本发明涉及通信技术领域，特别是涉及一种信息回复的方法、装置和设备。
背景技术：
由于各种通信技术的普及，许多应用程序可以为用户提供信息交互功能，以使得不同用户之间能够进行信息交互。例如，不同用户可以通过短信app互相发送短信。又如，不同用户也可以通过即时通信工具互相发送即时信息。目前，一些具有信息交互功能的应用程序提供了视频信息的发送功能。具体地，用户可以通过手动录制的方式在应用程序中输入视频信息，以便应用程序将用户输入的视频信息发送给其他用户。用户也可以通过手动查找的方式输入本地保存的视频信息，以便应用程序将用户输入的视频信息发送给其他用户。
但是，无论是手动录制的方式还是手动查找的方式，用户对视频信息的输入操作都较为复杂，所以，用户需要经过一段较长时间才能完成视频信息的输入操作。而在用户接收到其他用户发送的信息之后，若用户想要向对方回复视频信息，则不仅用户的输入操作较为繁琐复杂，而且视频信息也难以及时地回复给其他用户。
技术实现要素：
本发明所要解决的技术问题是，提供一种信息回复的方法、装置和设备，以简化用户在回复视频信息时的输入操作并缩短音频信息或视频信息的回复操作时间，从而使得视频信息能够及时地回复给对方。
第一方面，为解决上述技术问题，本发明实施例提供了一种信息回复的方法，包括：
接收对端发送的目标上文信息；
将所述目标上文信息输入到机器学习模型，得到所述机器学习模型输出的初始回复视频；其中，所述机器学习模型已基于历史上文信息与预置视频之间的对应关系进行了训练，所述预置视频对应于所述历史上文信息的下文信息；
从所述初始回复视频中确定目标回复视频并向所述对端发送。
可选的，还包括：
从用户交互信息的历史数据中，获取所述历史上文信息和所述预置视频，其中，所述预置视频是所述历史上文信息的下文信息；
基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，还包括：
从用户交互信息的历史数据中，获取所述历史上文信息和历史回复文本，所述历史回复文本是所述历史上文信息的下文信息；
将所述历史回复文本转化成视频信息，以转化得到的视频信息作为所述预置视频；
基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，还包括：
从用户交互信息的历史数据中，获取所述历史上文信息和历史回复语音，所述历史回复语音是所述历史上文信息的下文信息；
将所述历史回复语音转化成视频信息，以转化得到的视频信息作为所述预置视频；
基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，所述从所述初始回复视频中确定目标回复视频，包括：
呈现所述初始回复视频；
响应于用户的选取操作，将所述选取操作下选取出的初始回复视频确定为所述目标回复视频。
可选的，还包括：
在呈现所述初始回复视频的同时，呈现与所述初始回复视频对应的文本说明信息。
可选的，所述文本说明信息是通过对所述初始回复视频进行解析而得到的。
可选的，所述文本说明信息是预先与所述初始回复视频对应保存的。
第二方面，本发明实施例提供了一种信息回复的装置，包括：
接收单元，用于接收对端发送的目标上文信息；
模型计算单元，用于将所述目标上文信息输入到机器学习模型，得到所述机器学习模型输出的初始回复视频；其中，所述机器学习模型已基于历史上文信息与预置视频之间的对应关系进行了训练，所述预置视频对应于所述历史上文信息的下文信息；
确定单元，用于从所述初始回复视频中确定目标回复视频；
发送单元，用于向所述对端发送所述目标回复视频。
可选的，还包括：
第一获取单元，用于从用户交互信息的历史数据中，获取所述历史上文信息和所述预置视频，其中，所述预置视频是所述历史上文信息的下文信息。
第一模型训练单元，用于基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，还包括：
第二获取单元，用于从用户交互信息的历史数据中，获取所述历史上文信息和历史回复文本，所述历史回复文本是所述历史上文信息的下文信息。
第一转化单元，用于将所述历史回复文本转化成视频信息，以转化得到的视频信息作为所述预置视频。
第二模型训练单元，用于基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，还包括：
第三获取单元，用于从用户交互信息的历史数据中，获取所述历史上文信息和历史回复语音，所述历史回复语音是所述历史上文信息的下文信息。
第二转化单元，用于将所述历史回复语音转化成视频信息，以转化得到的视频信息作为所述预置视频。
第三模型训练单元，用于基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，确定单元，包括：
第一呈现子单元，用于呈现所述初始回复视频；
第一确定子单元，用于响应于用户的选取操作，将所述选取操作下选取出的初始回复视频确定为所述目标回复视频。
可选的，还包括：
第二呈现子单元，用于在呈现所述初始回复视频的同时，呈现与所述初始回复视频对应的文本说明信息。
可选的，所述文本说明信息是通过对所述初始回复视频进行解析而得到的。
可选的，所述文本说明信息是预先与所述初始回复视频对应保存的。
第三方面，本发明实施例提供了一种终端设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
接收对端发送的目标上文信息；
将所述目标上文信息输入到机器学习模型，得到所述机器学习模型输出的初始回复视频；其中，所述机器学习模型已基于历史上文信息与预置视频之间的对应关系进行了训练，所述预置视频对应于所述历史上文信息的下文信息；
从所述初始回复视频中确定目标回复视频并向所述对端发送。
与现有技术相比，本发明实施例具有以下优点：
