于Stephen的可能性是最高的所确定的可能性，和/或因为该语音输入对应于Stephen的可能性以及该语音输入对应于Corey的可能性不在差值阈值内。
在一些示例中，识别用户包括确定对应于语音输入的可能用户，例如，多个可能的用户。在一些示例中，可从设备800的注册用户确定可能的用户。在一些示例中，可能的用户包括设备800对其具有至少低、中或高置信度的用户。在一些示例中，可能的用户包括设备800无法以足够的置信度来区分的用户。例如，如果设备800高度相信语音输入对应于Corey和Stephen两人，并且不能区分Corey和Stephen，则Corey和Stephen被确定为两个可能的用户。
在一些示例中，一个或多个可能的用户是非注册用户，例如，设备800未接收到相应说话者配置文件的用户。在一些示例中，当设备800确定语音输入对应于非注册用户具有高、中或低置信度时，非注册用户被确定为可能的用户。例如，设备800存储非注册用户的说话者配置文件，例如通用人类说话者配置文件，并且确定语音输入对应于非注册用户具有高、中或低置信度。
在一些示例中，根据识别出用户，设备800例如使用I/O处理模块728来提供对语音输入的响应。在一些示例中，对语音输入的响应针对所识别的用户被个性化。例如，响应是基于所识别用户的个人信息(下文将相对于图12进一步讨论)来确定的。在一些示例中，提供对语音输入的响应包括(例如，使用自然语言处理模块732)基于语音输入来确定用户意图，(例如，使用任务流处理模块736)基于用户意图来确定任务，以及(例如，使用输入/输出处理模块728)基于任务来提供结果。下文相对于图12讨论了关于提供个性化响应的进一步细节。
在一些示例中，对语音输入的响应包括指示所识别用户的个性化的一个或多个词语。例如，响应包括所识别用户的名字和/或词语/短语，诸如“您的”、“个人”、“个性化”或“仅用于您”。这可有利地指示设备已正确地(或不正确地)识别出用户。例如，在图8中，设备800识别出Stephen并提供针对Stephen的个性化响应，“好的，Stephen，读出您的消息：第一条消息：Corey说2点钟见面”。
有时，重复提供用户的名字(例如，响应于每个用户语音输入)可能是不期望的，因为这可能会使用户烦躁并延长设备输出的长度。因此，在一些示例中，设备800在对一开始通过其识别了用户的语音输入的响应中提供所识别用户的名字，但在随后对来自同一用户的语音输入的响应中不提供该名字。例如，在设备800提供个性化响应“好的，Stephen，读出您的消息”之后，Stephen向设备800提供了另一语音输入(例如，“嘿，Siri，给妈妈打电话”)。设备800仍根据本文讨论的技术识别出Stephen，但不提供包括名字Stephen的响应。相反，设备800响应以例如“好的，给妈妈打电话”。然而，如果语音输入(例如，“嘿，Siri，给妈妈打电话”)由另一用户(例如，Corey)提供，则对语音输入的响应可包括另一用户的名字(例如，“好的，Corey，给妈妈打电话”)。
在一些示例中，根据识别出用户，设备800基于语音输入来更新所识别用户的说话者配置文件。例如，设备800(例如，使用说话者模型)确定话语的嵌入，并将所确定的嵌入添加到特定用户的说话者配置文件。例如，设备800确定嵌入“嘿，Siri，读出我的消息”，并将该嵌入添加到Stephen的说话者配置文件中。
以此方式更新说话者配置文件可基于未来语音输入改善用户识别。例如，因为更新的说话者配置文件中可包括用户声音(例如，嵌入)的更多表示，所以更新的说话者配置文件可用于更准确地识别用户。此外，添加的表示可比用户的说话者配置文件中的其他表示更准确地表示被设备800接收时的用户声音(例如，因为可基于在不同于设备800的设备处接收的话语来确定其他表示，如上文所讨论的)。
在一些示例中，在对语音输入提供个性化响应之后(或同时)，设备800接收指示识别错误的输入(例如，用户语音输入)。指示识别错误的示例性输入包括“那不是我”、“不，停止”、“我是别人”等等。在一些示例中，根据接收到指示识别错误的输入，设备800终止提供个性化响应和/或放弃更新所识别用户的说话者配置文件。在一些示例中，根据接收到指示识别错误的输入，设备800确定指示初始语音输入的所确定的表示对于(不正确)识别的用户不正确的信息。在一些示例中，此类信息用于训练说话者模型以确定语音输入的更准确表示。
例如，如果设备800响应于Stephen的语音输入“嘿，Siri，读出我的消息”而响应以“好的，Corey，读出您的消息……”，那么Stephen会提供输入“那不是我”。根据接收到此类输入，设备800终止提供“好的，Corey，读出您的消息……”，并且不基于话语“嘿，Siri，读出我的消息”的表示来更新Corey的说话者配置文件(因为该话语实际上是由Stephen说的)。
在一些示例中，设备800(例如，使用自然语言处理模块732)确定与所接收的自然语言语音输入相关联的用户意图。在一些示例中，设备800(例如，使用自然语言处理模块732)确定用户意图是否包括(例如，是)多种类型的用户意图中的一种类型的用户意图。在一些示例中，多种类型的用户意图包括个人意图、半个人意图和非个人意图。如下文所讨论的，设备800与用户交互的方式(以及是否执行用户识别)可取决于所确定的意图类型。
在一些示例中，个人意图包括需要用户识别以提供个性化响应的意图。示例性个人意图包括以下意图：
·检索通信(例如，电子邮件、文本消息、即时消息、语音邮件)(例如，与输入“读出我的消息”、“读出Corey发给我的电子邮件”相关联)；
·向个人联系人(例如，与输入“给妈妈打电话”相关联)发送通信(例如，电子邮件、电话呼叫、文本消息、即时消息)；
·用户识别(例如，与输入“我是谁？”相关联)；
·检索和/或修改联系人信息、最近的呼叫者信息、健康信息、财务信息或它们的组合(例如，与输入“帮我找到Corey的联系信息”、“我今天燃烧了多少卡路里？”、“向Corey支付二十美元”相关联)；
·检索和/或修改日历和/或提醒信息(例如，与输入“将预约添加到我的日历中”、“提醒我给妈妈打电话”相关联)；
·检索和/或修改用户的便笺和/或列表(例如，用户创建的文本备忘录、语音备忘录)(例如，与输入“创建新便笺”、“将此添加到我的购物列表中”相关联)；
·激活和/或去激活用户住宅的安全特征(例如，与输入“解锁我的门”、“拉响我的警报”相关联)；
·修改用户的个人媒体账户(例如，与输入“将此添加到我的播放列表中”、“购买Ariana Grande的‘thank u next’”、“订阅CNN新闻”相关联)；
·定位用户的电子设备(例如，与输入“找到我的电话”、“我的手表在哪里”相关联)；以及
·发起个性化语音快捷命令(例如，与用户定义的使得数字助理执行用户定义的任务的输入相关联)。
在2018年9月28日提交的名称为“ACCELERATED TASK PERFORMANCE”(加速任务执行)的美国专利申请16/146,963中论述了用于个性化语音快捷命令的示例性技术。
在一些示例中，半个人意图包括可能希望进行用户识别但提供响应可能不需要的意图。示例性半个人意图包括播放媒体的意图(例如，与输入“播放Ariana Grande的‘thanku next’”相关联)、提供新闻的意图(例如，与输入“有什么新闻？”相关联)等。例如，对于半个人意图而言，可能需要用户识别以播放所识别用户的所请求媒体的最喜爱版本(或提供来自所识别用户的优选新闻来源的新闻)，但用户识别可能不是必要的，因为设备可提供所请求的媒体(或提供新闻)而不识别用户。
在一些示例中，非个人意图包括不需要(甚至不期望)用户识别以提供响应的意图。示例性非个人意图包括以下意图：
·检索天气信息(例如，与输入“今天的天气怎么样？”相关联)；
·检索体育信息(例如，与输入“爱国者队赢了吗？”相关联)；
·设置定时器、闹钟和/或秒表(例如，与输入“设置15分钟的定时器”相关联)；
·调节媒体回放(例如，与输入“关小音量”、“暂停”、“停止”、“倒带”相关联)；
·执行信息搜索(例如，与输入“搜索香港的酒吧”、“在Wikipedia上搜索AbrahamLincoln”相关联)；
·导航(例如，与输入“带我到Cupertino”、“金门大桥在哪里？”相关联)；以及
·调节某些设备设置(例如，与输入“调亮显示器亮度”相关联)。
虽然上文将一些意图描述为特定类型的意图(例如，个人、半个人、非个人)，但在其他示例中，意图可以是不同类型的意图。例如，检索体育信息的意图可以是半个人意图(例如，提供来自所识别用户的最喜爱体育内容提供商的体育信息)，而不是非个人意图。又如，播放媒体的意图可以是个人意图(例如，如果语音输入是“播放我的音乐”)，而不是半个人意图。因此，在一些示例中，上文讨论的意图可不限于其最初被分配的类型，因为它们可根据相关联语音输入的内容和/或是否可为意图提供个性化响应而变化。
在一些示例中，设备800为每个用户确定识别频率。在一些示例中，当用户无法肯定地识别时，设备800提供针对最频繁识别的用户进行了个性化的响应。例如，当语音输入对应于用户具有低或中置信度和/或不能将用户与其他用户区分开时，不能肯定地识别用户。例如，如果设备800确定多个可能的用户对应于语音输入，则设备800对语音输入提供针对可能的用户中最频繁识别的用户进行了个性化的响应。在一些示例中，设备800按照根据确定当前语音输入与半个人意图相关联的方式来操作。例如，如果用户向设备800说“播放最新的体育新闻”并且设备800对该语音输入对应于用户具有低置信度(甚至该语音输入对应于其他用户具有更低的置信度)，则设备800提供针对最频繁识别的用户进行了个性化的响应。例如，设备800提供来自最频繁识别的用户最喜欢的体育新闻提供商的最新体育新闻。
在一些示例中，设备800确定最近识别的用户。在一些示例中，当用户无法肯定地识别时，设备800提供针对最近识别的用户进行了个性化的响应。例如，如果设备800确定多个可能的用户对应于语音输入，则设备800对语音输入提供针对最近识别的用户(如果他或她是可能的用户)进行了个性化的响应。在一些示例中，设备800按照根据确定当前语音输入与半个人意图相关联的方式来操作。例如，如果用户向设备800说“播放音乐”并且设备800对该语音输入对应于用户具有低置信度(甚至该语音输入对应于其他用户具有更低的置信度)，则设备800提供针对最近识别的用户进行了个性化的响应。例如，设备800从与最近识别的用户相关联的媒体集合播放音乐。
有时，用户与在设备800上操作的数字助理进行多轮交互。在一些示例中，多轮交互包括其中可能需要与数字助理进行多次交换以执行所请求任务的交互。例如，用户向设备800说“发送消息”，设备800响应以“我要向谁发送您的消息？”，然后用户说“发给John，告诉他我会迟到”，并且设备800响应以“好的，我发送了消息”，这就是多轮交互。在一些示例中，多轮交互包括其中用户例如在诸如5秒、10秒、15秒或30秒的短持续时间内向数字助理提供多个相关请求的交互。例如，用户向设备800说“纽约的天气怎么样？”，该设备响应以“70度，晴天”，用户接着说“巴黎呢？”，设备响应以“56度，下雨”，这是多轮交互。
在一些示例中，设备800仅确定多轮交互的第一语音输入是否对应于某个用户。在其他示例中，设备800确定多轮交互的每个语音输入(或语音输入的子集)是否对应于同一用户。在一些示例中，设备800按照根据确定与语音输入(例如，第一语音输入)相关联的用户意图包括个人意图的方式来操作。例如，假设Stephen向设备800说“向Corey发送消息”(与个人意图相关联)，设备800响应以“我应该对Corey说什么？”，Stephen响应以“我会迟到”。设备800确定多轮交互的每个语音输入是否对应于同一用户。
在一些示例中，如果多轮交互中的后续语音输入被确定为不对应于同一用户，则设备800在提供进一步响应之前根据以下所讨论的方法来识别用户。例如，如果后续语音输入对应于同一用户具有低置信度，则后续语音输入不对应于同一用户。例如，如果在上述交互中，非注册用户(而不是Stephen)说“我会迟到”，那么设备800可以输出“您必须使用您的电话发送该消息”。这样，设备800可在多轮交互(例如，对于与个人意图相关联的交互，其中可能需要用户识别)中监测一致的用户身份。
在一些示例中，设备800使用除基于初始语音输入(例如，“嘿，Siri，读出我的消息”)来识别用户之外的技术来识别用户。例如，设备800可根据确定其对于特定用户具有中或低置信度和/或确定不能将用户与其他用户区分开，使用其他技术来识别用户。如下文相对于图9A-图9F所讨论的，用于识别用户的其他技术可取决于用户意图的类型、语音输入的内容和/或用户已被识别的置信度。现在讨论用于识别用户的示例性其他技术。
在一些示例中，用于识别用户的其他技术包括提供指示对用户身份的请求的输出(例如，语音输出、显示的输出)，以及基于用户对输出的响应来识别用户。在一些示例中，指示对用户身份的请求的输出包括对用户标识其自身的请求，例如，“您是谁？”、“请告诉我您是谁”。在一些示例中，指示对用户身份的请求的输出包括对用户确认其身份的请求，例如，“您是Stephen吗？”、“您是Stephen，对吗？”。在一些示例中，指示对用户身份的请求的输出请求在两个或更多个注册用户之间消除用户歧义，例如，“您是Stephen还是Corey？”
在一些示例中，响应于提供指示对用户身份的请求的输出，设备800接收语音输入(例如，自然语言语音输入)。在一些示例中，设备800确定语音输入是否对应于某个用户。在一些示例中，如果设备800确定语音输入对应于用户，则设备800识别出该用户。
在一些示例中，如果设备800请求用户标识其自身(例如，询问“请告诉我您是谁？”)，用户提供包括其名字的语音输入(例如，说“我是Stephen”)。在一些示例中，设备800然后确定语音输入是否对应于某个用户。例如，设备800根据上文讨论的技术来处理语音输入(例如，确定可能性得分等)，以确定语音输入是否对应于某个用户。又如，设备800(例如，使用模块730和/或732)确定语音输入是否包括用户的名字。例如，在图10A和图10B中，用户向设备800说“读出我的消息”。设备800无法将用户与其他注册用户区分开，因此输出“请告诉我您是谁”。然后用户响应以“我是Stephen”，设备800基于该语音输入来识别Stephen。
在一些示例中，如果设备800请求用户确认其身份(例如，询问“您是Stephen，对吗？”)，用户提供包括肯定响应或否定响应的语音输入。在一些示例中，设备800然后通过确定语音输入包括肯定响应(例如，“是”、“我是”、“嗯”等)来确定语音输入对应于用户。在一些示例中，设备800通过确定语音输入包括否定响应或其他非肯定响应(例如，“不”、“我不是”等)来确定语音输入不对应于用户。
在一些示例中，如果设备800请求在两个或更多个注册用户之间消除用户歧义(例如，“您是Stephen还是Corey？”)，用户提供包括歧义消除的语音输入(例如，“我是Stephen”)。在一些示例中，设备800通过确定语音输入包括用户的名字来确定语音输入对应于用户。
在一些示例中，提供指示对用户身份的请求的输出包括使得外部电子设备提供输出。在一些示例中，输出包括确认初始语音输入中包括的动作(例如，读出消息)的确认请求。在一些示例中，设备800还输出供用户(例如，经由音频输出或显示的输出)确认该确认请求的请求。例如，如图10C所示，用户向设备800说“读出我的消息”。设备800然后使得设备900(例如，与用户相关联的外部电子设备)提供显示的输出“读出您的消息吗？”连同可选选项“是”和“否”。设备800还输出“请在您的电话上确认”。
在一些示例中，外部电子设备接收对确认请求的用户确认。在一些示例中，经由外部设备的显示器(例如，用户在图10C中轻击可选的“是”选项)，经由外部设备处的音频输入(例如，用户对请求“是否读出您的消息？”响应以“是”)，和/或经由外部设备处的按钮输入，来接收对确认请求的用户确认。在一些示例中，外部设备向另一设备发送对确认请求的用户确认的指示。例如，设备900向设备800发送对确认请求的用户确认的指示，并且设备800接收对确认请求的用户确认的指示。
