專(zhuān)利名稱(chēng)：用于交互式聲音響應(yīng)系統(tǒng)的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于交互式聲音響應(yīng)系統(tǒng)的方法和裝置。
背景技術(shù)：
電話可以用于目錄定購(gòu)、核對(duì)航班時(shí)間表、查詢價(jià)格、查看賬戶余額、通知客戶、記錄和檢索消息、以及其它商業(yè)服務(wù)。通常，每個(gè)電話呼叫涉及以下述內(nèi)容為代表的服務(wù)，即與用戶講話、詢問(wèn)問(wèn)題、向計(jì)算機(jī)輸入響應(yīng)、以及從終端屏幕讀出信息給用戶。這一處理可以通過(guò)以播放聲音提示并從例如語(yǔ)音識(shí)別或從DTMF音調(diào)接收用戶輸入的能力來(lái)替代交互式聲音響應(yīng)系統(tǒng)(IVR)來(lái)被自動(dòng)化。
交互式聲音響應(yīng)系統(tǒng)通常使用這樣的客戶服務(wù)器配置來(lái)實(shí)現(xiàn)，即電話接口和聲音應(yīng)用程序在客戶機(jī)上運(yùn)行，而諸如文本到語(yǔ)音或聲音提示數(shù)據(jù)庫(kù)的聲音數(shù)據(jù)提供服務(wù)器軟件在服務(wù)器上運(yùn)行，局域網(wǎng)絡(luò)連接這兩臺(tái)機(jī)器。當(dāng)應(yīng)用程序請(qǐng)求聲音數(shù)據(jù)時(shí)，其請(qǐng)求聲音服務(wù)器開(kāi)始向客戶傳輸聲音數(shù)據(jù)流。客戶將等待，直到在緩沖器中累計(jì)了一定量的聲音數(shù)據(jù)，然后開(kāi)始播放聲音數(shù)據(jù)，以打開(kāi)電話信道。
直到播放操作開(kāi)始的那一點(diǎn)的任何延遲感覺(jué)上就是相對(duì)無(wú)害的初始延遲。然而，一旦開(kāi)始播放，必須以恒定的流，例如每秒8千字節(jié)，向打開(kāi)的電話信道饋送聲音數(shù)據(jù)，這一流中的中斷的表現(xiàn)則被感覺(jué)為質(zhì)量問(wèn)題，例如結(jié)巴(stutter)或喀噠(click)聲。
保持電話信道的恒定的聲音數(shù)據(jù)流是聲音服務(wù)器中的實(shí)際問(wèn)題。如果該流被延遲，則只從留有聲音數(shù)據(jù)的緩沖器繼續(xù)播放聲音數(shù)據(jù)。當(dāng)聲音緩沖器被完全耗盡時(shí)，只有兩種替換方法1)以錯(cuò)誤來(lái)停止整個(gè)流和播放操作；或者2)填充時(shí)間，直到新的聲音數(shù)據(jù)到來(lái)，例如人造的寂靜。如果客戶端和服務(wù)器之間的連接比LAN更遙遠(yuǎn)，諸如廣域網(wǎng)絡(luò)或因特網(wǎng)，那么問(wèn)題就增加了。隨著VoiceXML應(yīng)用程序的發(fā)展，這種相距遙遠(yuǎn)的客戶端和服務(wù)器也正在增長(zhǎng)。
此外，很可能LAN或另一個(gè)網(wǎng)絡(luò)同時(shí)為許多信道處理聲音服務(wù)器業(yè)務(wù)。網(wǎng)絡(luò)也可能處理其它數(shù)據(jù)業(yè)務(wù)。這兩個(gè)因素都增加了聲音分組在網(wǎng)絡(luò)中傳送時(shí)被延遲的機(jī)會(huì)。IVR和聲音服務(wù)器之間的路由器、網(wǎng)關(guān)等也會(huì)增加整個(gè)網(wǎng)絡(luò)延遲。
當(dāng)前對(duì)此問(wèn)題的一個(gè)解決方案就是在客戶端使用大緩沖器，從而在緩沖器中保持有足夠多的數(shù)據(jù)以處理從聲音服務(wù)器接收到的聲音數(shù)據(jù)的最長(zhǎng)間隙。然而，在填充緩沖器時(shí)，這將引起開(kāi)始操作時(shí)長(zhǎng)時(shí)間的延遲。

發(fā)明內(nèi)容
根據(jù)本發(fā)明的第一個(gè)方面，提供了一種交互式聲音響應(yīng)(IVR)系統(tǒng)，其與計(jì)算機(jī)網(wǎng)絡(luò)連接，用于接收來(lái)自網(wǎng)絡(luò)中的節(jié)點(diǎn)的流式聲音數(shù)據(jù)，并在IVR信道上播放所接收到的聲音數(shù)據(jù)，所述聲音數(shù)據(jù)代表交替的發(fā)音周期和自然寂靜周期，所述IVR系統(tǒng)包括緩沖器，用于存儲(chǔ)從節(jié)點(diǎn)接收到的聲音數(shù)據(jù)；序列控制器，用于識(shí)別聲音數(shù)據(jù)的序列，每個(gè)序列包括自然寂靜之間的發(fā)音；以及播放控制器，用于當(dāng)在緩沖器中接收到聲音數(shù)據(jù)的整個(gè)序列時(shí)，在IVR信道上播放聲音數(shù)據(jù)。以這種方式，如果在聲音數(shù)據(jù)的播放中存在不連續(xù)，那么不連續(xù)將在自然寂靜中發(fā)生。
