[发明专利]用于以语音启动人机界面的方法和系统

说明书

本发明涉及用于以语音启动人机界面的方法和系统。一般来说，人机界面被配置为接受来自用户的语音输入。但是，例如网络浏览器的界面必须被配置为能够接受来自用户的语音输入。例如移动浏览器的一些界面具有较少的配置适应性并且无法被配置为接受来自用户的语音输入。本发明实施例通过加载人机界面的内容并且将用于使语音能够与内容进行交互的逻辑添加到界面来语音启动人机界面。之后，实施例经由逻辑，为用户激活与内容的语音交互。从而，本发明实施例使语音能够与未被配置为适应于允许语音交互的界面进行交互，并且能够启动以无缝方式交互的语音交互。

技术领域

本发明涉及用于以语音启动人机界面的方法和系统。

背景技术

一般来说，人机界面（human-to-machine interfaces）允许用户经由输入设备（例如，鼠标、键盘、触摸屏和控制面板/按钮）的触摸操作与界面进行交互。另外，一些人机界面被配置为接受来自用户的语音输入。例如，桌面网络浏览器是用于允许用户与互联网上的内容进行交互的人机界面的一个例子。为了使传统的桌面网络浏览器接受语音输入，浏览器必须在某些方面进行改进，例如，被配置为支持使浏览器能够接受来自用户的语音输入的插件（即，增强机制）。

发明内容

本发明实施例涉及语音启动人机界面。本实施例加载人机界面的内容。例如，人机界面可以是网站的网页，本实施例可以将例如交互元素、文本元素和图形元素（例如，人机界面的内容）加载在显示网站网页的网络浏览器上。之后，本实施例将用于使语音能够与内容进行交互的逻辑添加到界面上。例如，逻辑可以被附加到界面。之后，本实施例将内容呈现给界面的用户并经由逻辑，为用户激活与内容的语音交互。

另外，本实施例可以唯一标识与界面的内容相关的复数个输入字段和相应的输入字段标识（ID）。进一步地，本实施例可以将输入字段ID映射为语法槽名称，以产生语音到字段的映射。语法槽名称可以与预期由逻辑接收的语音的语音到文本合成相关。之后，本实施例可以输出与语法槽名称相应的语音的表现，以及经由语音到字段的映射使语音的表现能够进入输入字段。

本实施例还可以解析与内容相关的代码，当由与界面相关的处理器执行代码时，该代码使得界面将输入字段呈现给用户。之后，本实施例可以利用解析的结果，唯一地标识输入字段，其中，解析的结果包括输入字段和相应的输入字段ID。

进一步地，本实施例通过从输入字段ID中确定关键词并将确定的关键词与语法槽名称相关的关键词进行匹配来将输入字段ID映射为语法槽名称。本实施例还可以基于复数个输入字段的至少一个子集的用户选择来将输入字段ID映射为语法槽名称。本实施例还可以通过响应于在用户选择之后接收到的语音，将相应的输入字段ID与语法槽名称进行关联来映射语法槽名称。

本实施例还可以提示用户对特定输入字段的声音输入，以及之后将特定输入字段的相应的字段ID与在用户选择之后接收的语音相应的语法槽名称进行关联。本实施例还可以使用在语音中提供的应用于复数个输入字段的特定输入字段的值来向用户提示语音。

此外，本实施例可以通过执行以下操作的至少之一来向用户提示语音：加亮特定输入字段、改变经由界面呈现的文本显示的状态、和呈现对与特定输入字段相关的语音的音频指示。进一步地，本实施例可以通过向用户提示与复数个输入字段的多个输入字段相关的语音来向用户提示语音。

本实施例还可以使语音能够与输入字段进行交互，其中输入字段包括显示在屏幕视图上的交互元素。输入元素包括以下输入字段结构中的至少之一：单选按钮、文本字段、虚拟按钮和下拉菜单。

人机界面可以包括以下至少之一：网页、交互式软件程序、电脑化输入表格、图形用户界面、视觉显示或音频接口。

进一步地，本实施例可以通过对人机界面检查人类互动元素来唯一标识输入字段和相应的输入字段ID，其中，人类互动元素被标识为与人类互动元素相关的输入字段和的相应的ID。