在一些示例中，根据接收到对确认请求的用户确认的指示，设备800确定语音输入对应于确认该确认请求的用户。例如，在图10C中，在用户选择“是”之后，设备800识别说出“读出我的消息”的用户(例如，设备900的用户)。这样，用户可使用其外部电子设备来确认其身份，并且设备800可识别用户。
图9A-图9F示出了根据各种示例的用于对语音输入作出响应的过程902的流程图。例如，使用设备800和/或900或使用其任何部件来执行过程902。在一些示例中，使用客户端-服务器系统(例如，100)来执行过程902，并且在服务器(例如，DA服务器106)和一个或多个客户端设备(例如，800和900)之间以任何方式来划分该过程的框。因此，虽然过程902的各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，该过程不限于此。在过程902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902来执行附加步骤。例如，过程902可包括设备800从一个或多个外部电子设备接收用于一个或多个用户的一个或多个说话者配置文件的附加步骤，如上文所讨论的。在一些示例中，在框903之前执行附加步骤，如下文所讨论的。
在框903处，设备800接收语音输入。
在框904处，设备800确定其是否具有任何注册用户。如所讨论的，注册用户为例如具有由设备800接收的相应说话者配置文件的用户。如果设备800没有任何注册用户，则设备800提供对语音输入的响应，如上文在图7A-图7C中所述。如果设备800具有一个或多个注册用户，则过程902前进至框905。
在框905处，设备800基于语音输入来确定是否识别用户。在一些示例中，确定识别用户包括确定与语音输入相关联的用户意图包括个人意图或半个人意图。在一些示例中，确定识别用户包括(例如，使用模块730和/或732)确定语音输入包括指示个性化的一个或多个词语。指示个性化的示例性词语包括“我的”、“个人”、“我自己”、“我”等。在一些示例中，确定不识别用户包括确定与语音输入相关联的用户意图包括非个人意图。
如果设备800确定不识别用户，则设备800提供对语音输入的非个性化响应，如框953中所示。非个性化响应可以是并非基于任何用户的个人信息而确定的响应。例如，在图10D中，用户询问设备800“今天的天气如何？”。设备800基于该语音输入确定不识别用户，并提供对该语音输入的非个性化响应“70度，晴天”。
如果设备800确定识别用户，则过程902前进至框906。在框906处，设备800(例如，使用模块730和/或732)确定语音输入是否包括对实体的指代，例如第三人称指代。在一些示例中，对实体的指代包括名称，诸如注册用户的名字。例如，Stephen可以说“读出Stephen的消息”。在一些示例中，对实体的指代包括实体名称之外的词，例如“我的妈妈”、“我的爸爸”、“我的上司”、“他的”、“她的”、“他们的”等。在一些示例中，如果语音输入包括对实体的指代，则过程902前进至框907。在一些示例中，如果语音输入不包括对实体的指代，则过程902前进至框932。
在框907处，设备800(例如，使用自然语言处理模块732)确定语音输入是否与预先确定的意图类别相关联。示例性预先确定的意图类别包括定位电子设备的意图(例如，“Stephen的电话在哪里？”)，获得到达/离开位置的路线或查找位置(例如，“带我到我姐姐家”、“Stephen的车在哪里？”)，以及提供天气信息(例如，“我妈妈家的天气如何？”)。在一些示例中，如果语音输入与预先确定的意图类别相关联，则过程902前进至框932。
在一些示例中，如果语音输入与预先确定的意图类别相关联，则数字助理基于对实体的指代来发起对应的任务，例如，如果设备800确定语音输入对应于用户。例如，由任务流处理模块736发起的任务的参数基于对实体的指代。例如，对于语音输入“我妈妈家的天气如何？”，数字助理执行获取天气信息的任务，其中任务具有参数{位置＝所识别用户的妈妈家}。
在一些示例中，如果语音输入不与预先确定的意图类别相关联，则过程902前进至框908。在框908处，执行过程909(过程902的子过程)。
转到图9C-图9D(过程909)，在框910处，设备800确定语音输入是否与个人域相关联。例如，使用自然语言处理模块732，设备800确定与语音输入相关联的域，并确定该域是个人域还是非个人域。在一些示例中，个人域与个人意图(例如，可执行意图)相关联，如上文所讨论的。示例性个人域包括消息域(例如，与检索用户的消息信息的意图相关联)、电话域(例如，与呼叫用户的联系人/对其传递消息的意图相关联)、便笺域(例如，与检索/修改用户的便笺的意图相关联)、提醒域、日历域、健康域(例如，与检索/修改用户健康数据的意图相关联)，以及设备位置域(例如，与定位用户电子设备的意图相关联)。在一些示例中，非个人域与非个人意图(例如，可执行意图)相关联。示例性非个人域包括媒体域(例如，与提供/修改媒体内容的意图相关联)和体育域(例如，与提供体育信息的意图相关联)。在一些示例中，如果该域是非个人域，则设备800基于所确定的域来提供对语音输入的响应，例如，如相对于图7A-图7C所讨论的。在一些示例中，如果该域是个人域，则过程909前进至框911。
在框911处，设备800确定是否仅有一个注册用户(例如，仅接收到一个用户的说话者配置文件)。在一些示例中，如果只有一个注册用户，则过程909前进至框912。在一些示例中，如果并非只有一个注册用户，则过程909前进至框913。
在框912处，设备800确定语音输入是否仅对应于一个用户。例如，根据上文讨论的技术，设备800确定语音输入仅对应于一个用户的置信度(例如，高、中、低)。在一些示例中，如果置信度为高或中，则设备800确定语音输入仅对应于一个用户。在一些示例中，如果置信度为低，则设备800确定语音输入并非仅对应于一个用户。在一些示例中，如果设备800确定语音输入仅对应于一个用户，则设备800提供对语音输入的响应。例如，假设Stephen是设备800的唯一注册用户，并且向设备800说“读出Stephen的消息”。设备800确定语音对应于Stephen具有高置信度并因此提供Stephen的消息。
如果设备800确定语音输入并非仅对应于一个用户，则设备800提供指示错误的响应(例如，音频输出、显示的输出)。例如，设备800提供指示未识别用户的响应(例如，“我不确定您是谁”、“抱歉，我不能这样做”)。这样，如果Stephen是唯一的注册用户，并且非注册用户向设备800说“读出Stephen的消息”，则设备800不会不期望地提供Stephen的消息。
转到框913，设备800(例如，使用模块730和/或732)确定对包括在语音输入中的实体的指代是否匹配任何注册用户的名字。如果指代匹配注册用户的名字，则过程909前进至框914。如果指代不匹配注册用户的名字，则过程909前进至框916。
在框914处，设备800确定语音输入对应于与对实体的指代相匹配的注册用户的置信度。例如，根据上文讨论的技术，设备800确定语音输入对应于注册用户的置信度。如果置信度为高，则设备800提供对语音输入的响应，如框952所示。例如，在图10E中，Stephen向设备800说“我是Stephen，读出我的消息”。设备800确定语音输入对应于Stephen具有高置信度并因此提供Stephen的消息。
如果置信度为中或低，则过程909前进至框915。在框915处，设备800请求用户确认其身份，并确定对请求的响应是否对应于用户。在一些示例中，如果设备800确定响应对应于用户(例如，确认用户)，则设备800提供对语音输入的响应。例如，如果Stephen对设备800的请求“您是Stephen吗？”响应以“是”，设备800提供针对Stephen进行了个性化的响应，诸如提供Stephen的消息。在一些示例中，如果设备800确定响应不对应于该用户(例如，不确认该用户)，则设备800提供指示错误的响应(例如，“抱歉，我不能这样做”)。
在框916处，执行过程917(过程902的子过程)。转到图9E(过程917)，在框918处，设备800确定先前的输入(例如，在框903处的语音输入之前)是否与身份域相关联。在一些示例中，先前的输入是第二最近用户输入，其中框903中的语音输入是最近的输入。例如，身份域与标识用户和/或询问用户身份的可执行意图相关联。例如，输入“我是谁？”和(例如，响应于设备800输出“请告诉我您是谁”而提供的)输入“我是[名字]”每个都与身份域相关联。
在一些示例中，如果先前的输入与身份域相关联，则过程917返回用于确认用户的指示。在一些示例中，如果过程917返回用于确认用户的指示，则设备800然后请求用户确认其身份(例如，询问“您是[名字]吗？”)，如上文所讨论的。在一些示例中，基于先前的输入来确定名字，设备800知道用户的名字，因为设备最近基于先前的输入识别了用户。在一些示例中，如果用户确认其身份，则设备800确定用户的身份(例如，名字)。例如，如果Jessica先前对设备800说“我是Jessica”，那么该设备可以响应于当前语音输入而询问“您是Jessica，对吗？”(而不是“您是谁？”)。如果Jessica回答“是”，那么设备800确定Jessica的身份。这样，设备800可能不会不期望地再次询问用户的身份，因为用户可能刚刚标识了他/她自己。
如果先前的输入不与身份域相关联，则过程917前进至框919。在框919处，设备800确定先前的输入是否包括身份校正。例如，设备800确定先前的输入是否与校正用户身份的用户意图相关联。例如，假设在先前的用户-设备交互中，设备800错误地识别Jessica，例如，对Jessica的语音输入“读出我的消息”，响应以“好的，Stephen，读出您的消息”。因此，Jessica可提供输入“不，我是Jessica”。
如果先前的输入包括身份校正，则过程917返回用于确认用户的指示，如上文所讨论的。
如果先前的输入不包括身份校正，则过程917前进至框920。在框920处，设备800提供请求用户标识其自身的输出，例如，“您能告诉我您是谁吗？”。在框920处，设备800还接收响应于该输出的语音输入(例如，“我是Jessica”)并确定该语音输入是否包括名字，如上文所讨论的。如果该语音输入不包括名字(或换句话讲不指示用户的身份)，则设备800提供对该语音输入的响应。例如，如果设备800询问“请告诉我您是谁”，并且用户说“算了吧”，那么设备800可以输出“好的”并停止响应用户。
如果该语音输入包括名字，则过程917前进至框921。在框921处，设备800确定该名字是否匹配注册用户的名字。如果该名字匹配注册用户的名字，则过程917返回注册用户的标识。例如，如果Jessica说“我是Jessica”，而Jessica是注册用户，过程917将返回Jessica的标识。
如果名字不匹配注册用户的名字，则过程917前进至框922。在框922处，设备800确定(在框903处接收的)语音输入是否与个人域相关联，如上文所讨论的。在一些示例中，如果请求不与个人域相关联，则过程917返回名字的标识(例如，名字不匹配注册用户的名字)和表明语音输入不与个人域相关联的指示。
如果语音输入与个人域相关联，则设备800提供指示未识别用户的响应(例如，“抱歉，我不确定您是谁”)。
返回图9C-图9D(过程909)，如果框916返回用于确认用户的指示，则过程917重复而不执行框918、919和/或920。例如，过程917直接前进至框921，在此处设备800确定所确认的名字(例如，Jessica通过向询问“您是Jessica，对吗？”的设备800回答“是”来确认她的名字)是否匹配注册用户的名字。
如果框916返回注册用户的标识，则过程909前进至框923。在框923处，设备800确定注册用户的标识是否匹配对包括在(例如，在框903处接收的)语音输入中的实体的指代。如果所获取的注册用户的标识与指代不匹配，则过程909返回表明需要基于语音输入的用户识别的指示，并且数字助理应当基于该指代来发起任务。
作为迄今为止过程902的示例，假设Jessica要求“读出Nancy的消息”，其中Nancy不是设备800的注册用户。因此，设备800询问“您能告诉我您是谁吗？”，Jessica对此响应以“我是Jessica”(例如，过程917)。设备800确定“Jessica”与“Nancy”不匹配。例如，Jessica正在请求Nancy发给她的消息。因此，设备800确定语音输入“读出Nancy的消息”是否对应于Jessica，如果是，则发起提供Nancy发给Jessica的消息的任务。
如果所获取的注册用户的标识匹配对实体的指代，则过程909前进至框924。在框924处，设备800确定在框920处接收的语音输入(例如，“我是[名字]”)对应于对在框903处接收的语音输入中包括的实体的指代的置信度。
如果置信度为中或高，则设备800提供对在框903处接收的语音输入的响应。
如果置信度为低，则过程909前进至框925。在框925处，设备800确定其名字包括于在框920处接收的语音输入中的用户是否最近使用其外部电子设备确认过其身份，如上文所讨论的。例如，在框920或框903处接收语音输入之前，设备800确定用户是否在预先确定的持续时间(例如，5秒、10秒、15秒、30秒、60秒、2分钟、5分钟)内确认过其身份。
如果用户最近未使用其外部电子设备确认过其身份，则过程909返回表明需要用户确认的指示。如下文相对于图9F所讨论的，如果需要用户确认，则设备800可尝试使用用户的外部电子设备来确认用户的身份。例如，假设Jessica向设备800说“读出Harry的消息”，其中，Harry不是设备800的注册用户。因此，设备800询问“您能告诉我您是谁吗？”，Jessica对此响应以“我是Harry”。例如，Jessica未经许可试图访问Harry的消息，而不是尝试访问属于她自己的来自Harry的消息。设备800确定语音输入“我是Harry”对应于Harry具有低置信度并进一步确定Harry最近未使用其外部设备确认过他的身份。因此，设备800可使得Harry的外部设备询问“是否读出您的消息？”，Harry可对此响应以“否”。这样，用户(例如，Jessica)不能不期望地访问另一个用户的个人信息(例如，Harry的消息)。
如果用户最近使用其外部电子设备确认过其身份，则设备800提供对在框903处接收的语音输入的响应。
返回图9A-图9B(过程902)，如果过程909返回表明需要基于语音输入的用户识别的指示，则过程902前进至框932，如下文所讨论的。
如果过程909返回表明需要用户确认的指示，则过程902前进至框926。在框926处，执行过程927(过程902的子过程)。
现在转向图9F(过程927)，在框928处，设备800确定语音输入对应于名字(例如，具有名字的用户)的置信度。在一些示例中，语音输入是在框903处接收的语音输入。在一些示例中，语音输入是响应于对用户身份的请求而(例如，在框920处)提供的语音输入。在一些示例中，设备800基于在框920处接收的响应于指示对用户身份的请求的输出的语音输入(例如，“我是[名字]”)，而确定名字。
如果语音输入对应于该名字的置信度为中或高，则设备800提供对在框903处接收的语音输入的响应。
如果语音输入对应于该名字的置信度为低，则过程927前进至框929。在框929处，设备800确定与在框903处接收的语音输入相关联的域。在一些示例中，如果域是第一类型的域(诸如设备位置域)，则设备800提供指示错误的响应。例如，设备800提供指示未识别用户的响应，例如“对不起，这不像您的声音”。在一些示例中，如果域是第二类型的域(诸如与提供媒体内容的可执行意图相关联的域)，则设备800提供对在框903处接收的语音输入的响应(例如，提供媒体内容)。在一些示例中，如果该域是第三类型的域(诸如个人域)，则过程927前进至框930。
在框930处，设备800使得外部电子设备提供确认请求，如上文所讨论的。在一些示例中，在框928中，外部电子设备是与名字相关联(例如，与具有该名字的用户相关联)的设备。
在框931处，设备800确定用户是否已确认该确认请求。例如，设备800确定其是否已接收到对该确认请求的用户确认的指示。如果用户已确认该确认请求，则提供对在框903处接收的语音输入的响应，如框950中所示。在一些示例中，设备800提供响应。在一些示例中，外部电子设备提供响应。例如，假设Jessica向设备800说“读出我的消息”，然后在她的手机上确认该确认请求“是否读出您的消息？”。然后设备800和/或Jessica的手机可提供Jessica的消息。