序列控制器掃描到來(lái)聲音是聲音還是寂靜。將連續(xù)兩個(gè)寂靜周期之間的聲音數(shù)據(jù)識(shí)別為形成整個(gè)發(fā)音的序列。每個(gè)寂靜周期必須長(zhǎng)于最小周期，否則將記入一些音素之間的小間隙，而一個(gè)單詞可能被計(jì)為兩個(gè)發(fā)音。在優(yōu)選實(shí)施例中，序列控制器處理聲音數(shù)據(jù)，以區(qū)分代表聲音的聲音數(shù)據(jù)和代表寂靜的聲音數(shù)據(jù)。在第二和第三個(gè)實(shí)施例中，IVR序列控制器在識(shí)別聲音或寂靜的聲音數(shù)據(jù)中掃描標(biāo)記，該標(biāo)記由遠(yuǎn)程序列控制器引入該聲音數(shù)據(jù)，而該遠(yuǎn)程序列控制器處理該聲音數(shù)據(jù)以在聲音和寂靜之間進(jìn)行區(qū)分。
在緩沖器中以聲音數(shù)據(jù)分組的形式存儲(chǔ)提示，并且序列控制器掃描每個(gè)聲音分組以確定其為聲音還是寂靜。在優(yōu)選實(shí)施例中，聲音分組足夠小，從而可以將單個(gè)聲音分組計(jì)為一個(gè)單元的聲音或寂靜。最好分組大小在10至50毫秒(msec)之間，對(duì)兩個(gè)人彼此交談的交互式聲音而言，20msec為最佳大小。然而，例如，當(dāng)雙方之一為IVR時(shí)，分組可以大到一秒。將每個(gè)聲音分組標(biāo)記為聲音或寂靜。標(biāo)記可以放置在聲音分組的首標(biāo)或聲音分組的有效負(fù)載部分。聲音緩沖器中存儲(chǔ)的分組與經(jīng)網(wǎng)絡(luò)傳送的分組相同，并且在將其放置到聲音緩沖器中之前，不由傳輸控制器將其連續(xù)化。
標(biāo)記分組的一種有利方式是，如果是寂靜，就使聲音分組的有效載荷部分為空。非零值將表示聲音。另一個(gè)有利方式是，用一個(gè)值來(lái)標(biāo)記分組的首標(biāo)，以識(shí)別聲音或寂靜。
合適的是，如果序列控制器識(shí)別了緩沖器中要播放的數(shù)據(jù)序列，那么將使該序列能夠被播放。當(dāng)一個(gè)序列是要播放的下一個(gè)序列時(shí)，其變?yōu)楫?dāng)前序列。對(duì)于當(dāng)前序列，序列控制器獲取在緩沖器中的開(kāi)始和結(jié)束分組號(hào)。
在優(yōu)選實(shí)施例中，在IVR中處理從聲音提示數(shù)據(jù)庫(kù)或TTS引擎發(fā)送的聲音分組，以識(shí)別聲音和寂靜數(shù)據(jù)的序列。這使得任何聲音服務(wù)器都能夠向本實(shí)施例發(fā)送聲音數(shù)據(jù)。然而，IVR處理許多信道的聲音數(shù)據(jù)處理，而其數(shù)字信號(hào)處理資源是有限的。所以，對(duì)于網(wǎng)絡(luò)服務(wù)器而言，代之進(jìn)行信號(hào)處理是有利的。
在第二個(gè)實(shí)施例中，在聲音服務(wù)器進(jìn)行對(duì)聲音數(shù)據(jù)的處理，并使用標(biāo)記來(lái)標(biāo)明分組數(shù)據(jù)中的序列。現(xiàn)在IVR中的序列控制器只在聲音數(shù)據(jù)中掃描標(biāo)記，這釋放了IVR的數(shù)字信號(hào)處理資源。
此外，在第二個(gè)實(shí)施例中，一旦處理了聲音提示，并加標(biāo)記以標(biāo)明發(fā)音序列，就不需要再次對(duì)其進(jìn)行處理，并且可以將其存儲(chǔ)在聲音提示數(shù)據(jù)庫(kù)中，以備以后檢索使用已標(biāo)記的內(nèi)容。
然而，并不總是需要對(duì)聲音數(shù)據(jù)進(jìn)行數(shù)字信號(hào)處理。在第三個(gè)實(shí)施例中，TTS引擎通過(guò)掃描文本單詞及標(biāo)點(diǎn)符號(hào)之間的空格來(lái)識(shí)別文本數(shù)據(jù)中的發(fā)音，并在聲音提示中嵌入標(biāo)記，以標(biāo)明整個(gè)發(fā)音。所以，對(duì)于TTS，不需要使用數(shù)字信號(hào)處理來(lái)在聲音數(shù)據(jù)中掃描寂靜周期。發(fā)音可以取為單個(gè)單詞，但是在第三個(gè)實(shí)施例中，發(fā)音是整個(gè)語(yǔ)句，因?yàn)樵谶@里，更可能發(fā)生聲音的自然停頓。在替換實(shí)施例中，由其它標(biāo)點(diǎn)符號(hào)分離開(kāi)的短語(yǔ)也可以取為發(fā)音。
根據(jù)本發(fā)明的第二個(gè)方面，提供了一種用于在如權(quán)利要求中所描述的IVR系統(tǒng)內(nèi)播放提示的方法。
根據(jù)本發(fā)明的第三個(gè)方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，用于處理一組或多組數(shù)據(jù)處理任務(wù)，所述計(jì)算機(jī)程序產(chǎn)品包括在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)的計(jì)算機(jī)程序指令，當(dāng)將該計(jì)算機(jī)程序指令載入計(jì)算機(jī)中并執(zhí)行時(shí)，使計(jì)算機(jī)執(zhí)行權(quán)利要求中所描述的步驟。