如果用户未确认该确认请求(例如，对该确认请求响应以“否”或以其他方式拒绝该请求)，则过程927(和902)结束。例如，设备800不向在框903处接收的语音输入提供任何进一步的响应。
返回图9A-图9B，在框932处，设备800识别对应于在框903处接收的语音输入的一个或多个用户。例如，设备800确定语音输入对应于每个注册用户的相应可能性和/或语音输入对应于非注册用户的可能性。在一些示例中，在框932处，设备800还基于所确定的可能性，来确定语音输入对应于注册用户中的每个用户的置信度和/或语音输入对应于非注册用户的置信度。在一些示例中，在框932处，设备800确定多个可能的用户对应于语音输入。
在一些示例中，设备800确定有多于两个可能的用户。例如，设备800确定语音输入对应于多于两个用户中的每个用户具有至少高置信度或中置信度，和/或确定多于两个用户不能被彼此区分开。
在一些示例中，设备800确定有两个(例如，恰好两个)可能的用户。例如，设备800确定语音输入对应于两个用户中的每个用户具有至少高置信度或中置信度，和/或确定两个用户不能被彼此区分开。
在一些示例中，设备800确定有一个(例如，恰好一个)可能的用户。例如，设备800确定(1)语音输入对应于一个用户具有最高置信度，(2)语音输入对应于一个用户具有至少中信度或高置信度，和/或(3)可以将一个用户与其他用户区分开。又如，设备800确定该一个用户是为其确定了可能性的唯一用户。
在一些示例中，设备800确定不存在可能的用户(例如，语音输入不对应于任何用户)。例如，设备800确定其对于语音输入对应于注册用户中的任何用户具有低置信度。
如果设备800确定有多于两个可能的用户，则过程902前进至框933。在框933处，执行过程917，如上文所讨论的。如果过程917返回用于确认用户的指示，则过程902前进至框939，如下文所讨论的。如果过程917返回名字的标识和表明语音输入不与个人域相关联的指示，则设备800提供对语音输入的响应。
如果过程917返回所获取的注册用户的标识，则过程902前进至框934(过程927，如上文所讨论的)。例如，假设Stephen向设备800说“嘿，Siri，读出我的消息”。设备800确定多于两个可能的用户对应于语音输入。设备800然后询问“您能告诉我您是谁吗？”，Stephen对此响应以“我是Stephen”。设备800确定“我是Stephen”对应于Stephen具有高置信度(框928)并因此提供Stephen的消息。
如果设备800确定没有可能的用户，则过程902前进至框935。在框935处，设备800确定在框903处接收的语音输入是否与个人域相关联。如果语音输入与个人域相关联，则设备800提供指示未识别用户的输出，如框951中所示。例如，在图10F中，非注册用户向设备800说“读出我的消息”。设备800响应以“我不确定您是谁，您只能在您的手机上这样做”。
如果语音输入不与个人域相关联，则过程902前进至框936(过程917，如上文所讨论的)。如果框936返回用于确认用户的指示，则过程902前进至框939，如下文所讨论的。如果框936返回名字的标识和表明语音输入不与个人域相关联的指示，则设备800提供对语音输入的响应。
如果框936返回所获取的注册用户的标识，则过程902前进至框937(过程927，如上文所讨论的)。
如果设备800确定没有可能的用户，则过程902前进至框938。在框938处，设备800确定在框903处接收的语音输入对应于一个用户的置信度为高、中还是低。
如果语音输入对应于一个用户的置信度为高，则设备800提供对语音输入的响应，如框949中所示。例如，假设Jessica说“提醒我明天买菜”，设备800确定Jessica是唯一可能的用户，并且该语音输入对应于Jessica具有高置信度。因此，设备800在Jessica的提醒中创建“明天买菜”的提醒条目并输出“好的，Jessica，我会提醒您”。
如果语音输入对应于一个用户的置信度为中，则过程902前进至框939。在框939处，设备800请求用户确认其身份。例如，设备800询问“您是[名字]吗？”，其中[名字]是一个用户的名字。在框939处，设备800还确定对请求的响应是否对应于用户(例如，确认用户)。例如，设备800确定响应包括肯定响应还是否定响应。
如果设备确认该用户，则设备800提供对在框903处接收的语音输入的响应。例如，假设Jessica说“提醒我明天买菜”，设备800确定Jessica是唯一可能的用户，并且该语音输入对应于Jessica具有中置信度。设备800然后询问“您是Jessica，对吗？”，Jessica对此回答“是”。因此，设备800在Jessica的提醒中创建“明天买菜”的提醒条目并输出“好的，Jessica，我会提醒您”。
如果用户未确认其名字，则过程902前进至框940(过程917，如上文所讨论的)。在一些示例中，如果用户未确认其名字，则设备800提供指示道歉的输出(例如，“对不起，我一定是误识别了您”)。
如果框940返回用于确认用户的指示，则框940重复而不执行框918、919和/或920。例如，如上文所讨论的，设备800确定与在过程917中让用户确认其名字的请求对应的名字是否匹配注册用户的名字(框921)。例如，假设Jessica向设备800说“读出我的语音邮件”。设备800(不正确地)确定Stephen是对应于该语音输入的唯一可能用户，并且该语音输入对应于Stephen具有中置信度。设备800然后询问“您是Stephen，对吗？”，Stephen对此回复“否”。然后，设备800确定Jessica先前告诉设备800她是Jessica，因此询问“您是Jessica，对吗？”(例如，过程917返回用于确认用户的指示)。Jessica回复“是”，设备800然后确定Jessica是否为注册用户的名字(框921)。
如果框940返回名字的标识和表明语音输入不与个人域相关联的指示，则设备800提供对在框903处接收的语音输入的响应。例如，假设非注册用户Joe向设备800说“播放我的音乐”。设备800(不正确地)确定Stephen是对应于该语音输入的唯一可能用户，并且该语音输入对应于Stephen具有中置信度。设备800然后询问“您是Stephen，对吗？”，Joe对此回复为“否”。然后，设备800询问“请告诉我您是谁”，Joe对此回复“我是Joe”。设备800确定Joe不是注册用户，并且语音输入“播放我的音乐”不与个人域相关联。设备800从而播放音乐(例如，来自与设备相关联的默认账户的音乐，如下文所讨论的)。
如果框940返回所获取的注册用户的标识，则过程902前进至框941(过程927)，如上文所讨论的。例如，假设Jessica向设备800说“读出我的语音邮件”。设备800(不正确地)确定Stephen是对应于该语音输入的唯一可能用户，并且该语音输入对应于Stephen具有中置信度。设备800然后询问“您是Stephen，对吗？”，Jessica对此回复为“否”。然后，设备800询问“您能告诉我您是谁吗？”，Jessica对此回复“我是Jessica”。设备800确定语音输入“我是Jessica”对应于Jessica具有高置信度。因此，设备800提供Jessica的语音邮件。
如果语音输入对应于一个用户的置信度为低，则过程902前进至框942。在框942处，设备800确定一个用户最近是否使用其外部电子设备确认过其身份。例如，在框903处接收语音输入之前，设备800确定一个用户最近是否在预先确定的持续时间(例如，5秒、10秒、15秒、30秒、60秒、2分钟、5分钟)内使用其外部电子设备确认过其身份。如果一个用户最近确认过其身份，则设备800提供对语音输入的响应。例如，假设Jessica询问设备800“我的信用卡余额是多少？”。设备800确定Jessica是唯一可能的用户，但语音输入对应于Jessica具有低置信度。然而，设备800确定Jessica最近使用她的外部电子设备确认过她的身份。因此，设备800提供例如“您的信用卡余额为200美元”的响应。
如果一个用户最近未确认过其身份，则过程902前进至框933，如上文所讨论的。
如果设备800确定有两个可能的用户，则过程902前进至框943。在框943处，设备800确定是否有多于两个注册用户。如果存在多于两个注册用户，则过程902前进至框933。
如果不存在多于两个注册用户，则过程902前进至框944。在框944处，设备800确定非注册用户是否为两个可能用户中的用户。
如果设备800确定非注册用户是两个可能用户中的用户，则过程902前进至框945(过程917)。如果框945返回用于确认用户的指示，则过程902前进至框939。如果框945返回名字的标识和表明语音输入不与个人域相关联的指示，则设备800提供对语音输入的响应。如果框945返回所获取的注册用户的标识，则过程902前进至框946(过程927)。
如果设备800确定非注册用户不是两个可能用户中的用户，则在一些示例中，过程902前进至框947。在其他示例中，过程902前进至框945。
在框947处，设备800提供输出，该输出请求在两个可能的用户之间消除用户歧义并接收对输出的响应。在一些示例中，输出包括两个可能用户的名字。在框947处，设备800还确定响应是否在两个可能的用户之间消除了歧义。例如，包括“[名字]”的响应(其中[名字]是两个可能用户中的一个用户的名字)会在两个可能的用户之间消除歧义。
如果响应未在两个可能的用户之间消除歧义，则过程902前进至框933。例如，当“[名字]”不是两个可能用户中的一个用户的名字，或者响应由于其他原因未在用户之间消除歧义时，过程902前进至框933。例如，假设Corey询问设备800“找到我的电话”。设备800不正确地确定Jessica和Stephen是对应于语音输入的两个可能用户。因此，设备800询问“谁的手机，Jessica的还是Stephen的”，Corey对此回复“都不是”。因此，设备800可以询问“您能告诉我您是谁吗？”(过程917中的框920)。
如果响应确实在两个可能的用户之间消除了歧义，则过程902前进至框948(过程927，如上文所讨论的)。例如，假设Stephen询问设备800“找到我的电话”。设备800确定Stephen和Jessica是对应于语音输入的两个可能用户。因此，设备800询问“谁的电话，Stephen的还是Jessica的？”，Stephen对此响应以“Stephen”。因此，设备800可提供Stephen的电话的位置，例如输出“Stephen，您的电话在您办公室。”
5.提供个性化媒体内容
图11A-图11B示出了根据一些示例的用于提供媒体内容的过程1100的流程图。例如，使用设备800和/或900或使用其任何部件来执行过程1100。在一些示例中，使用客户端-服务器系统(例如，100)来执行过程1100，并且在服务器(例如，DA服务器106)和一个或多个客户端设备(例如，800和900)之间以任何方式来划分该过程的框。因此，虽然过程1100的各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，该过程不限于此。在过程1100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1100来执行附加步骤。
在框1102处，设备800接收语音请求。在一些示例中，语音请求包括对媒体内容(诸如歌曲、专辑、艺术家、视频、书籍、新闻、播客、播放列表、电台等)的语音媒体请求。对媒体内容的示例性请求包括“播放我的音乐”、“播放Taylor Swift的Shake it off”、“播放健身播放列表”、“有什么新闻？”、“播放伤感的音乐”、“播放Jessica的音乐”、“播放ThisAmerican Life”、“切换到NBC新闻”、“播放我最喜欢的电台”等等。在一些示例中，语音媒体请求包括修改用户的媒体内容的请求，诸如购买媒体内容、向/从媒体集合(例如播放列表)添加/移除媒体内容、切换内容提供商(例如，新闻提供商)、订阅内容提供商、喜欢或不喜欢媒体内容，或以其他方式修改与用户相关联的媒体内容。
在一些示例中，语音媒体请求包括用户(例如，注册用户)的名字。在一些示例中，该名字不同于提供语音媒体请求的用户的名字。例如，图8中的Stephen可以说“播放Jessica的音乐”。这样，设备800的用户可请求与设备的其他注册用户相关联的媒体内容。
在一些示例中，语音媒体请求包括媒体集合的名称。在一些示例中，媒体集合与和提供语音媒体请求的用户不同的用户相关联。例如，如果Jessica(注册用户)有一个名为“健身”的播放列表，而Stephen没有，那么Stephen可以说“播放健身播放列表”。这样，设备800的用户可请求与其他用户相关联的媒体集合。
在框1104处，设备800确定语音请求是否包括媒体请求。例如，设备800使用模块732确定语音请求是否对应于媒体域，例如，与提供和/或修改媒体内容的可执行意图相关联的域。如果设备800确定语音请求包括媒体请求(例如，对应于媒体域)，则过程1100前进至框1106。如果设备800确定语音请求不包括媒体请求(例如，不对应于媒体域)，则如上文相对于图9A-图9F所讨论的，处理语音请求。
在框1106处，设备800根据上文讨论的技术来确定多个可能的用户对应于语音请求。例如，设备800确定多个注册用户中的用户是否对应于语音请求。在一些示例中，设备800确定多个注册用户中的第一用户(例如，恰好一个用户)对应于语音请求。例如，设备800确定该语音请求对应于第一用户具有高置信度，已将第一用户与其他注册用户区分开，并且该语音请求对应于第一用户具有最高置信度。根据确定第一用户对应于语音请求，过程1100前进至框1108。
在框1108处，设备800提供对语音请求的响应。在一些示例中，针对所识别的用户(第一用户)来对响应进行个性化。在一些示例中，对语音请求的响应包括指示所识别用户的个性化的一个或多个词语。例如，该响应包括所识别用户的名字和/或诸如“仅用于您”、“您的”、“您的个人”等词语。
在一些示例中，对语音请求的响应包括回放来自与用户相关联的媒体账户(例如，个人媒体账户)的媒体项。与用户相关联的媒体账户包括属于该用户的媒体内容。在一些示例中，媒体账户与所识别的用户相关联。例如，如图10G所示，Jessica说“播放Ed Sheeran的Perfect”，并且设备800识别Jessica。因此，设备800播放Jessica的个人媒体账户中包括的歌曲“Perfect”的现场版。
在一些示例中，提供对语音请求的响应包括更新媒体账户。在一些示例中，媒体账户与所识别的用户相关联。在一些示例中，更新媒体账户包括修改用户的媒体内容，如上文所讨论的。例如，如果Jessica说“将Shake it off添加到我的健身播放列表”，则设备800将该歌曲添加到Jessica的健身播放列表。又如，如果Jessica说“订阅This American Life”，那么设备800会更新Jessica的个人媒体账户以订阅播客“This American Life”。
在一些示例中，更新媒体账户包括基于语音请求来更新媒体偏好(例如，所识别用户的媒体偏好)。媒体偏好指示各种用户特定的媒体偏好，诸如喜欢/不喜欢的媒体内容、喜欢/不喜欢的媒体类型、媒体内容的播放次数、跳过的媒体内容等。用户的媒体偏好可用于提供用户优选的媒体(例如，当用户被识别时)。例如，如果Jessica说“播放Taylor Swift的Shake it off”，则设备800可增加Jessica播放歌曲“Shake it off”的计数，更新Jessica的媒体偏好以指示对流行音乐的偏好，和/或更新媒体偏好以指示对Taylor Swift的偏好。因此，在Jessica下一次请求媒体内容时，设备800可基于Jessica更新的偏好(例如，将媒体内容偏向于流行音乐)来提供媒体内容。