為了促進(jìn)對(duì)本發(fā)明上述和其它方面的進(jìn)一步理解，現(xiàn)在將只利用示例，參考附圖描述本發(fā)明的實(shí)施例，其中圖1展示了根據(jù)現(xiàn)有技術(shù)的交互式聲音響應(yīng)系統(tǒng)(IVR)100和聲音服務(wù)器102的示意圖；圖2展示了指示聲音數(shù)據(jù)分組在現(xiàn)有技術(shù)計(jì)算機(jī)網(wǎng)絡(luò)中找到通路所耗費(fèi)時(shí)間的圖；圖3展示了現(xiàn)有技術(shù)中用戶與連接到網(wǎng)絡(luò)提示數(shù)據(jù)庫(kù)和網(wǎng)絡(luò)TTS引擎的IVR的交互作用；圖4A、B、C展示了現(xiàn)有技術(shù)處理的概述例子；圖5A、B、C展示了根據(jù)本發(fā)明優(yōu)選實(shí)施例的處理的概述例子；圖6展示了根據(jù)本發(fā)明優(yōu)選實(shí)施例的IVR的示意圖；圖7展示了根據(jù)本發(fā)明優(yōu)選實(shí)施例的順序控制器的步驟；圖8展示了根據(jù)本發(fā)明優(yōu)選實(shí)施例的緩沖控制器方法的步驟；圖9A展示了根據(jù)本發(fā)明優(yōu)選實(shí)施例的緩沖器表；圖9B展示了根據(jù)本發(fā)明優(yōu)選實(shí)施例的緩沖寄存器；圖10展示了根據(jù)本發(fā)明第二個(gè)實(shí)施例的聲音服務(wù)器；以及圖11展示了根據(jù)本發(fā)明第三個(gè)實(shí)施例的文本到語(yǔ)音引擎。
具體實(shí)施例方式
參考圖1，其中展示了根據(jù)現(xiàn)有技術(shù)的交互式聲音響應(yīng)系統(tǒng)(IVR)100和聲音服務(wù)器102的示意圖。電話機(jī)104經(jīng)由電話網(wǎng)絡(luò)106連接到交互式聲音響應(yīng)系統(tǒng)(IVR)100。IVR 100經(jīng)由計(jì)算機(jī)網(wǎng)絡(luò)108連接到聲音服務(wù)器102。聲音服務(wù)器102連接到文本到語(yǔ)音引擎(TTS)110和聲音提示數(shù)據(jù)庫(kù)112。
電話網(wǎng)絡(luò)106是公共交換電話網(wǎng)絡(luò)(PSTN)。計(jì)算機(jī)網(wǎng)絡(luò)108是局域網(wǎng)絡(luò)LAN。
IVR 100包括應(yīng)用程序114、傳輸控制器116、聲音緩沖器118、以及播放控制器120。聲音服務(wù)器102包括聲音緩沖器122和傳輸控制器124。在正常操作中，聲音數(shù)據(jù)在應(yīng)用程序114的控制下，在打開(kāi)的信道中，從電話機(jī)104經(jīng)電話網(wǎng)絡(luò)106流入IVR 100。聲音數(shù)據(jù)還從TTS 110或聲音提示數(shù)據(jù)庫(kù)112經(jīng)由聲音服務(wù)器102，并經(jīng)由IVR 100流入電話機(jī)104。提示數(shù)據(jù)庫(kù)中的聲音數(shù)據(jù)包括預(yù)先記錄的聲音提示。來(lái)自TTS引擎110的聲音數(shù)據(jù)包括從文本數(shù)據(jù)轉(zhuǎn)換的合成聲音。
IVR 100包括具有IBM DirectTalk*技術(shù)的IBM*WebSphere*聲音響應(yīng)3.1(WVR)。在優(yōu)選實(shí)施例中，使用Java Beans(豆)和Java應(yīng)用程序114來(lái)控制IVR 100。WVR非常適于大型企業(yè)或電信商業(yè)。其可縮放、魯棒、并且設(shè)計(jì)為一天24小時(shí)一周7天連續(xù)工作。AIX的WebSphere聲音響應(yīng)可以支持單個(gè)系統(tǒng)中12至480個(gè)同時(shí)電話信道?？梢詫⒍鄠€(gè)系統(tǒng)聯(lián)網(wǎng)在一起，以提供更大的配置。優(yōu)選實(shí)施例使用AIX的WebSphere聲音響應(yīng)3.1，其支持單個(gè)IBMpSeries*服務(wù)器上1至16個(gè)E1或T1數(shù)字干線，其中單個(gè)系統(tǒng)上具有多達(dá)1,500個(gè)端口。可以在19英寸機(jī)架中支持2000多個(gè)使用T1或E1連接的電話信道。支持包括PSTN、ISDN、CAS、SS7、VoIP網(wǎng)絡(luò)的多個(gè)網(wǎng)絡(luò)上的網(wǎng)絡(luò)連接性。優(yōu)選實(shí)施例涉及給入局呼叫例如ISDN和SS7提供用戶識(shí)別號(hào)的那些網(wǎng)絡(luò)。*AIX、DirectTalk、IBM、pSeries以及WebSphere是國(guó)際商用機(jī)器公司在美國(guó)、其它國(guó)家、或同時(shí)在美國(guó)或其它國(guó)家的注冊(cè)商標(biāo)。
傳輸控制器116在計(jì)算機(jī)網(wǎng)絡(luò)上為IVR 100接收并發(fā)送聲音數(shù)據(jù)。其接收聲音數(shù)據(jù)分組，并在將分組存儲(chǔ)到聲音緩沖器118中之前使其連續(xù)。傳輸協(xié)議是TCP/IP。傳輸控制器124在聲音服務(wù)器102內(nèi)在計(jì)算機(jī)網(wǎng)絡(luò)上接收并發(fā)送聲音數(shù)據(jù)。
聲音緩沖器118在從網(wǎng)絡(luò)接收到聲音數(shù)據(jù)之后和播放控制器將其播放之前，以連續(xù)形式存儲(chǔ)聲音數(shù)據(jù)。聲音緩沖器118是FIFO緩沖器，從而先進(jìn)入的數(shù)據(jù)也先輸出。隨著數(shù)據(jù)輸入到緩沖器的一部分，來(lái)自另一部分的數(shù)據(jù)就可以輸出。緩沖器內(nèi)的數(shù)據(jù)量穩(wěn)定地變化，如果數(shù)據(jù)輸出多于輸入則減少，或者如果數(shù)據(jù)輸入多于輸出就增加。
播放控制器120移動(dòng)來(lái)自緩沖器的已連續(xù)化的聲音數(shù)據(jù)，并在聲音信道上播放。聲音緩沖器118具有指示IVR緩沖器中的聲音數(shù)據(jù)太少而不能播放的下限水平。播放控制器120只在聲音數(shù)據(jù)水平在下限水平之上時(shí)才移動(dòng)聲音數(shù)據(jù)。當(dāng)數(shù)據(jù)水平低于下限水平時(shí)，播放控制器120停止從IVR緩沖器播放聲音數(shù)據(jù)。當(dāng)聲音緩沖器118中的數(shù)據(jù)水平達(dá)到上限水平時(shí)，播放控制器120再次開(kāi)始移動(dòng)聲音數(shù)據(jù)。一個(gè)有用的比較是水容器，其從頂部填充，并在底部具有一出口，容器中的水量達(dá)到一定水平。當(dāng)容器中的水的水平低于下限水平時(shí)，不再準(zhǔn)許水流出。再次準(zhǔn)許水流出之前，容器中的水必須達(dá)到上限。下限水平不影響聲音數(shù)據(jù)流的最后字節(jié)的播放，無(wú)論其是否低于下限水平，IVR都將播放最后字節(jié)。
參考圖2，其中展示了表示聲音數(shù)據(jù)分組在典型的現(xiàn)有技術(shù)計(jì)算機(jī)網(wǎng)絡(luò)中找到通路所耗費(fèi)時(shí)間的圖。在一定的時(shí)間內(nèi)大量分組到達(dá)，但是由于網(wǎng)絡(luò)加載，剩余的分組耗費(fèi)較長(zhǎng)的時(shí)間來(lái)穿過(guò)網(wǎng)絡(luò)。隨著網(wǎng)絡(luò)負(fù)載變化，該延遲呈指數(shù)減少。有一個(gè)由網(wǎng)絡(luò)的物理大小掌控的最小時(shí)間。
參考圖3，其中展示了現(xiàn)有技術(shù)中用戶與連接到網(wǎng)絡(luò)提示數(shù)據(jù)庫(kù)和網(wǎng)絡(luò)TTS引擎的IVR的交互作用。這一交互作用由步驟301至309描述。在步驟301，用戶呼叫IVR，IVR打開(kāi)聲音信道，并且IVR應(yīng)用程序114控制聲音信道。在步驟302，應(yīng)用程序114在打開(kāi)的信道上向用戶播放第一條提示。第一條提示是由應(yīng)用程序114存儲(chǔ)在IVR 100上的預(yù)先記錄的聲音數(shù)據(jù)。在播放之前，聲音數(shù)據(jù)可以傳輸?shù)骄彌_器，也可以不傳輸?shù)骄彌_器。在步驟303，響應(yīng)于該提示，從用戶接收DTMF(按鈕撥號(hào)(touch-tone))數(shù)據(jù)。在步驟304，向提示數(shù)據(jù)庫(kù)112請(qǐng)求聲音數(shù)據(jù)。在步驟305，提示數(shù)據(jù)庫(kù)112經(jīng)網(wǎng)絡(luò)108將聲音數(shù)據(jù)返回到IVR的緩沖器118。在步驟306，隨著緩沖器118中填滿聲音數(shù)據(jù)，應(yīng)用程序114向用戶播放聲音數(shù)據(jù)作為第二次提示。在步驟307，應(yīng)用程序請(qǐng)求網(wǎng)絡(luò)文本到語(yǔ)音引擎110將一些文本轉(zhuǎn)換為聲音數(shù)據(jù)。在步驟308，文本到語(yǔ)音引擎110經(jīng)網(wǎng)絡(luò)108向IVR 100的緩沖器發(fā)送合成聲音數(shù)據(jù)。在步驟309，隨著緩沖器118中已填滿聲音數(shù)據(jù)，應(yīng)用程序114向用戶播放聲音數(shù)據(jù)作為第三次提示。在步驟305和308的每一步中，聲音數(shù)據(jù)經(jīng)網(wǎng)絡(luò)108發(fā)送到IVR 100，正是在這些點(diǎn)上，網(wǎng)絡(luò)延遲的問(wèn)題將影響聲音數(shù)據(jù)接收的連續(xù)性。