在一些示例中，更新媒体偏好包括基于语音请求来更新内容提供商偏好。内容提供商偏好指示用户优选的内容提供商(例如，新闻来源、网站)。例如，当设备800从第一内容提供商(例如，Fox新闻)提供媒体内容时，Jessica请求切换至第二内容提供商(例如，说“切换至CNN”)。设备800然后指示内容提供商已被切换(例如，输出“好的，这是来自CNN的一些新闻”和/或提供来自CNN的新闻)。在一些示例中，设备800进一步将Jessica的内容提供商偏好更新为第二内容提供商。这样，当Jessica随后请求新闻时，设备800提供来自更新后的内容提供商(例如，CNN)的消息。
在一些示例中，对语音请求的响应包括回放与和提供语音请求的用户不同的用户相关联的媒体项。在一些示例中，设备800从与不同用户相关联的媒体账户获取媒体项。例如，如果Stephen说“播放Jessica的音乐”，而设备800识别出Stephen，则设备800从Jessica的媒体账户获取并提供媒体内容。
在一些示例中，对语音请求的响应包括回放来自与和提供语音请求的用户不同的用户相关联的媒体集合的媒体项。在一些示例中，设备800从与不同用户相关联的媒体集合获取媒体项。例如，如果Stephen说“播放健身播放列表”，而Jessica是具有名称为“健身”的播放列表的唯一注册用户，则设备800播放来自Jessica的“健身”播放列表的媒体内容。
如所讨论的，本公开设想允许用户访问与其他用户相关联的媒体内容。因此，可能期望设备800选择用于从中提供媒体内容的正确媒体账户(与正确的用户相关联)。现在讨论用于选择媒体账户的示例性技术。
在一些示例中，选择媒体账户包括确定所请求的媒体内容是否匹配媒体账户或媒体数据库中的媒体内容。例如，使用相对于图7A-图7C所讨论的STT处理技术，设备800确定指示语音请求(或其部分)与媒体账户中的媒体内容的匹配程度的得分。如果得分较高(例如，大于阈值)，则设备800确定所请求的媒体在媒体账户中和/或提供来自媒体账户的最佳匹配媒体内容。如果得分较低(例如，小于阈值)，则设备800确定所请求的媒体不在媒体账户中和/或不提供来自媒体账户的媒体内容。在一些示例中，表示与注册用户相关联的媒体账户的媒体内容(例如，歌曲名称、艺术家名称、播放列表名称、订阅播客名称、新闻提供商名称等)的词语包括在词汇表744中。在一些示例中，STT处理模块730使用词汇表来确定得分，如相对于图7A-图7C所讨论的。
在一些示例中，设备800首先确定所请求的媒体内容是否匹配所识别用户的媒体账户(个人媒体账户)中的媒体内容。例如，设备800确定得分，如上文所讨论的。在一些示例中，如果得分较高，则设备800确定所请求的媒体内容在所识别用户的媒体账户中，并且从账户提供所请求的媒体内容。在一些示例中，如果得分较低，则设备800确定所请求的媒体内容不在所识别用户的媒体账户中，并且不从账户提供所请求的媒体内容。例如，Jessica的个人媒体账户包括Taylor Swift的歌曲“Shake it off”，因此为Jessica的语音请求“播放Taylor Swift的Shake it off”所确定的得分可能较高。
在一些示例中，设备800确定所请求的媒体内容是否匹配不与任何特定用户相关联的媒体数据库中的媒体内容。在一些示例中，媒体数据库包括可通过媒体提供商获得的大量媒体内容，媒体提供商诸如Apple Music(来自Apple Inc.)、
SoundCloud等。相比之下，与特定用户相关联的媒体账户包括有限量的媒体内容，例如由用户选择的媒体内容。在一些示例中，设备800根据确定所请求的媒体内容不在所识别用户的账户中，确定所请求的媒体内容是否匹配媒体数据库中的内容(例如，通过确定得分，如上文所讨论的)。这样，设备800可首先确定所识别用户的个人媒体账户是否包括所请求的内容，并且如果不包括，则确定更大的媒体数据库是否包括此类内容。例如，如果Jessica说“播放Adele的Hello”，并且Jessica的个人账户不包括歌曲“Hello”，那么设备800可从媒体数据库提供(例如，流传输)该歌曲。
在一些示例中，设备800确定所请求的媒体内容是否匹配与设备800相关联的默认媒体账户中的媒体内容。在一些示例中，默认媒体账户是与设备800的注册用户相关联的媒体账户，并且在设备800的设置过程期间由用户指定。在一些示例中，默认账户订阅媒体提供商，使得媒体提供商提供的媒体内容可用于默认账户(例如，包括在其中)。在一些示例中，设备800根据确定所请求的媒体内容不在所识别用户的媒体账户中和/或不在媒体数据库中，确定所请求的媒体内容是否匹配默认媒体账户中的媒体内容。例如，设备800确定默认账户中与所请求媒体内容最匹配的媒体内容，并且提供最佳匹配媒体内容。
在一些示例中，设备800确定所请求的媒体内容是否匹配除所识别用户的媒体账户之外的媒体账户(其他媒体账户)中的媒体内容。在一些示例中，其他媒体账户是与设备800的另一个注册用户相关联的个人媒体账户。在一些示例中，设备800根据确定所请求的媒体内容不在所识别用户的媒体账户中和/或不在媒体数据库中，确定所请求的媒体内容是否在另一个媒体账户中。例如，如果Jessica请求的专辑不在其媒体账户中也不在媒体数据库中，但另一个注册用户的账户包括该专辑，则设备800可提供该专辑。
在一些示例中，语音请求包括用户的名字(例如，“播放Stephen的健身播放列表”)。在一些示例中，根据确定语音请求包括用户的名字，设备800确定所请求的媒体内容是否匹配与该用户相关联的媒体账户中的媒体内容。这样，用户可请求来自其自己的媒体账户和来自其他注册用户的媒体账户两者的媒体内容。例如，如果Jessica说“播放Stephen的健身播放列表”，那么设备800可以提供来自Stephen的健身播放列表的媒体内容。
返回框1106，在一些示例中，设备800确定多个注册用户中没有用户对应于语音请求。例如，根据上文讨论的技术，设备800确定注册用户中的任何用户对应于语音请求具有低置信度。在一些示例中，根据确定多个注册用户中没有用户对应于语音请求，设备800放弃基于语音请求来更新任何用户的任何媒体偏好。
在框1110处，根据确定多个注册用户中没有用户对应于语音请求，设备800确定语音请求是否包括个人请求(例如，个人媒体请求)。在一些示例中，个人请求包括设备800应当高度相信该请求对应于特定用户执行相关联任务的请求。示例性个人请求包括“将此添加到我的播放列表”、“购买此歌曲”、“订阅此播客”、“播放我的音乐”、“播放我最喜爱的播放列表”等。在一些示例中，确定语音请求包括个人请求包括确定语音请求包括修改用户的媒体内容的请求。在一些示例中，确定语音请求包括个人请求包括确定语音请求包括指示个性化的一个或多个词语。指示个性化的示例性词语包括注册用户的名字、诸如“我”、“我的”、“他的”、“她的”的代词以及诸如“个人”、“个性化”、“仅用于我”和“喜爱”的词语。在一些示例中，确定语音请求包括个人请求包括确定语音请求与预先确定类型的用户意图(例如，个人意图、半个人意图)相关联，如上文所讨论的。
在框1112处，根据确定语音请求包括个人请求，设备800获取提供语音请求的用户的标识。例如，设备800使用上文讨论的任何技术(除了基于语音请求来识别用户之外)来获取用户的标识。例如，设备800提供指示对用户身份的请求的输出，例如“您是谁？”。在一些示例中，响应于提供指示对用户身份的请求的输出，设备800接收语音输入，例如“我是Jessica”。在一些示例中，设备800根据上文讨论的技术基于语音输入来获取用户(例如，Jessica)的标识。
在一些示例中，根据获取标识，设备800提供对语音请求的响应，如框1108中所示。在一些示例中，针对所识别的用户来对响应进行个性化。
在一些示例中，设备800无法获取提供语音用户请求的用户的标识。例如，用户可能未在预先确定的持续时间内对指示对用户身份的请求的设备800的输出作出响应。在一些示例中，设备800确定提供语音用户请求的用户不是注册用户。例如，非注册用户Bob响应于设备800输出“您是谁？”，说“我是Bob”。在一些示例中，根据不能获取用户的标识和/或根据确定用户不是注册用户，过程1100前进至框1114。
在框1114处，设备800(例如，使用模块732)确定语音请求是否包括提供媒体内容的请求，诸如提供歌曲、视频、播客、播放列表等。在一些示例中，根据确定语音请求包括提供媒体内容的请求，过程1100前进至框1116，如下文所讨论的。在一些示例中，根据确定语音请求不包括提供媒体内容的请求，设备800提供指示错误的输出，例如，“对不起，我只能为注册用户那样做。”例如，如果设备800确定语音请求包括修改用户的媒体内容的请求(不提供媒体内容)，则设备800提供指示错误的输出。
在框1116处，根据确定语音请求不包括个人请求，设备800确定第一类型的媒体账户(例如，默认账户)是否与设备相关联。在一些示例中，根据确定第一类型的媒体账户与设备相关联，设备800提供对语音请求的响应，如框1118中所示。在一些示例中，该响应基于第一类型的媒体账户。例如，设备800从默认账户提供与语音请求所请求的媒体内容最匹配的媒体内容。例如，在图10H中，非注册用户向设备800说“播放Ed Sheeran的Perfect”(非个人请求)。因此，设备800从与设备相关联的默认账户提供歌曲“Perfect”的某个版本(例如，录音室版本)。
在框1120处，根据确定第一类型的媒体账户不与电子设备相关联，设备800提供对语音请求的响应。在一些示例中，该响应基于不同于第一类型的第二类型的媒体账户。在一些示例中，第二类型的媒体账户是不同于默认账户的回退账户。在一些示例中，回退账户由设备800(或由媒体提供商)从注册用户的媒体账户中选择，并且对于每个语音请求是相同的账户。在一些示例中，回退账户订阅媒体提供商(例如，Apple Inc.的Apple Music)，使得由媒体提供商提供的媒体内容可用于回退账户。例如，如果设备800不与默认账户相关联，则设备800从回退账户提供与语音请求最匹配的媒体内容。
在一些示例中，语音请求请求不在默认账户中的媒体内容。在此类示例中，如果回退账户中的媒体内容匹配所请求的媒体内容，例如，即使设备具有默认账户，设备800也从回退账户提供媒体内容。例如，如果用户说“播放Lady Gaga的Poker Face”并且与设备800相关联的默认账户不包括该歌曲，则设备800仍然从回退账户提供该歌曲。
在一些示例中，设备800不与默认账户相关联。在此类示例中，设备800可从回退账户提供与语音请求最匹配的媒体内容(例如，过程1100从框1110前进至框1120而不执行框1116或1118)。在一些示例中，例如，当设备800确定没有注册用户对应于语音请求并且语音请求不包括个人请求时，设备800从与最近识别的用户相关联的媒体账户提供媒体内容。在一些示例中，例如，当设备800确定没有注册用户对应于语音请求并且语音请求不包括个人请求时，设备800从与最频繁识别的用户相关联的媒体账户提供媒体内容。
返回框1106，在一些示例中，设备800确定多个注册用户中的多个用户(可能的用户)对应于语音请求。例如，根据上面讨论的技术，设备800确定语音请求对应于每个可能的用户具有高置信度，和/或确定可能的用户不能被彼此区分开。
在一些示例中，在框1122处，根据确定多个用户对应于语音请求，设备800根据上文讨论的技术来确定语音请求是否包括个人请求。在一些示例中，根据确定语音媒体请求不包括个人请求，过程1100前进至框1116，如上文所讨论的。
在框1124处，根据确定语音媒体请求包括个人请求，设备800确定其是否与第一类型的媒体账户(例如，默认账户)相关联。在一些示例中，根据确定设备800不与第一类型的媒体账户相关联，过程1100前进至框1112，如上文所讨论的。
在框1126处，根据确定设备800与第一类型的媒体账户相关联，设备800确定与第一类型的媒体账户相关联的用户是否为可能的用户。在一些示例中，根据确定与第一类型的媒体账户相关联的用户是可能的用户，设备800提供对语音请求的响应，如框1128中所示。在一些示例中，对语音请求的响应基于第一类型的媒体账户。例如，设备800从第一类型的媒体账户提供与语音请求最匹配的媒体内容。例如，假设Jessica说“播放我的音乐”并且设备800不能将Jessica与其他注册用户区分开。然而，设备800确定Jessica是对应于语音请求的可能用户。因此，设备800从Jessica的个人媒体账户提供媒体内容。
在一些示例中，根据确定与媒体账户相关联的用户不是可能的用户，过程1100前进至框1112，如上文所讨论的。
在一些示例中，设备800不与第一类型的媒体账户相关联。在此类示例中，设备800可确定与第二类型的媒体账户(例如，回退账户)相关联的用户是否为可能的用户和/或基于第二类型的媒体账户来提供对语音请求的响应，类似于上文讨论的技术。
在设备800不与第一类型的媒体账户相关联的一些示例中，根据确定语音请求包括个人请求(框1122)，设备800确定最近识别的用户或最频繁识别的用户是否为可能的用户。在一些示例中，根据确定最近识别的用户是可能的用户，设备800基于与最近识别的用户相关联的媒体账户来提供对语音请求的响应。在一些示例中，根据确定最频繁识别的用户是可能的用户，设备800基于与最频繁识别的用户相关联的媒体账户来提供响应。例如，假设Jessica说“将这首歌添加到我的健身播放列表”并且设备800不能将Jessica与其他注册用户区分开。然而，设备800确定Jessica是可能的用户，并且确定Jessica是最频繁识别的用户。因此，设备800将当前播放的歌曲添加至Jessica的健身播放列表。
6.获取信息以提供个性化响应
如所讨论的，本技术的一个方面包括提供针对所识别用户而进行个性化的响应。现在讨论获取信息以提供个性化响应(例如，个人信息)的示例性技术。
图12示出了用于获取个人信息的示例性系统1200。系统1200包括设备800、外部设备900和数字助理服务器1202。在一些示例中，系统1200包括与其他用户(例如，除与设备900相关联的用户之外的用户)相关联的其他外部电子设备(未示出)。其他外部电子设备可类似于设备900。例如，其他外部电子设备被实现为设备400或600和/或包括数字助理的模块和功能。
在一些示例中，数字助理服务器1202使用图1的系统108来实现，并且设备800和设备900与服务器1202通信，例如，如图1所示。在一些示例中，根据下文讨论的技术，设备800从服务器1202、设备900、其他外部电子设备或它们的组合或子组合获取个人信息。
每个外部电子设备存储与相应用户相关联的个人信息。示例性个人信息包括用户的联系人信息(例如，联系人名字、地址、电话号码)、通信数据和/或元数据(例如，文本消息、电子邮件、通话历史、语音邮件、即时消息、消息发送者、消息时间)、说话者配置文件和对应的数字助理标识符(下文讨论)、日历和/或提醒信息(例如，日历项目、提醒项目)、便签(例如，用户创建的文本备忘录和/或语音备忘录)、媒体数据(例如，音乐、视频、照片、音频书、媒体偏好(例如，最喜爱的歌曲、喜欢的歌曲、不喜欢的歌曲)、媒体账户数据)、健康数据(例如，行进距离、生命体征数据、燃烧的卡路里)、财务数据(例如，信用卡余额、银行账户余额、最近购物)、应用程序数据(例如，互联网搜索历史、安装的应用程序、社交媒体数据(例如，帖子、朋友列表))、位置数据(例如，外部设备的位置、用户频繁访问的位置)、与用户住宅相关联的数据(例如，锁的数量、灯是开还是关、恒温器设置)和语音快捷方式数据。
在一些示例中，外部电子设备向服务器1202和/或设备800发送某些个人信息。在一些示例中，外部电子设备仅在用户批准时(例如，通过用户设置、通过通知的用户同意)才发送此类信息。所发送的个人信息包括说话者配置文件、与用户的联系人相关联的信息(例如，联系人名字)、用户日历和/或提醒信息(例如，提醒列表名称)，或它们的组合或子组合。
在一些示例中，用户的说话者配置文件对应于(例如，映射至)数字助理标识符。在一些示例中，发送至服务器1202的信息还包括数字助理标识符。数字助理标识符与用户相关联并且标识与用户相关联的数字助理的实例。例如，数字助理标识符“DA id#1”可标识与第一用户相关联的数字助理的实例(例如，在第一用户的设备900上操作)。在一些示例中，通过使用用户的说话者配置文件来识别用户，确定与用户相关联的数字助理标识符(例如，使用说话者配置文件和数字助理标识符之间的映射)。设备800使用数字助理标识符，根据下文讨论的技术来获取个人信息。