通常(但非必要)，數(shù)據(jù)以固定長(zhǎng)度的離散分組在網(wǎng)絡(luò)上發(fā)送。在因特網(wǎng)協(xié)議網(wǎng)絡(luò)中，分組包括TCP/IP首標(biāo)，其位于每個(gè)聲音分組的開(kāi)始部分；和聲音分組的“有效載荷”，包含實(shí)際聲音數(shù)據(jù)。通常使用1字節(jié)PCM格式(mu或A-law格式)，以標(biāo)準(zhǔn)電話采樣率8kHz即每秒8千字節(jié)或64千比特的數(shù)據(jù)速率，表示聲音數(shù)據(jù)。典型的分組可能包含160個(gè)字節(jié)，對(duì)應(yīng)于20毫秒的聲音。這意味著，為了維持8kHz的數(shù)據(jù)速率，需要發(fā)送機(jī)每秒發(fā)送50個(gè)分組。
圖4A、B、C給出了三個(gè)不同階段的現(xiàn)有技術(shù)IVR聲音數(shù)據(jù)緩沖器的一般例子。圖4A、B、C中每一個(gè)展示了IVR 100和緩沖器118，其經(jīng)由計(jì)算機(jī)網(wǎng)絡(luò)108連接到具有緩沖器122的聲音服務(wù)器102。聲音服務(wù)器以低于或高于8kHz電話速率的速率產(chǎn)生聲音分組。聲音數(shù)據(jù)以恒定速率(8kHz)播放。P1、P2、P3、P4代表單詞“the”的發(fā)音序列，而P5、P6、P7、P8代表單詞“cow”的發(fā)音序列。四個(gè)分組P1、P2、P3、P4在IVR緩沖器中等待播放，并且IVR緩沖器中有空余容量。僅就此例而言，每個(gè)分組是200ms，這意味著如果另一個(gè)分組在接下來(lái)的800ms內(nèi)沒(méi)有到達(dá)，則緩沖器將被耗盡，或者發(fā)生欠載運(yùn)行錯(cuò)誤，或者需要在語(yǔ)音信號(hào)內(nèi)任意點(diǎn)上播放寂靜，直到下一分組到達(dá)。這些都是所不希望。圖4B展示了圖4A接下來(lái)階段的情況，三個(gè)分組P1、P2、P3已被播放，另一個(gè)分組P5從聲音服務(wù)器到達(dá)，并做好播放準(zhǔn)備。還有三個(gè)分組P6、P7、P8尚未開(kāi)通網(wǎng)絡(luò)，正在等待聲音服務(wù)器緩沖器。圖4C展示了圖4B接下來(lái)的階段的情況，其中分組P4和P5已被播放，而其它三個(gè)分組P6、P7、P8仍在延遲。在這種情況下，IVR除了以支持(underpin)錯(cuò)誤停止操作，或者插入寂靜直到新的分組到來(lái)，別無(wú)選擇。需要注意的是，在P5和P6之間發(fā)生了寂靜，并且將導(dǎo)致結(jié)巴的效果。在現(xiàn)有技術(shù)中，寂靜的出現(xiàn)是不可控制的，因?yàn)槠淇梢栽谌魏畏纸M之間發(fā)生。
圖5A、B、C給出了根據(jù)本發(fā)明實(shí)施例三個(gè)不同階段的IVR聲音數(shù)據(jù)緩沖器的一般例子。本實(shí)施例提出播放中的寂靜發(fā)生在確定為合適的點(diǎn)，例如字或標(biāo)點(diǎn)符號(hào)之間。圖5A、B、C除現(xiàn)在描述本發(fā)明的結(jié)果之外，與圖4A、B、C相似。IVR在數(shù)據(jù)流中識(shí)別適當(dāng)?shù)募澎o間隙，并在此點(diǎn)插入標(biāo)記。IVR只播放兩個(gè)連續(xù)階段之間的數(shù)據(jù)。與圖4A、B、C一樣，IVR緩沖器包含代表單詞“the”的分組P1、P2、P3、P4，而聲音服務(wù)器緩沖器包含代表單詞“cow”的分組P5、P6、P7、P8?？墒窃谶@種情況下，標(biāo)記51位于在IVR緩沖器內(nèi)第一個(gè)單詞的第一個(gè)分組(P1)之前，以識(shí)別單詞之間的自然寂靜。緊接著從聲音服務(wù)器接收到分組P5。同樣，IVR已在P4中識(shí)別出寂靜間隙，并插入標(biāo)記53以識(shí)別它。在圖5A、B、C中，P1和P5以黑體標(biāo)明，并加下劃線，以表示單詞的第一個(gè)分組。參考圖5B，已播放了分組P1、P2、P3，即將播放P4，而P5將被延遲，直到下一個(gè)寂靜間隙內(nèi)的分組全部接收到。分組P6、P7、P8尚未發(fā)送，并還在延遲。參考圖5C，已播放了分組P4，但是因?yàn)镻5是尚未完全到達(dá)的單詞的第一部分，并沒(méi)有播放P5(與圖4C相比較)。分組P6、P7、P8仍尚未發(fā)送，并還在延遲。
參考圖6，其中展示了根據(jù)本發(fā)明第一個(gè)實(shí)施例的IVR 600的示意圖。IVR 600包括現(xiàn)有技術(shù)IVR 100的組件應(yīng)用程序114、聲音緩沖器118、播放控制器120。此外，IVR 600還包括新的組件傳輸控制器602、序列控制器604、緩沖器控制器606、緩沖器表608以及緩沖器寄存器610。
傳輸控制器602從網(wǎng)絡(luò)108接收分組數(shù)據(jù)，但是并不在聲音緩沖器118中使聲音數(shù)據(jù)連續(xù)化。相反，保持原分組結(jié)構(gòu)，并存儲(chǔ)在聲音緩沖器中。
序列控制器604在聲音分組從聲音服務(wù)器102到達(dá)時(shí)截取聲音分組，并處理聲音分組，以判斷該數(shù)據(jù)為聲音還是寂靜。序列控制器604以其發(fā)現(xiàn)來(lái)更新緩沖器表608。序列控制器604的方法700將參考圖7進(jìn)行描述。