在一些示例中，设备800获取与用户相关联的数字助理标识符。在一些示例中，获取数字助理标识符包括接收语音输入并根据本文所述的技术识别用户。例如，设备800确定所接收的语音输入对应于注册用户的可能性，并将该可能性发送至服务器1202。在一些示例中，设备800将所接收的语音输入发送至服务器1202。基于所接收的可能性和/或语音输入，服务器1202根据本文讨论的技术来识别用户。在一些示例中，服务器1202确定与所识别用户相关联的数字助理标识符(例如，使用所识别用户的说话者配置文件和数字助理标识符之间的映射)并将数字助理标识符发送至设备800。例如，如步骤1210中所示，设备800从服务器1202获取与第一识别用户相关联的数字助理标识符“DA id#1”。
在一些示例中，设备800确定数字助理标识符(例如，不使用服务器1202)。例如，基于所接收的语音输入，设备800根据本文讨论的技术使用用户的说话者配置文件来识别用户。设备800然后使用所识别用户的说话者配置文件和数字助理标识符之间的映射来确定例如与所识别用户相关联的数字助理标识符。
在一些示例中，设备800确定或获取与除所识别用户之外的用户相关联的数字助理标识符。例如，如果语音输入包括对人员的指代(例如，“我妈的电话在哪里？”)，设备800确定或获取与该人员相关联的数字助理标识符。例如，使用STT处理模块730和/或自然语言处理模块732，服务器1202确定该人员的名字(并因此确定他们的说话者配置文件)，并且基于说话者配置文件和数字助理标识符之间的映射来确定与该人员(例如，用户的妈妈)相关联的数字助理标识符。在一些示例中，服务器1202然后将数字助理标识符发送至设备800。
在一些示例中，设备800确定对应于所获取的数字助理标识符的通信标识符。通信标识符标识操作数字助理的实例的特定电子设备。在一些示例中，设备800存储数字助理标识符到通信标识符的映射，并使用此类映射来确定对应于所获取的数字助理标识符的通信标识符。例如，设备800获取数字助理标识符“DA id#1”并确定对应的标识设备900(例如，第一用户的设备)的通信标识符“Com id#1”。这样，设备800可将与用户相关联的所获取的数字助理标识符映射到标识用户设备的通信标识符。
在一些示例中，使用通信标识符，设备800建立与由通信标识符标识的设备的通信会话。例如，使用通信标识符“Com id#1”，设备800建立与设备900的通信会话，从而使得能够在设备之间交换数据和/或命令。在一些示例中，数据和/或命令经由上文相对于RF电路208讨论的一个或多个通信协议进行交换。
在一些示例中，根据建立通信会话，执行步骤1220和1230，如图12所示。在一些示例中，执行步骤1220和1230使得设备800能够获取个人信息以提供针对用户进行个性化的响应。
在步骤1220处，设备800向外部设备(例如，900)发送命令。在一些示例中，该命令请求外部设备执行与基于所接收的语音输入确定的任务相关联的动作。例如，服务器1202和/或设备800根据本文讨论的技术基于所接收的语音输入来确定任务。在服务器1202确定任务的示例中，服务器1202向设备800发送所确定的任务(例如，用于执行任务的可执行指令)。在一些示例中，设备800基于所确定的任务来确定命令并将该命令发送至外部设备。例如，从语音输入“嘿，Siri，读出我的消息”确定获取Stephen的消息的任务，并且设备800确定请求设备900(例如，Stephen的设备)提供Stephen的消息的命令。又如，从语音输入“我妈的电话在哪里？”确定获取与所识别用户的妈妈相关联的外部设备的位置的任务，并且设备800确定请求外部设备提供其位置的命令。
在一些示例中，根据接收到命令，外部设备执行由命令请求的动作并且向设备800提供基于该动作的结果。例如，在步骤1230处，外部设备向设备800提供个人信息。设备800接收个人信息并使用个人信息来提供针对所识别用户进行个性化的响应，如本文所讨论的。例如，根据接收到请求提供Stephen的消息的命令，设备900检索Stephen的消息并将该消息提供至设备800。使用所接收的消息，设备800提供响应“好的，Stephen，读出您的消息：第一条消息：Corey说2点钟见面”，例如，如图8所示。
在一些示例中，设备800从服务器1202接收个人信息。如所讨论的，在一些示例中，服务器1202存储与用户相关联的有限类型和/或量的个人信息(例如，提醒列表名称)，而用户的许多个人信息(例如，消息内容)可存储在用户的相应设备(例如，900)上。因此，在存储在服务器1202上的个人信息可用于提供个性化响应的示例中，服务器1202向设备800发送个人信息(例如，除发送个人信息的外部设备之外或没有该外部设备)。例如，基于所接收的语音输入，服务器1202识别用户并确定任务。基于所识别的用户和所确定的任务，服务器1202确定适用于任务的用户个人信息并将该个人信息发送至设备800。例如，基于(例如，由设备800接收的)语音输入“我的提醒列表的名称是什么？”，服务器1202识别用户并确定提供用户的提醒列表的名称的任务。服务器1202确定所识别用户的提醒列表的名称，并且向设备800提供该名称。
7.用于对语音输入作出响应的过程
图13A-图13G示出了根据各种示例的用于对语音输入作出响应的过程1300。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1300。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1300，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1300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1300的框。因此，虽然过程1300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1300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)或仅多个客户端设备来执行过程1300。在过程1300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1300来执行附加步骤。
在框1302处，从一个或多个外部电子设备接收用于多个用户的多个说话者配置文件。在一些示例中，多个说话者配置文件包括用于第一用户的第一说话者配置文件，第一说话者配置文件包括第一用户的声音的多个表示，以及用于第二用户的第二说话者配置文件，第二说话者配置文件包括第二用户的声音的多个表示。在一些示例中，基于第一用户的第一话语来确定第一用户的声音的多个表示中的至少一个表示，其中第一话语由一个或多个外部电子设备中的第一外部电子设备接收，并且其中第一外部电子设备与第一用户相关联。在一些示例中，基于第二用户的第二话语来确定第二用户的声音的多个表示中的至少一个表示，其中第二话语由一个或多个外部电子设备中的第二外部电子设备接收，并且其中第二外部电子设备与第二用户相关联。
在框1304处，接收自然语言语音输入(例如，框903)。
在框1306处，根据一些示例，例如，使用说话者模型确定自然语言语音输入的表示。
在框1308处，基于将自然语言语音输入与多个说话者配置文件进行比较，来确定自然语言语音输入对应于多个用户中的第一用户的第一可能性以及自然语言语音输入对应于多个用户中的第二用户的第二可能性(例如，框932)。在一些示例中，第二可能性小于第一可能性。在一些示例中，确定第一可能性包括将自然语言语音输入的表示与第一用户的声音的多个表示中的每个表示进行比较，如框1310中所示。在一些示例中，确定第二可能性包括将自然语言语音输入的表示与第二用户的声音的多个表示中的每个表示进行比较，如框1312中所示。
在框1314处，确定第一可能性和第二可能性是否在第一阈值(例如，差值阈值)内(例如，框932)。
在框1316处，在一些示例中，确定第一可能性是否大于第二阈值(例如，上限阈值)(例如，框938)。
在框1318处，根据确定第一可能性和第二可能性不在第一阈值内，提供对自然语言语音输入的响应，该响应针对第一用户被个性化(例如，框949)。在一些示例中，提供响应是进一步根据确定第一可能性大于第二阈值来执行的。在一些示例中，自然语言语音输入包括针对提供与第一用户相关联的消息的请求，并且提供对自然语言语音输入的响应包括提供该消息。在一些示例中，自然语言语音输入包括针对提供媒体的请求，并且提供对自然语言语音输入的响应包括提供与第一用户相关联的媒体。在一些示例中，自然语言语音输入包括针对与第一用户相关联的联系人进行通信的请求(例如，“给妈妈打电话”)，并且提供对自然语言语音输入的响应包括提供指示与联系人的通信的输出(例如，“正在给妈妈打电话”)。在一些示例中，对自然语言语音输入的响应包括第一用户的第四名字。
在框1320处，在一些示例中，根据确定第一可能性和第二可能性在阈值内：提供指示对用户身份的请求的输出(例如，框920、930、939和/或947)。
在框1322处，在一些示例中，响应于提供指示对用户身份的请求的输出，接收到第三自然语言语音输入(例如，框920、939和/或947)。
在框1324处，在一些示例中，确定第三自然语言语音输入是否对应于第一用户。在一些示例中，确定第三自然语言语音输入对应于第一用户包括确定第三自然语言语音输入包括第一用户的名字，如框1326中所示(例如，框920和/或921)。在一些示例中，指示对用户身份的请求的输出包括对第一用户确认其身份的请求，该请求包括第一用户的第二名字(例如，框939)。在一些示例中，确定第三自然语言语音输入对应于第一用户包括确定第三自然语言语音输入包括肯定响应(例如，框939)，如框1328中所示。在一些示例中，指示对用户身份的请求的输出包括对第一用户和第二用户之间的用户歧义消除的请求，该请求包括第一用户的第三名字和第二用户的名字(例如，框947)。在一些示例中，确定第三自然语言语音输入对应于第一用户包括确定第三自然语言语音输入包括第一用户的第三名字(例如，框947)，如框1330中所示。
在框1332处，在一些示例中，根据确定第三自然语言语音输入对应于第一用户，提供对自然语言语音输入的响应。
在框1334处，在一些示例中，根据确定第一可能性和第二可能性在阈值内，导致多个外部电子设备中的第三外部电子设备提供确认请求，该第三外部电子设备与第一用户相关联(例如，框930)。
在框1336处，在一些示例中，从第三外部电子设备接收对确认请求的用户确认的指示(例如，框931)。
在框1338处，在一些示例中，根据接收到对确认请求的用户确认的指示，提供对自然语言语音输入的响应(例如，框950)。
在框1340处，在一些示例中，确定第一可能性是否小于第三阈值(例如，下限阈值)(例如，框932)。
在框1342处，在一些示例中，根据确定第一可能性小于第三阈值，放弃提供响应。在一些示例中，根据确定第一可能性小于第三阈值，提供指示未识别用户的响应，如框1344中所示(例如，框951)。在一些示例中，对自然语言语音输入的响应是进一步根据确定第一可能性不小于第三阈值来执行的。
在框1346处，在一些示例中，接收第二自然语言语音输入。
在框1348处，在一些示例中，确定第二自然语言语音输入对应于第一用户还是第二用户。
在框1350处，在一些示例中，根据确定第二自然语言语音输入对应于第一用户，基于第二自然语言语音输入来更新第一说话者配置文件。在框1352处，在一些示例中，根据确定第二自然语言语音输入对应于第二用户，基于第二自然语言语音输入来更新第二说话者配置文件。
在框1354处，在一些示例中，确定自然语言语音输入是否包括对人员的指代(例如，框906)。
在框1356处，在一些示例中，根据确定自然语言语音输入包括对人员的指代：确定对人员的指代是否匹配第一用户的第五名字(例如，框913)。
在框1358处，在一些示例中，根据确定对人员的指代匹配第一用户的第五名字，提供对自然语言语音输入的第三响应，该第三响应针对第一用户被个性化(例如，框952)。在一些示例中，提供对自然语言语音输入的响应是根据确定自然语言语音输入不包括对人员的指代来执行的。
在框1360处，获取与第一用户相关联的数字助理标识符。在一些示例中，获取数字助理标识符包括向外部电子设备提供第一可能性，如框1362中所示。在一些示例中，获取数字助理标识符包括从外部电子设备接收数字助理标识符，其中数字助理标识符由外部电子设备基于第一可能性来确定，如框1364中所示。
在框1366处，在一些示例中，确定对应于所获取的数字助理标识符的通信标识符。通信标识符标识多个外部电子设备中的第四外部电子设备，该第四外部电子设备与第一用户相关联。
在框1368处，在一些示例中，使用通信标识符建立与第四外部电子设备的通信会话。
在框1370处，在一些示例中，根据建立通信会话，从第四外部电子设备获取与对自然语言语音输入的响应相关联的数据。在一些示例中，提供对自然语言语音输入的响应是根据获取与对自然语言语音输入的响应相关联的数据来执行的。
在框1372处，在一些示例中，基于自然语言语音输入来确定是否识别用户(例如，框905)。在一些示例中，确定第一可能性和第二可能性是根据确定识别用户来执行的。
在一些示例中，确定是否识别用户包括确定与自然语言语音输入相关联的用户意图，如框1374中所示。在一些示例中，确定是否识别用户包括根据确定意图包括个人意图或半个人意图来确定来识别用户，如框1376中所示。在一些示例中，确定是否识别用户包括根据确定意图包括非个人意图来确定不识别用户，如框1378中所示。
在框1380处，在一些示例中，根据确定不识别用户，放弃提供对自然语言语音输入的响应。
在框1382处，在一些示例中，根据确定不识别用户，提供对自然语言语音输入的第二响应(例如，框953)。在一些示例中，提供对自然语言语音输入的响应是根据确定识别用户来执行的。
以上参考图13A-图13G描述的操作任选地由图1-图4、图6A-图6B、图7A-图7C、图8、图10A-图10H和图12中描绘的部件来实现。例如，过程1300的操作可由设备800、设备900、系统1200或它们的任何组合或子组合来实现。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、图7A-图7C、图8、图10A-图10H和图12中所描绘的部件来实现其他过程。
8.用于提供媒体内容的过程
图14A-图14E示出了根据各种示例的用于提供媒体内容的过程1400。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1400。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1400，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1400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1400的框。因此，虽然过程1400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1300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)或仅多个客户端设备来执行过程1400。在过程1400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1400来执行附加步骤。
在框1402处，接收语音媒体请求(例如，框1102)。
在框1404处，确定多个注册用户中的用户是否对应于语音媒体请求(例如，框1106)。
在框1406处，根据确定多个注册用户中的第一用户对应于语音媒体请求，提供对语音媒体请求的第一响应，该第一响应针对第一用户被个性化(例如，框1108)。在一些示例中，语音媒体请求包括多个注册用户中的第二用户的名字。在一些示例中，多个注册用户中的第二用户不同于多个注册用户中的第一用户。在一些示例中，对语音媒体请求的第一响应包括回放与第二用户相关联的媒体项。在一些示例中，语音媒体请求包括与多个注册用户中的第三用户相关联的媒体集合的名称。在一些示例中，多个注册用户中的第三用户不同于多个注册用户中的第一用户。在一些示例中，对语音媒体请求的第一响应包括回放来自与第三用户相关联的媒体集合的媒体项。
在一些示例中，对语音媒体请求的第一响应包括指示第一用户的个性化的一个或多个词语。在一些示例中，该一个或多个词语包括第一用户的名字。在一些示例中，对语音媒体请求的第一响应包括回放来自与第一用户相关联的第一媒体账户的媒体项。在一些示例中，提供对语音媒体请求的第一响应包括更新与第一用户相关联的第二媒体账户。
在框1408处，在一些示例中，根据确定多个注册用户中的第一用户对应于语音媒体请求：基于语音用户请求来更新第一用户的媒体偏好。在一些示例中，语音媒体请求包括对切换内容提供商的请求。在一些示例中，对语音媒体请求的第一响应指示内容提供商已被切换。在一些示例中，更新第一用户的媒体偏好包括基于语音媒体请求来更新第一用户的内容提供商偏好，如框1410中所示。
在框1412处，在一些示例中，根据确定多个注册用户中没有用户对应于语音媒体请求，放弃基于语音媒体请求更新任何用户的任何媒体偏好。
在框1414处，根据确定多个注册用户中没有用户对应于语音媒体请求：确定语音媒体请求是否包括个人媒体请求(例如，框1110)。
在一些示例中，确定语音媒体请求是否包括个人媒体请求包括：确定语音媒体请求包括指示个性化的一个或多个词语，如框1416中所示。在一些示例中，确定语音媒体请求是否包括个人媒体请求包括：确定语音媒体请求与预先确定类型的用户意图相关联，如框1418中所示。
在框1420处，根据确定语音媒体请求包括个人媒体请求：获取提供语音媒体请求的用户的标识(例如，框1112)。在一些示例中，获取提供语音媒体请求的用户的标识包括：响应于提供指示对用户身份的请求的输出，接收语音输入(框1424)以及基于语音输入来获取标识(框1426)来提供指示对用户身份的请求的输出(框1422)。
在框1428处，根据获取标识：提供对语音媒体请求的第二响应，该第二响应针对提供语音媒体请求的用户被个性化(例如，框1108)。
在框1430处，在一些示例中，根据确定多个注册用户中没有用户对应于语音媒体请求并且根据确定语音媒体请求不包括个人媒体请求，确定第一类型的媒体账户是否与电子设备相关联(例如，框1116)。
在框1432处，在一些示例中，根据确定第一类型的媒体账户与电子设备相关联：提供对语音媒体请求的第三响应，该第三响应基于第一类型的媒体账户(例如，框1118)。
在框1434处，在一些示例中，根据确定第一类型的媒体账户不与电子设备相关联：提供对语音媒体请求的第四响应，该第四响应基于不同于第一类型的第二类型的媒体账户(例如，框1120)。
在框1436处，在一些示例中，确定多个注册用户中的多个用户对应于语音媒体请求(例如，框1106)。
在框1438处，在一些示例中，根据确定多个用户对应于语音媒体请求：确定语音媒体请求是否包括个人请求(例如，框1122)。
在框1440处，在一些示例中，根据确定语音媒体请求包括个人请求：确定第三类型的媒体账户是否与电子设备相关联(例如，框1124)。
在框1442处，在一些示例中，根据确定第三类型的媒体账户与电子设备相关联，确定与第三类型的媒体账户相关联的用户是否为多个用户中的用户(例如，框1126)。
在框1444处，在一些示例中，根据确定与第三类型的媒体账户相关联的用户是多个用户中的用户，提供对语音媒体请求的第五响应，该第五响应基于第三类型的媒体账户(例如，框1128)。
在框1446处，在一些示例中，根据确定语音媒体请求不包括个人请求：提供对语音媒体请求的第六响应，该第六响应基于与电子设备相关联的媒体账户(例如，框1118或1120)。
以上参考图14A-图14E描述的操作任选地由图1-图4、图6A-图6B、图7A-图7C、图8、图10A-图10H和图12描绘的部件来实现。例如，过程1400的操作可由设备800、设备900、系统1200或它们的任何组合或子组合来实现。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、图7A-图7C、图8、图10A-图10H和图12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者的装置。
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者。
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者的指令。
以下将描述本公开的一些示例性方面。
方面1.一种用于对语音输入作出响应的方法，所述方法包括：
在具有存储器和一个或多个处理器的电子设备处：
从一个或多个外部电子设备接收用于多个用户的多个说话者配置文件；
接收自然语言语音输入；
基于将所述自然语言语音输入与所述多个说话者配置文件进行比较来确定：
所述自然语言语音输入与所述多个用户中的第一用户对应的第一可能性；以及
所述自然语言语音输入与所述多个用户中的第二用户对应的第二可能性，所述第二可能性小于所述第一可能性；
确定所述第一可能性和所述第二可能性是否在第一阈值内；以及
根据确定所述第一可能性和所述第二可能性不在所述第一阈值内：
提供对所述自然语言语音输入的响应，所述响应针对所述第一用户被个性化。
方面2.根据方面1所述的方法，其中所述多个说话者配置文件包括：
用于所述第一用户的第一说话者配置文件，所述第一说话者配置文件包括所述第一用户的声音的多个表示；和
用于所述第二用户的第二说话者配置文件，所述第二说话者配置文件包括所述第二用户的声音的多个表示。
方面3.根据方面2所述的方法，其中：
基于所述第一用户的第一话语来确定所述第一用户的所述声音的所述多个表示中的至少一个表示，其中所述第一话语由所述一个或多个外部电子设备中的第一外部电子设备接收，并且其中所述第一外部电子设备与所述第一用户相关联；以及
基于所述第二用户的第二话语来确定所述第二用户的所述声音的所述多个表示中的至少一个表示，其中所述第二话语由所述一个或多个外部电子设备中的第二外部电子设备接收，并且其中所述第二外部电子设备与所述第二用户相关联。
方面4.根据方面2-3中任一项所述的方法，还包括：
确定所述自然语言语音输入的表示；并且其中：
确定所述第一可能性包括将所述自然语言语音输入的所述表示与所述第一用户的所述声音的所述多个表示中的每个表示进行比较；以及
确定所述第二可能性包括将所述自然语言语音输入的所述表示与所述第二用户的所述声音的所述多个表示中的每个表示进行比较。
方面5.根据方面2-4中任一项所述的方法，还包括：
接收第二自然语言语音输入；
确定所述第二自然语言语音输入与所述第一用户还是所述第二用户对应；以及
根据确定所述第二自然语言语音输入与所述第一用户对应：
基于所述第二自然语言语音输入来更新所述第一说话者配置文件；以及
根据确定所述第二自然语言语音输入与所述第二用户对应：
基于所述第二自然语言语音输入来更新所述第二说话者配置文件。
方面6.根据方面1-5中任一项所述的方法，还包括：
确定所述第一可能性是否大于第二阈值。
方面7.根据方面6所述的方法，其中，提供所述响应是进一步根据确定所述第一可能性大于所述第二阈值来执行的。
方面8.根据方面1-7中任一项所述的方法，还包括：
根据确定所述第一可能性和所述第二可能性在所述阈值内：
提供指示对用户身份的请求的输出；
响应于提供指示对用户身份的所述请求的所述输出，接收第三自然语言语音输入；
确定所述第三自然语言语音输入是否与所述第一用户对应；以及
根据确定所述第三自然语言语音输入与所述第一用户对应：
提供对所述自然语言语音输入的所述响应。
方面9.根据方面8所述的方法，其中：
确定所述第三自然语言语音输入与所述第一用户对应包括确定所述第三自然语言语音输入包括所述第一用户的名字。
方面10.根据方面8所述的方法，其中：
指示对用户身份的所述请求的所述输出包括对所述第一用户确认其身份的请求，所述请求包括所述第一用户的第二名字；并且
确定所述第三自然语言语音输入与所述第一用户对应包括确定所述第三自然语言语音输入包括肯定响应。
方面11.根据方面8所述的方法，其中：
指示对用户身份的所述请求的所述输出包括对所述第一用户和所述第二用户之间的用户歧义消除的请求，所述请求包括所述第一用户的第三名字和所述第二用户的名字；并且
确定所述第三自然语言语音输入与所述第一用户对应包括确定所述第三自然语言语音输入包括所述第一用户的所述第三名字。
方面12.根据方面1-11中任一项所述的方法，还包括：
根据确定所述第一可能性和所述第二可能性在所述阈值内：
使得所述多个外部电子设备中的第三外部电子设备提供确认请求，所述第三外部电子设备与所述第一用户相关联；
从所述第三外部电子设备接收对所述确认请求的用户确认的指示；以及
根据接收到对所述确认请求的用户确认的所述指示，提供对所述自然语言语音输入的所述响应。
方面13.根据方面1-12中任一项所述的方法，还包括：
确定所述第一可能性是否小于第三阈值；以及
根据确定所述第一可能性小于所述第三阈值：
放弃提供对所述自然语言语音输入的所述响应；以及
提供指示未识别用户的响应；并且
其中，提供对所述自然语言语音输入的所述响应是进一步根据确定所述第一可能性不小于所述第三阈值来执行的。
方面14.根据方面1-13中任一项所述的方法，其中对所述自然语言语音输入的所述响应包括所述第一用户的第四名字。
方面15.根据方面1-14中任一项所述的方法，还包括：
基于所述自然语言语音输入来确定是否识别用户；并且
其中，确定所述第一可能性和所述第二可能性是根据确定识别所述用户来执行的。
方面16.根据方面15所述的方法，其中确定是否识别用户包括：
确定与所述自然语言语音输入相关联的用户的意图；并且
根据确定所述意图包括个人意图或半个人意图来确定识别用户；并且
根据确定所述意图包括非个人意图来确定不识别用户。
方面17.根据方面15或16中任一项所述的方法，还包括：
根据确定不识别所述用户：
放弃提供对所述自然语言语音输入的所述响应；以及
提供对所述自然语言语音输入的第二响应，
其中，提供对所述自然语言语音输入的所述响应是根据确定识别所述用户来执行的。
方面18.根据方面1至17中任一项所述的方法，其中：
所述自然语言语音输入包括对提供与所述第一用户相关联的消息的请求；并且
提供对所述自然语言语音输入的所述响应包括提供所述消息。
方面19.根据方面1-18中任一项所述的方法，其中：
所述自然语言语音输入包括对提供媒体的请求；并且
提供对所述自然语言语音输入的所述响应包括提供与所述第一用户相关联的媒体。
方面20.根据方面1-19中任一项所述的方法，其中：
所述自然语言语音输入包括对和与所述第一用户相关联的联系人进行通信的请求；
提供对所述自然语言语音输入的所述响应包括提供指示与所述联系人进行通信的输出。
方面21.根据方面1-20中任一项所述的方法，还包括：
确定所述自然语言语音输入是否包括对人员的指代；
根据确定所述自然语言语音输入包括对所述人员的所述指代：
确定对所述人员的所述指代是否匹配所述第一用户的第五名字；
根据确定对所述人员的所述指代匹配所述第一用户的所述第五名字：
提供对所述自然语言语音输入的第三响应，所述第三响应针对所述第一用户被个性化；并且
其中，提供对所述自然语言语音输入的所述响应是根据确定所述自然语言语音输入不包括对所述人员的所述指代来执行的。方面22.根据方面1-21中任一项所述的方法，还包括：
获取与所述第一用户相关联的数字助理标识符；
确定与所获取的数字助理标识符对应的通信标识符，所述通信标识符标识所述多个外部电子设备中的第四外部电子设备，所述第四外部电子设备与所述第一用户相关联；
使用所述通信标识符与所述第四外部电子设备建立通信会话；以及
根据建立所述通信会话：
从所述第四外部电子设备获取与对所述自然语言语音输入的所述响应相关联的数据；并且
其中，提供对所述自然语言语音输入的所述响应是根据接收到与对所述自然语言语音输入的所述响应相关联的所述数据来执行的。
方面23.根据方面22所述的方法，其中获取所述数字助理标识符包括：
向外部电子设备提供所述第一可能性；以及
从所述外部电子设备接收所述数字助理标识符，其中所述数字助理标识符由所述外部电子设备基于所述第一可能性来确定。方面24.一种电子设备，包括：
一个或多个处理器；
存储器；和
一个或多个程序，其中所述一个或多个程序存储在所述存储器中并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用于以下操作的指令：
从一个或多个外部电子设备接收用于多个用户的多个说话者配置文件；
接收自然语言语音输入；
基于将所述自然语言语音输入与所述多个说话者配置文件进行比较来确定：
所述自然语言语音输入与所述多个用户中的第一用户对应的第一可能性；以及
所述自然语言语音输入与所述多个用户中的第二用户对应的第二可能性，所述第二可能性小于所述第一可能性；
确定所述第一可能性和所述第二可能性是否在第一阈值内；以及
根据确定所述第一可能性和所述第二可能性不在所述第一阈值内：
提供对所述自然语言语音输入的响应，所述响应针对所述第一用户被个性化。
方面25.一种存储一个或多个程序的非暂态计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由电子设备的一个或多个处理器执行时，使得所述电子设备：
从一个或多个外部电子设备接收用于多个用户的多个说话者配置文件；
接收自然语言语音输入；
基于将所述自然语言语音输入与所述多个说话者配置文件进行比较来确定：
所述自然语言语音输入与所述多个用户中的第一用户对应的第一可能性；以及
所述自然语言语音输入与所述多个用户中的第二用户对应的第二可能性，所述第二可能性小于所述第一可能性；
确定所述第一可能性和所述第二可能性是否在第一阈值内；
以及
根据确定所述第一可能性和所述第二可能性不在所述第一阈值内：
提供对所述自然语言语音输入的响应，所述响应针对所述第一用户被个性化。
方面26.一种电子设备，包括用于执行以下操作的装置：
从一个或多个外部电子设备接收用于多个用户的多个说话者配置文件；
接收自然语言语音输入；
基于将所述自然语言语音输入与所述多个说话者配置文件进行比较来确定：
所述自然语言语音输入与所述多个用户中的第一用户对应的第一可能性；以及
所述自然语言语音输入与所述多个用户中的第二用户对应的第二可能性，所述第二可能性小于所述第一可能性；
确定所述第一可能性和所述第二可能性是否在第一阈值内；
以及
根据确定所述第一可能性和所述第二可能性不在所述第一阈值内：
提供对所述自然语言语音输入的响应，所述响应针对所述第一用户被个性化。
方面27.一种电子设备，包括：
一个或多个处理器；
存储器；和
一个或多个程序，其中所述一个或多个程序存储在所述存储器中并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用于执行根据方面1至23中任一项所述的方法的指令。
方面28.一种存储一个或多个程序的非暂态计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由电子设备的一个或多个处理器执行时，使得所述电子设备执行根据方面1至23中任一项所述的方法。
方面29.一种电子设备，包括：
用于执行根据方面1至23中任一项所述的方法的装置。
方面30.一种用于提供媒体内容的方法，所述方法包括：
在具有存储器和一个或多个处理器的电子设备处：
接收语音媒体请求；
确定多个注册用户中的用户是否与所述语音媒体请求对应；
根据确定所述多个注册用户中的第一用户与所述语音媒体请求对应：
提供对所述语音媒体请求的第一响应，所述第一响应针对所述第一用户被个性化；以及
根据确定所述多个注册用户中没有用户与所述语音媒体请求对应：
确定所述语音媒体请求是否包括个人媒体请求；
根据确定所述语音媒体请求包括个人媒体请求：
获取提供所述语音媒体请求的用户的标识；以及
根据获取所述标识：提供对所述语音媒体请求的第二响应，所述第二响应针对提供所述语音媒体请求的所述用户被个性化。
方面31.根据方面30所述的方法，还包括：
根据确定所述多个注册用户中没有用户与所述语音媒体请求对应，并且根据确定所述语音媒体请求不包括个人媒体请求：