緩沖控制器606分析要播放的聲音數(shù)據(jù)的當(dāng)前序列是否在緩沖器中，以及當(dāng)前序列的播放是否將使緩沖器水平低于下限水平。緩沖器控制器606的方法800將參考圖8進(jìn)行描述。
緩沖器表608存儲(chǔ)緩沖器的聲音和寂靜位置。序列控制器更新緩沖器表608，而緩沖器控制器606使用緩沖器表608來(lái)在滿足條件的情況下控制序列的播放。圖9A中展示了緩沖器表608的例子。
緩沖器寄存器610存儲(chǔ)緩沖器表608的對(duì)應(yīng)物理存儲(chǔ)地址，和開(kāi)始和結(jié)束分組號(hào)。其還存儲(chǔ)下限水平分組號(hào)。圖9B中展示了緩沖器寄存器的例子。由緩沖器控制器604來(lái)更新開(kāi)始分組號(hào)和下限分組號(hào)。由序列控制器606來(lái)更新結(jié)束分組號(hào)。
現(xiàn)在參考圖7，其中展示了根據(jù)本實(shí)施例的序列控制器方法700的序列的步驟。只要由傳輸控制器602接收到來(lái)聲音分組，此方法就是連續(xù)的。步驟702處理是聲音或是寂靜的到來(lái)分組。每個(gè)分組在被接收時(shí)，都由數(shù)字信號(hào)處理器分析以確定其是聲音還是寂靜。由于寂靜聲音分組的能量水平將遠(yuǎn)低于包含實(shí)際聲音的聲音分組，所以對(duì)聲音分組的能量進(jìn)行測(cè)量。這一步驟由數(shù)字信號(hào)處理器進(jìn)行。步驟704以分組是聲音或寂靜來(lái)更新寂靜表。在此實(shí)施例中，以開(kāi)始和結(jié)束分組號(hào)列出聲音和寂靜的交替周期。步驟706在緩沖器中放置分組。接著，將分組放置到緩沖器中。該分組將具有緩沖器中的物理地址，但是這里使用邏輯分組號(hào)來(lái)描述分組在緩沖器中的位置。步驟708檢查該分組是否最后一個(gè)分組。如果該分組不是最后一個(gè)分組，那么一旦接收到下一分組，就以相同方式對(duì)其進(jìn)行處理。在步驟710中，獲取了下一分組，并再次從步驟702開(kāi)始本方法。步驟712是該方法的結(jié)束。如果該分組是最后一個(gè)分組，那么該方法在步驟712處結(jié)束。實(shí)際上，該處理一般是連續(xù)的，直到信道被關(guān)閉。
現(xiàn)在參考圖8，其中展示了根據(jù)本發(fā)明的緩沖器控制器方法800的步驟。只要緩沖器中有聲音數(shù)據(jù)序列，該方法就繼續(xù)。初始化步驟802指向緩沖器中第一個(gè)序列的第一個(gè)聲音分組，并將其定義為當(dāng)前序列。在步驟804，如果接收到了當(dāng)前序列的最后一個(gè)分組，則緩沖器控制器嘗試從緩沖器表中獲取當(dāng)前序列的最后一分組號(hào)。在步驟806，緩沖器控制器檢查整個(gè)序列是否都在緩沖器中。在步驟808，如果尚未接收到最后一個(gè)分組，那么緩沖器控制器等待最后一個(gè)分組。如果當(dāng)前序列的最后一個(gè)分組在緩沖器中，則在步驟810播放當(dāng)前序列。在步驟812，如果該序列是提示中最后一個(gè)序列，那么這就是該方法的結(jié)束步驟816。如果當(dāng)前分組是最后一個(gè)分組，那么在步驟818，更新計(jì)數(shù)器，以指向緩沖器表中下一個(gè)序列。
代替對(duì)整個(gè)發(fā)音是否已在緩沖器中的判斷，替換實(shí)施例中使用緩沖器中下限或上限水平的概念。在該替換實(shí)施例中，下限水平是緩沖器中固定數(shù)量的數(shù)據(jù)分組。緩沖器的開(kāi)始以分組數(shù)來(lái)定義，并隨著分組被播放而經(jīng)常更新，下限水平是此前預(yù)定數(shù)量的分組。例如，下限水平可以是緩沖器的開(kāi)始之前100個(gè)分組。聲音分組序列可以跨越下限水平。步驟806被修改為考慮下限水平，使得如果序列中的結(jié)束分組在下限水平之上，就播放該序列。例如，在下限水平為100個(gè)分組的情況下，如果從緩沖器的開(kāi)始處起，開(kāi)始分組小于100個(gè)分組，而結(jié)束分組多于100分組，則可以發(fā)生播放。需要注意的重要之處是，盡管播放使緩沖器低于下限水平，但是也播放整個(gè)序列。可選地，修改步驟806，使得只在開(kāi)始和結(jié)束分組都在下限水平之上時(shí)才播放序列。使用下限和上限水平，不重新發(fā)生播放，直到緩沖器中的分組達(dá)到上限水平或接收到了提示中的最后一個(gè)分組。
參考圖9A，其中展示了緩沖器表608，其具有由序列控制器604創(chuàng)建的信息。緩沖器表608具有兩列。第一列指示該分組是寂靜還是聲音，而第二列列出對(duì)應(yīng)的分組號(hào)。一次發(fā)音是一段聲音之后跟隨一段寂靜的周期，或反之。
參考圖9B，其中展示了緩沖器寄存器610，包括由序列控制器604和緩沖器控制器606更新并使用的變量。緩沖器寄存器610包括緩沖器的開(kāi)始(由緩沖器控制器606更新)、緩沖器的結(jié)束(由序列控制器604更新)以及下限水平(此例中總是比緩沖器的開(kāi)始多100個(gè)分組)的變量。