确定第一类型的媒体账户是否与所述电子设备相关联；
根据确定所述第一类型的媒体账户与所述电子设备相关联：
提供对所述语音媒体请求的第三响应，所述第三响应基于所述第一类型的所述媒体账户；以及
根据确定所述第一类型的媒体账户不与所述电子设备相关联：
提供对所述语音媒体请求的第四响应，所述第四响应基于不同于所述第一类型的第二类型的媒体账户。
方面32.根据方面30或31中任一项所述的方法，还包括：
确定所述多个注册用户中的多个用户与所述语音媒体请求对应；
根据确定所述多个用户与所述语音媒体请求对应：
确定所述语音媒体请求是否包括个人请求。
方面33.根据方面32所述的方法，还包括：
根据确定所述语音媒体请求包括个人请求：
确定第三类型的媒体账户是否与所述电子设备相关联；
以及
根据确定所述第三类型的媒体账户与所述电子设备相关联：
确定与所述第三类型的所述媒体账户相关联的用户是否是所述多个用户中的用户；以及
根据确定与所述第三类型的所述媒体账户相关联的所述用户是所述多个用户中的用户，提供对所述语音媒体请求的第五响应，所述第五响应基于所述第三类型的所述媒体账户。
方面34.根据方面32或33中任一项所述的方法，还包括：
根据确定所述语音媒体请求不包括个人请求：
提供对所述语音媒体请求的第六响应，所述第六响应基于与所述电子设备相关联的媒体账户。
方面35.根据方面30-34中任一项所述的方法，其中确定所述语音媒体请求是否包括个人媒体请求包括：
确定所述语音媒体请求包括指示个性化的一个或多个词语。
方面36.根据方面30-35中任一项所述的方法，其中确定所述语音媒体请求是否包括个人媒体请求包括：
确定所述语音媒体请求与预先确定类型的用户的意图相关联。
方面37.根据方面30-36中任一项所述的方法，其中获取提供所述语音媒体请求的所述用户的所述标识包括：
提供指示对用户身份的请求的输出；
响应于提供指示对用户身份的所述请求的所述输出，接收语音输入；以及
基于所述语音输入获取所述标识。
方面38.根据方面30-37中任一项所述的方法，其中：
所述语音媒体请求包括所述多个注册用户中的第二用户的名字；
所述多个注册用户中的所述第二用户不同于所述多个注册用户中的所述第一用户；并且
对所述语音媒体请求的所述第一响应包括回放与所述第二用户相关联的媒体项。
方面39.根据方面30-38中任一项所述的方法，其中：
所述语音媒体请求包括与所述多个注册用户中的第三用户相关联的媒体集合的名称；
所述多个注册用户中的所述第三用户不同于所述多个注册用户中的所述第一用户；并且
对所述语音媒体请求的所述第一响应包括回放来自与所述第三用户相关联的所述媒体集合的媒体项。
方面40.根据方面30-39中任一项所述的方法，还包括：
根据确定所述多个注册用户中的所述第一用户与所述语音媒体请求对应：
基于所述语音媒体请求来更新所述第一用户的媒体偏好；以及
根据确定所述多个注册用户中没有用户与所述语音媒体请求对应：
放弃基于所述语音媒体请求来更新任何用户的任何媒体偏好。
方面41.根据方面40所述的方法，其中：
所述语音媒体请求包括对切换内容提供商的请求；
对所述语音媒体请求的所述第一响应指示所述内容提供商已被切换；并且
更新所述第一用户的所述媒体偏好包括基于所述语音媒体请求来更新所述第一用户的内容提供商偏好。
方面42.根据方面30-41中任一项所述的方法，其中，对所述语音媒体请求的所述第一响应包括指示针对所述第一用户的个性化的一个或多个词语。
方面43.根据方面42所述的方法，其中所述一个或多个词语包括所述第一用户的名字。
方面44.根据方面1-43中任一项所述的方法，其中，对所述语音媒体请求的所述第一响应包括回放来自与所述第一用户相关联的第一媒体账户的媒体项。
方面45.根据方面1-44中任一项所述的方法，其中提供对所述语音媒体请求的所述第一响应包括更新与所述第一用户相关联的第二媒体账户。
方面46.一种电子设备，包括：
一个或多个处理器；
存储器；和
一个或多个程序，其中所述一个或多个程序存储在所述存储器中并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用于如下操作的指令：
接收语音媒体请求；
确定多个注册用户中的用户是否与所述语音媒体请求对应；
根据确定所述多个注册用户中的第一用户与所述语音媒体请求对应：
提供对所述语音媒体请求的第一响应，所述第一响应针对所述第一用户被个性化；以及
根据确定所述多个注册用户中没有用户与所述语音媒体请求对应：
确定所述语音媒体请求是否包括个人媒体请求；
根据确定所述语音媒体请求包括个人媒体请求：
获取提供所述语音媒体请求的用户的标识；以及
根据获取所述标识：提供对所述语音媒体请求的第二响应，所述第二响应针对提供所述语音媒体请求的所述用户被个性化。
方面47.一种存储一个或多个程序的非暂态计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由第一电子设备的一个或多个处理器执行时，使得所述第一电子设备：
接收语音媒体请求；
确定多个注册用户中的用户是否与所述语音媒体请求对应；
根据确定所述多个注册用户中的第一用户与所述语音媒体请求对应：
提供对所述语音媒体请求的第一响应，所述第一响应针对所述第一用户被个性化；以及
根据确定所述多个注册用户中没有用户与所述语音媒体请求对应：
确定所述语音媒体请求是否包括个人媒体请求；
根据确定所述语音媒体请求包括个人媒体请求：
获取提供所述语音媒体请求的用户的标识；以及
根据获取所述标识：提供对所述语音媒体请求的第二响应，所述第二响应针对提供所述语音媒体请求的所述用户被个性化。
方面48.一种电子设备，包括用于执行以下操作的装置：
接收语音媒体请求；
确定多个注册用户中的用户是否与所述语音媒体请求对应；
根据确定所述多个注册用户中的第一用户与所述语音媒体请求对应：
提供对所述语音媒体请求的第一响应，所述第一响应针对所述第一用户被个性化；以及
根据确定所述多个注册用户中没有用户与所述语音媒体请求对应：
确定所述语音媒体请求是否包括个人媒体请求；
根据确定所述语音媒体请求包括个人媒体请求：
获取提供所述语音媒体请求的用户的标识；以及
根据获取所述标识：提供对所述语音媒体请求的第二响应，所述第二响应针对提供所述语音媒体请求的所述用户被个性化。
方面49.一种电子设备，包括：
一个或多个处理器；
存储器；和
一个或多个程序，其中所述一个或多个程序存储在所述存储器中并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用于执行根据方面30-45中任一项所述的方法的指令。
方面50.一种存储一个或多个程序的非暂态计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由电子设备的一个或多个处理器执行时，使得所述电子设备执行根据方面30-45中任一项所述的方法。
方面51.一种电子设备，包括：
用于执行根据方面30-45中任一项所述的方法的装置。
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公开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程序。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可用数据，以识别用户，从而提供个性化响应。本公开预期，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。此类个人信息数据可以包括人口统计数据、基于位置的数据、电话号码、电子邮件地址、推特ID、家庭地址、与用户的健康或健康水平有关的数据或记录(例如，生命体征测量、药物信息、锻炼信息)、出生日期或任何其他识别或个人信息。
本公开认识到在本公开技术中使用此类个人信息数据可用于使用户受益。例如，个人信息数据可用于识别用户并提供与所识别用户相关的信息。因此，使用此类个人信息数据使得设备能够提供个性化响应。此外，本公开还预期个人信息数据有益于用户的其他用途。例如，健康和健身数据可用于向用户的总体健康状况提供见解，或者可用作使用技术来追求健康目标的个人的积极反馈。
本公开设想负责采集、分析、公开、传输、存储或其他使用此类个人信息数据的实体将遵守既定的隐私政策和/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。此类政策应该能被用户方便地访问，并应随着数据的采集和/或使用变化而被更新。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。此外，应在收到用户知情同意后进行此类采集/共享。此外，此类实体应考虑采取任何必要步骤，保卫和保障对此类个人信息数据的访问，并确保有权访问个人信息数据的其他人遵守其隐私政策和流程。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。此外，应当调整政策和实践，以便采集和/或访问的特定类型的个人信息数据，并适用于包括管辖范围的具体考虑的适用法律和标准。例如，在美国，对某些健康数据的收集或获取可能受联邦和/或州法律的管辖，诸如健康保险流通和责任法案(HIPAA)；而其他国家的健康数据可能受到其他法规和政策的约束并应相应处理。因此，在每个国家应为不同的个人数据类型保持不同的隐私实践。
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，在收集用户的说话者配置文件的情况下，本公开技术可被配置为在注册服务期间或其后的任何时间允许用户选择“选择加入”或“选择退出”参与对个人信息数据的收集。又如，用户可选择不提供说话者配置文件(和/或其他个人信息)。又如，用户可选择限制说话者配置文件被保持的时间长度，或完全禁止说话者配置文件的开发。除了提供“选择加入”和“选择退出”选项外，本公开设想提供与访问或使用个人信息相关的通知。例如，可在下载应用时向用户通知其个人信息数据将被访问，然后就在个人信息数据被应用访问之前再次提醒用户。
此外，本公开的目的是应管理和处理个人信息数据以最小化无意或未经授权访问或使用的风险。一旦不再需要数据，通过限制数据收集和删除数据可最小化风险。此外，并且当适用时，包括在某些健康相关应用程序中，数据去标识可用于保护用户的隐私。在适当的情况下，可以通过移除特定标识符(例如，出生日期等)、控制存储的数据的量或特征(例如，在城市级而非地址级收集位置数据)、控制数据的存储方式(例如，在用户之间聚合数据)和/或其它方法来促进去标识。
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，本公开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，可基于非个人信息数据或绝对最低限度量的个人信息(诸如与用户相关联的设备所请求的内容、对设备可用的其他非个人信息、或可公开获得的信息)来提供对用户语音输入的响应。
Claims (25)
1.一种用于对语音输入作出响应的方法，所述方法包括：
在具有存储器和一个或多个处理器的电子设备处：
从一个或多个外部电子设备接收用于多个用户的多个说话者配置文件；
接收自然语言语音输入；
基于将所述自然语言语音输入与所述多个说话者配置文件进行比较来确定：
所述自然语言语音输入与所述多个用户中的第一用户对应的第一可能性；以及
所述自然语言语音输入与所述多个用户中的第二用户对应的第二可能性，所述第二可能性小于所述第一可能性；
确定所述第一可能性和所述第二可能性是否在第一阈值内；以及
根据确定所述第一可能性和所述第二可能性不在所述第一阈值内：
提供对所述自然语言语音输入的响应，所述响应针对所述第一用户被个性化。
2.根据权利要求1所述的方法，其中所述多个说话者配置文件包括：
用于所述第一用户的第一说话者配置文件，所述第一说话者配置文件包括所述第一用户的声音的多个表示；和
用于所述第二用户的第二说话者配置文件，所述第二说话者配置文件包括所述第二用户的声音的多个表示。
3.根据权利要求2所述的方法，其中：
基于所述第一用户的第一话语来确定所述第一用户的所述声音的所述多个表示中的至少一个表示，其中所述第一话语由所述一个或多个外部电子设备中的第一外部电子设备接收，并且其中所述第一外部电子设备与所述第一用户相关联；以及
基于所述第二用户的第二话语来确定所述第二用户的所述声音的所述多个表示中的至少一个表示，其中所述第二话语由所述一个或多个外部电子设备中的第二外部电子设备接收，并且其中所述第二外部电子设备与所述第二用户相关联。
4.根据权利要求2-3中任一项所述的方法，还包括：
确定所述自然语言语音输入的表示；并且其中：
确定所述第一可能性包括将所述自然语言语音输入的所述表示与所述第一用户的所述声音的所述多个表示中的每个表示进行比较；以及
确定所述第二可能性包括将所述自然语言语音输入的所述表示与所述第二用户的所述声音的所述多个表示中的每个表示进行比较。
5.根据权利要求2-4中任一项所述的方法，还包括：
接收第二自然语言语音输入；
确定所述第二自然语言语音输入与所述第一用户还是所述第二用户对应；以及
根据确定所述第二自然语言语音输入与所述第一用户对应：
基于所述第二自然语言语音输入来更新所述第一说话者配置文件；以及
根据确定所述第二自然语言语音输入与所述第二用户对应：
基于所述第二自然语言语音输入来更新所述第二说话者配置文件。
6.根据权利要求1-5中任一项所述的方法，还包括：
确定所述第一可能性是否大于第二阈值。
7.根据权利要求6所述的方法，其中，提供所述响应是进一步根据确定所述第一可能性大于所述第二阈值来执行的。
8.根据权利要求1-7中任一项所述的方法，还包括：
根据确定所述第一可能性和所述第二可能性在所述阈值内：
提供指示对用户身份的请求的输出；
响应于提供指示对用户身份的所述请求的所述输出，接收第三自然语言语音输入；
确定所述第三自然语言语音输入是否与所述第一用户对应；以及
根据确定所述第三自然语言语音输入与所述第一用户对应：
提供对所述自然语言语音输入的所述响应。
9.根据权利要求8所述的方法，其中：
确定所述第三自然语言语音输入与所述第一用户对应包括确定所述第三自然语言语音输入包括所述第一用户的名字。
10.根据权利要求8所述的方法，其中：
指示对用户身份的所述请求的所述输出包括对所述第一用户确认其身份的请求，所述请求包括所述第一用户的第二名字；并且
确定所述第三自然语言语音输入与所述第一用户对应包括确定所述第三自然语言语音输入包括肯定响应。
11.根据权利要求8所述的方法，其中：
指示对用户身份的所述请求的所述输出包括对所述第一用户和所述第二用户之间的用户歧义消除的请求，所述请求包括所述第一用户的第三名字和所述第二用户的名字；并且
确定所述第三自然语言语音输入与所述第一用户对应包括确定所述第三自然语言语音输入包括所述第一用户的所述第三名字。
12.根据权利要求1-11中任一项所述的方法，还包括：
根据确定所述第一可能性和所述第二可能性在所述阈值内：
使得所述多个外部电子设备中的第三外部电子设备提供确认请求，所述第三外部电子设备与所述第一用户相关联；
从所述第三外部电子设备接收对所述确认请求的用户确认的指示；以及
根据接收到对所述确认请求的用户确认的所述指示，提供对所述自然语言语音输入的所述响应。
13.根据权利要求1-12中任一项所述的方法，还包括：
确定所述第一可能性是否小于第三阈值；以及
根据确定所述第一可能性小于所述第三阈值：
放弃提供对所述自然语言语音输入的所述响应；以及
提供指示未识别用户的响应；并且
其中，提供对所述自然语言语音输入的所述响应是进一步根据确定所述第一可能性不小于所述第三阈值来执行的。
14.根据权利要求1-13中任一项所述的方法，其中对所述自然语言语音输入的所述响应包括所述第一用户的第四名字。
15.根据权利要求1-14中任一项所述的方法，还包括：
基于所述自然语言语音输入来确定是否识别用户；并且
其中，确定所述第一可能性和所述第二可能性是根据确定识别所述用户来执行的。
16.根据权利要求15所述的方法，其中确定是否识别用户包括：
确定与所述自然语言语音输入相关联的用户的意图；并且
根据确定所述意图包括个人意图或半个人意图来确定识别用户；并且
根据确定所述意图包括非个人意图来确定不识别用户。
17.根据权利要求15或16中任一项所述的方法，还包括：
根据确定不识别所述用户：
放弃提供对所述自然语言语音输入的所述响应；以及
提供对所述自然语言语音输入的第二响应，
其中，提供对所述自然语言语音输入的所述响应是根据确定识别所述用户来执行的。
18.根据权利要求1至17中任一项所述的方法，其中：
所述自然语言语音输入包括对提供与所述第一用户相关联的消息的请求；并且
提供对所述自然语言语音输入的所述响应包括提供所述消息。
19.根据权利要求1-18中任一项所述的方法，其中：
所述自然语言语音输入包括对提供媒体的请求；并且
提供对所述自然语言语音输入的所述响应包括提供与所述第一用户相关联的媒体。
20.根据权利要求1-19中任一项所述的方法，其中：
所述自然语言语音输入包括对和与所述第一用户相关联的联系人进行通信的请求；
提供对所述自然语言语音输入的所述响应包括提供指示与所述联系人进行通信的输出。
21.根据权利要求1-20中任一项所述的方法，还包括：
确定所述自然语言语音输入是否包括对人员的指代；
根据确定所述自然语言语音输入包括对所述人员的所述指代：
确定对所述人员的所述指代是否匹配所述第一用户的第五名字；
根据确定对所述人员的所述指代匹配所述第一用户的所述第五名字：
提供对所述自然语言语音输入的第三响应，所述第三响应针对所述第一用户被个性化；并且
其中，提供对所述自然语言语音输入的所述响应是根据确定所述自然语言语音输入不包括对所述人员的所述指代来执行的。
22.根据权利要求1-21中任一项所述的方法，还包括：
获取与所述第一用户相关联的数字助理标识符；
确定与所获取的数字助理标识符对应的通信标识符，所述通信标识符标识所述多个外部电子设备中的第四外部电子设备，所述第四外部电子设备与所述第一用户相关联；
使用所述通信标识符与所述第四外部电子设备建立通信会话；以及
根据建立所述通信会话：
从所述第四外部电子设备获取与对所述自然语言语音输入的所述响应相关联的数据；并且
其中，提供对所述自然语言语音输入的所述响应是根据接收到与对所述自然语言语音输入的所述响应相关联的所述数据来执行的。
23.根据权利要求22所述的方法，其中获取所述数字助理标识符包括：
向外部电子设备提供所述第一可能性；以及
从所述外部电子设备接收所述数字助理标识符，其中所述数字助理标识符由所述外部电子设备基于所述第一可能性来确定。
24.一种电子设备，包括：
一个或多个处理器；
存储器；和
一个或多个程序，其中所述一个或多个程序存储在所述存储器中并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用于执行根据权利要求1至23中任一项所述的方法的指令。
25.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由电子设备的一个或多个处理器执行时，使得所述电子设备执行根据权利要求1至23中任一项所述的方法。
Applications Claiming Priority (8)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962855778P | 2019-05-31 | 2019-05-31 | |
| US62/855,778 | 2019-05-31 | ||
| DKPA201970510A DK201970510A1 (en) | 2019-05-31 | 2019-08-09 | Voice identification in digital assistant systems |
| DKPA201970510 | 2019-08-09 | ||
| DKPA201970511 | 2019-08-09 | ||
| DKPA201970511A DK201970511A1 (en) | 2019-05-31 | 2019-08-09 | Voice identification in digital assistant systems |
| US16/815,984 | 2020-03-11 | ||
| US16/815,984 US11423898B2 (en) | 2019-05-31 | 2020-03-11 | Voice identification in digital assistant systems |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112017672A true CN112017672A (zh) | 2020-12-01 |
| CN112017672B CN112017672B (zh) | 2024-05-31 |
Family
ID=73506565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010418092.0A Active CN112017672B (zh) | 2019-05-31 | 2020-05-15 | 数字助理系统中的声音识别 |
Country Status (2)
| Country | Link |
|---|---|
| EP (2) | EP4297021A3 (zh) |
| CN (1) | CN112017672B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150081295A1 (en) * | 2013-09-16 | 2015-03-19 | Qualcomm Incorporated | Method and apparatus for controlling access to applications |
| WO2018009397A1 (en) * | 2016-07-06 | 2018-01-11 | Pcms Holdings, Inc. | System and method for customizing smart home speech interfaces using personalized speech profiles |
| CN107889533A (zh) * | 2015-07-31 | 2018-04-06 | 谷歌有限责任公司 | 管理对话数据提供者 |
| US10032451B1 (en) * | 2016-12-20 | 2018-07-24 | Amazon Technologies, Inc. | User recognition for speech processing systems |
| CN108604449A (zh) * | 2015-09-30 | 2018-09-28 | 苹果公司 | 说话者识别 |
| CN109155132A (zh) * | 2016-03-21 | 2019-01-04 | 亚马逊技术公司 | 说话者验证方法和系统 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3859005A (en) | 1973-08-13 | 1975-01-07 | Albert L Huebner | Erosion reduction in wet turbines |
| US4826405A (en) | 1985-10-15 | 1989-05-02 | Aeroquip Corporation | Fan blade fabrication system |
| EP1717683A3 (en) | 1998-01-26 | 2010-03-17 | Apple Inc. | Method and apparatus for integrating manual input |
| US7688306B2 (en) | 2000-10-02 | 2010-03-30 | Apple Inc. | Methods and apparatuses for operating a portable device based on an accelerometer |
| US7218226B2 (en) | 2004-03-01 | 2007-05-15 | Apple Inc. | Acceleration-based theft detection system for portable electronic devices |
| US6677932B1 (en) | 2001-01-28 | 2004-01-13 | Finger Works, Inc. | System and method for recognizing touch typing under limited tactile feedback conditions |
| US6570557B1 (en) | 2001-02-10 | 2003-05-27 | Finger Works, Inc. | Multi-touch system and method for emulating modifier keys via fingertip chords |
| US7657849B2 (en) | 2005-12-23 | 2010-02-02 | Apple Inc. | Unlocking a device by performing gestures on an unlock image |
| US8190431B2 (en) * | 2006-09-25 | 2012-05-29 | Verizon Patent And Licensing Inc. | Method and system for providing speech recognition |
| US9711148B1 (en) * | 2013-07-18 | 2017-07-18 | Google Inc. | Dual model speaker identification |
| US10540979B2 (en) * | 2014-04-17 | 2020-01-21 | Qualcomm Incorporated | User interface for secure access to a device using speaker verification |
| DK201970510A1 (en) | 2019-05-31 | 2021-02-11 | Apple Inc | Voice identification in digital assistant systems |
-
2020
- 2020-04-02 EP EP23207474.0A patent/EP4297021A3/en active Pending
- 2020-04-02 EP EP20722749.7A patent/EP3959714B1/en active Active
- 2020-05-15 CN CN202010418092.0A patent/CN112017672B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150081295A1 (en) * | 2013-09-16 | 2015-03-19 | Qualcomm Incorporated | Method and apparatus for controlling access to applications |
| CN107889533A (zh) * | 2015-07-31 | 2018-04-06 | 谷歌有限责任公司 | 管理对话数据提供者 |
| CN108604449A (zh) * | 2015-09-30 | 2018-09-28 | 苹果公司 | 说话者识别 |
| CN109155132A (zh) * | 2016-03-21 | 2019-01-04 | 亚马逊技术公司 | 说话者验证方法和系统 |
| WO2018009397A1 (en) * | 2016-07-06 | 2018-01-11 | Pcms Holdings, Inc. | System and method for customizing smart home speech interfaces using personalized speech profiles |
| US10032451B1 (en) * | 2016-12-20 | 2018-07-24 | Amazon Technologies, Inc. | User recognition for speech processing systems |
Also Published As
| Publication number | Publication date |
|---|---|
| EP4297021A2 (en) | 2023-12-27 |
| EP4297021A3 (en) | 2024-03-20 |
| EP3959714A1 (en) | 2022-03-02 |
| CN112017672B (zh) | 2024-05-31 |
| EP3959714B1 (en) | 2024-04-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112567323B (zh) | 用户活动快捷方式建议 | |
| US11423898B2 (en) | Voice identification in digital assistant systems | |
| CN111901481B (zh) | 计算机实现的方法、电子设备和存储介质 | |
| CN110364148B (zh) | 自然助理交互 | |
| CN111480134B (zh) | 注意力感知虚拟助理清除 | |
| CN111656439B (zh) | 基于延迟控制电子设备的方法、电子设备及存储介质 | |
| CN110223698B (zh) | 训练数字助理的说话人识别模型 | |
| CN111418007B (zh) | 多轮预制对话 | |
| CN108604449B (zh) | 说话者识别 | |
| 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 | |
| CN112567332A (zh) | 语音命令的多模态输入 | |
| CN115088250A (zh) | 视频通信会话环境中的数字助理交互 | |
| CN115221295A (zh) | 个人请求的数字助理处理 | |
| CN110603586B (zh) | 用于校正识别错误的用户界面 | |
| CN115344119A (zh) | 用于健康请求的数字助理 | |
| CN115438330A (zh) | 用于数字助理请求的基于附件设备的认证 | |
| WO2020242595A1 (en) | Voice identification in digital assistant systems | |
| CN111399714A (zh) | 用户活动快捷方式建议 | |
| CN111524506B (zh) | 维护个人信息的隐私的自然语言输入的客户端服务器处理 | |
| CN115083414A (zh) | 用于连续对话的多状态数字助理 | |
| CN107463311B (zh) | 智能列表读取 | |
| 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 | |
| CN112017672B (zh) | 数字助理系统中的声音识别 | |
| CN110574023A (zh) | 脱机个人助理 | |
| CN113655981A (zh) | 基于置信度来减小描述长度 |
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 |