參考圖10，其中展示了第二個(gè)實(shí)施例的示意聲音服務(wù)器1000。在此實(shí)施例中，在聲音服務(wù)器1000中，而不是在IVR 100中識(shí)別分組是聲音還是寂靜分組。聲音服務(wù)器1000包括聲音數(shù)據(jù)緩沖器1002、寂靜分析器1004、標(biāo)記匯編器1010、聲音數(shù)據(jù)緩沖器1012、以及傳輸控制器1014。聲音數(shù)據(jù)緩沖器1002從，例如，文本到語(yǔ)音服務(wù)器110或聲音提示數(shù)據(jù)庫(kù)112接收數(shù)據(jù)。寂靜分析器1004進(jìn)行數(shù)字信號(hào)處理，以確定分組包括聲音還是寂靜。標(biāo)記匯編器1010給該分組加以標(biāo)記，以識(shí)別其是聲音還是寂靜，該標(biāo)記可由序列控制器604檢查。聲音數(shù)據(jù)緩沖器1012在已修改的聲音分組被發(fā)送到IVR之前保持已修改的聲音分組，傳輸控制器1014影響分組的傳輸。在此實(shí)施例中，IVR 100中的序列控制器604在分組中掃描標(biāo)記，而不是處理分組。
參考圖11，其中展示了根據(jù)第三個(gè)實(shí)施例的示意的文本到語(yǔ)音服務(wù)器1100。在第三個(gè)實(shí)施例中，不在聲音服務(wù)器或IVR中對(duì)聲音分組進(jìn)行數(shù)字信號(hào)處理來(lái)識(shí)別其是聲音還是寂靜。作為替代，提示中的寂靜被文本語(yǔ)句之間的空格來(lái)識(shí)別，寂靜標(biāo)記插在代表連續(xù)的句子的聲音數(shù)據(jù)之間，以識(shí)別自然停頓。文本到語(yǔ)音服務(wù)器1100包括文本緩沖器1102、寂靜分析器1104、合成模塊1106、音素模塊1108、標(biāo)記匯編器1110、聲音數(shù)據(jù)緩沖器1112以及傳輸器1114。
文本緩沖器保持由IVR向其發(fā)送的要轉(zhuǎn)換為語(yǔ)音的文本。寂靜分析器1104以停頓將文本緩沖器1102中的文本打斷為多個(gè)發(fā)音。在此實(shí)施例中，取整個(gè)語(yǔ)句優(yōu)選為寂靜，但是在其它實(shí)施例中，還使用單詞和短語(yǔ)。將每個(gè)發(fā)音傳給合成模塊1106，同時(shí)，向標(biāo)記匯編器1110發(fā)送該發(fā)音的通知。合成模塊1106將發(fā)音的單詞映射到來(lái)自音素模塊1108的音素和對(duì)應(yīng)的聲音數(shù)據(jù)，并將聲音數(shù)據(jù)發(fā)送給標(biāo)記匯編器1110。標(biāo)記匯編器1110將每個(gè)發(fā)音的聲音數(shù)據(jù)轉(zhuǎn)換為聲音數(shù)據(jù)分組，然后標(biāo)記開(kāi)始和結(jié)束分組為寂靜分組，標(biāo)記其間的分組為聲音分組。所標(biāo)記的聲音分組在傳輸控制器1114將它們傳輸?shù)铰曇舴?wù)器102和IVR 100之前，臨時(shí)存儲(chǔ)在聲音數(shù)據(jù)緩沖器1112中。本實(shí)施例中，IVR 100中的序列控制器117在分組中掃描標(biāo)記，而不處理分組。
在優(yōu)選實(shí)施例中，電話網(wǎng)絡(luò)是PSTN，但是可以使用任何電話網(wǎng)絡(luò)，例如ISDN或IP上的聲音(Voice over IP)。盡管在優(yōu)選實(shí)施例中使用LAN來(lái)將IVR連接到聲音服務(wù)器，但是也可以使用任何網(wǎng)絡(luò)，包括因特網(wǎng)。
盡管以AIX的IBM MVR描述了實(shí)施例，但是也可以使用其它IVR來(lái)實(shí)現(xiàn)本發(fā)明。例如，用于具有直接對(duì)話技術(shù)的視窗NT和視窗2000的IBMWebSphere聲音響應(yīng)(IBM WebSphere Voice Response for Windows*NT*andWindows 2000 with DirectTalk Technology)是為更喜歡用基于視窗的操作環(huán)境來(lái)運(yùn)行自我服務(wù)應(yīng)用程序的用戶設(shè)計(jì)的交互式聲音響應(yīng)(IVR)產(chǎn)品。WebSphere聲音響應(yīng)能夠支持從簡(jiǎn)單到復(fù)雜的應(yīng)用程序，并可在網(wǎng)絡(luò)配置中升級(jí)至上千行。Windows和Windows NT是微軟公司在美國(guó)、其它國(guó)家、或者在美國(guó)和其它國(guó)家兩者中的商標(biāo)。
權(quán)利要求
1.一種交互式聲音響應(yīng)(IVR)系統(tǒng)，其與計(jì)算機(jī)網(wǎng)絡(luò)連接，用于接收來(lái)自網(wǎng)絡(luò)中的節(jié)點(diǎn)的流式聲音數(shù)據(jù)，并在IVR信道上播放所接收到的聲音數(shù)據(jù)，所述聲音數(shù)據(jù)代表交替的發(fā)音周期和自然寂靜周期，所述IVR系統(tǒng)包括緩沖器，用于存儲(chǔ)從節(jié)點(diǎn)接收到的聲音數(shù)據(jù)；序列控制器，用于識(shí)別聲音數(shù)據(jù)的序列，每個(gè)序列包括自然寂靜之間的發(fā)音；以及播放控制器，用于當(dāng)在緩沖器中接收到聲音數(shù)據(jù)的序列時(shí)，在IVR信道上播放聲音數(shù)據(jù)。
2.如權(quán)利要求1所述的系統(tǒng)，其特征在于，在緩沖器中以聲音數(shù)據(jù)分組的形式存儲(chǔ)提示，并且序列控制器掃描是聲音或寂靜的每個(gè)聲音分組。
3.如權(quán)利要求2所述的系統(tǒng)，其特征在于，將每個(gè)聲音分組標(biāo)記為聲音或寂靜。
4.如權(quán)利要求1-3中任何一個(gè)所述的系統(tǒng)，其特征在于，在聲音分組中放置標(biāo)記，以識(shí)別其是聲音還是寂靜。
5.如權(quán)利要求1-4中任何一個(gè)所述的系統(tǒng)，其特征在于，聲音緩沖器中存儲(chǔ)的分組與穿過(guò)網(wǎng)絡(luò)傳輸?shù)姆纸M相同。
6.如權(quán)利要求1-5中任何一個(gè)所述的系統(tǒng)，其特征在于，如果聲音分組代表寂靜，則使其有效載荷為空。
7.如權(quán)利要求1-6中任何一個(gè)所述的系統(tǒng)，其特征在于，在IVR中處理聲音分組，以識(shí)別聲音和寂靜數(shù)據(jù)的序列。
8.如權(quán)利要求1-6中任何一個(gè)所述的系統(tǒng)，其特征在于，在聲音服務(wù)器中進(jìn)行對(duì)聲音數(shù)據(jù)的處理，并且使用標(biāo)記來(lái)標(biāo)明分組數(shù)據(jù)中的序列。
9.如權(quán)利要求8所述的系統(tǒng)，其特征在于，一旦聲音提示被處理并被插入標(biāo)記來(lái)標(biāo)明發(fā)音序列，則將其存儲(chǔ)在聲音提示數(shù)據(jù)庫(kù)中，以備以后檢索使用已標(biāo)記的內(nèi)容。
10.如權(quán)利要求1-9中任何一個(gè)所述的系統(tǒng)，其特征在于，TTS引擎通過(guò)掃描文本單詞及標(biāo)點(diǎn)符號(hào)之間的空格來(lái)識(shí)別文本數(shù)據(jù)中的整個(gè)發(fā)音，并在聲音提示中嵌入標(biāo)記，以標(biāo)明整個(gè)發(fā)音。
11.一種在交互式聲音響應(yīng)(IVR)系統(tǒng)中的方法，所述交互式聲音響應(yīng)系統(tǒng)與計(jì)算機(jī)網(wǎng)絡(luò)連接，用于接收來(lái)自網(wǎng)絡(luò)中的節(jié)點(diǎn)的流式聲音數(shù)據(jù)，并在IVR信道上播放所接收到的聲音數(shù)據(jù)，所述聲音數(shù)據(jù)代表交替的發(fā)音周期和自然寂靜周期，所述方法包括存儲(chǔ)從節(jié)點(diǎn)接收到的聲音數(shù)據(jù)；識(shí)別聲音數(shù)據(jù)的整個(gè)序列，該序列包括自然寂靜之間的發(fā)音；以及當(dāng)在緩沖器中接收到聲音數(shù)據(jù)的序列時(shí)，在IVR信道上播放聲音數(shù)據(jù)。
12.一種計(jì)算機(jī)程序產(chǎn)品，用于處理一組或多組數(shù)據(jù)處理任務(wù)，所述計(jì)算機(jī)程序產(chǎn)品包括在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)的計(jì)算機(jī)程序指令，當(dāng)將該計(jì)算機(jī)程序指令載入計(jì)算機(jī)中并執(zhí)行時(shí)，使計(jì)算機(jī)執(zhí)行權(quán)利要求11所述的步驟。
全文摘要
一種在交互式聲音響應(yīng)(IVR)系統(tǒng)中使用的方法，所述交互式聲音響應(yīng)系統(tǒng)與計(jì)算機(jī)網(wǎng)絡(luò)連接，用于接收來(lái)自網(wǎng)絡(luò)中的節(jié)點(diǎn)的流聲音數(shù)據(jù)格式的聲音數(shù)據(jù)，并在IVR信道上播放所接收到的聲音數(shù)據(jù)，所述聲音數(shù)據(jù)代表交替的發(fā)音周期和自然寂靜周期，所述方法包括存儲(chǔ)從節(jié)點(diǎn)接收到的聲音數(shù)據(jù)；在緩沖器中識(shí)別聲音數(shù)據(jù)的整個(gè)序列，該序列包括自然寂靜之間的發(fā)音；以及如果在緩沖器中的聲音數(shù)據(jù)形成聲音數(shù)據(jù)的完整序列時(shí)，則在IVR信道上播放聲音數(shù)據(jù)。
文檔編號(hào)G10L19/16GK1501675SQ03154908
公開(kāi)日2004年6月2日 申請(qǐng)日期2003年8月22日 優(yōu)先權(quán)日2002年11月14日
發(fā)明者羅納德·J·鮑沃特, 羅納德 J 鮑沃特, J 史密斯, 塞繆爾·J·史密斯 申請(qǐng)人:國(guó)際商業(yè)機(jī)器公司