根据本发明实施例提供的方法、装置和设备，终端中具有已基于历史上文信息与预置视频之间的对应关系训练过的机器学习模型，其中，所述预置视频对应于所述历史上文信息的下文信息。当终端接收到对端发送的目标上文信息时，通过将目标上文信息输入到机器学习模型，终端可以得到所述机器学习模型输出的初始回复视频，然后可以从所述初始回复视频中确定目标回复视频并向所述对端发送。由此可见，终端通过机器学习的方法提供回复视频，这样用户既无需手动录制视频也无需手动查找视频。因此，不仅用户对回复视频的输入操作得以简化，而且所述终端还可以及时地将回复视频回复给对端用户。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中一个示例性应用场景的框架示意图；
图2为本发明实施例提供的一种信息回复的方法的流程示意图；
图3为本发明实施例提供的一种信息回复的装置的结构示意图；
图4为本发明实施例提供的一种信息回复的设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
发明人经研究发现，许多应用程序可以提供信息交互的功能，不同的用户通过这些应用程序可以进行信息的交互。目前，一些具有信息交互的应用程序提供了视频信息的发送功能，但是现有技术中，用户只可以通过手动录制的方式在应用程序中输入视频，或者通过手动查找的方式输入本地保存的视频信息，但是无论是手动录制还是手动查找的方式，用户输入视频的操作过程都比较复杂，而且复杂的操作过程需要一段较长的时间，从而使得视频信息难以及时发送给其它用户。
为了解决上述问题，本发明实施例中，终端中具有已基于历史上文信息与预置视频之间的对应关系训练过的机器学习模型，其中，所述预置视频对应于所述历史上文信息的下文信息。当终端接收到对端发送的目标上文信息时，通过将目标上文信息输入到机器学习模型，终端可以得到所述机器学习模型输出的初始回复视频，然后可以从所述初始回复视频中确定目标回复视频并向所述对端发送。由此可见，终端通过机器学习的方法提供回复视频，这样用户既无需手动录制视频也无需手动查找视频。因此，不仅用户对回复视频的输入操作得以简化，而且所述终端还可以及时地将回复视频回复给对端用户。
举例说明，本发明实施例可以应用到如图1所示的场景，在该场景中，用户终端101和用户终端102可以交互信息，用户终端101可以是接收目标上文信息的一方，用户终端102可以是与用户终端101进行通信的对端。用户终端101接收到用户终端102发送的目标上文信息，用户终端101将所述目标上文信息输入到机器学习模型，得到所述机器模型输出的初始回复视频，从所述初始回复视频中确定目标回复视频并发送给用户终端102。其中，所述机器学习模型已基于历史上文信息与预置视频之间的对应关系进行了训练，所述预置视频对应于所述历史上文信息的下文信息。
可以理解的是，在上述应用场景中，本发明实施方式的动作描述为由用户终端101执行。此外，本发明实施方式的动作也可以是由其他设备执行的。本发明在执行主体方面不受限制，只要执行了本发明实施方式所公开的动作即可。
示例性方法
参考图2，示出了本发明实施例提供的一种信息回复的方法的流程示意图。在本实施例中，所述方法例如可以包括：
S201：接收对端发送的目标上文信息。
本实施例中，所述目标上文信息可以是短信，也可以是即时消息。所述目标上文信息的表现形式可以是文本、语音、视频或图片。
S202：将所述目标上文信息输入到机器学习模型，得到所述机器学习模型输出的初始回复视频；其中，所述机器学习模型已基于历史上文信息与预置视频之间的对应关系进行了训练，所述预置视频对应于所述历史上文信息的下文信息。
具体实现时，机器学习模型是已基于历史上文信息与预置视频之间对应关系训练过的，其中，预置视频对应于历史上文信息的下文信息。其中，历史上文信息与其下文信息是由两个不同用户发送的信息，历史上文信息的下文信息是历史上文信息之后紧接着出现的信息。可见，训练过的机器学习模型能够表示上文信息与其下文对应的预置视频之间的对应关系。在训练过程中，历史上文信息可以作为机器学习模型输入节点的训练数据，预置视频可以作为机器学习模型输出节点的训练数据。因此，机器学习模型在训练之后，将目标上文信息输入从输入节点输入机器学习模型，机器学习模型可以从输出节点输出初始回复视频。该初始回复视频即是基于用户交互信息的历史数据为目标上文信息预估出的下文信息，也就是说，基于用户交互信息的历史数据，该初始回复视频是最有可能被用户用于对目标上文信息进行回复的视频。
在用户交互的历史信息中，所述历史上文信息的下文信息的表现形式可能是视频，也可能是除视频之外的其他信息形式，如文本、语音等。可以理解的是，历史上文信息的各种不同形式的下文信息，均可以用于训练机器学习模型。
例如，若在用户交互信息中历史上文信息的下文信息为视频信息，则机器学习模型可以直接基于历史上文信息与其下文信息之间的对应关系进行训练。具体地，本实施例在S202之前，还可以包括：从用户交互信息的历史数据中，获取所述历史上文信息和所述预置视频，其中，所述历史回复视频是所述历史上文信息的下文信息；基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
又如，若在用户交互信息中历史上文信息的下文信息为文本信息，则历史上文信息的下文信息可以先由文本转换成视频，机器学习模型再基于历史上文信息与转换得到的视频之间的对应关系进行训练。具体地，本实施例在S202之前，还可以包括：从用户交互信息的历史数据中，获取所述历史上文信息和历史回复文本，所述历史回复文件是所述历史上文信息的下文信息；将所述历史回复文本转化成视频信息，以转化得到的视频信息作为所述预置视频；基于所述历史上文信息与预置视频之间的对应关系，对所述历史学习模型进行训练。其中，转换的方式，例如可以通过预先保存的文本与视频之间的对应关系实现。具体地，可以在预先保存的文本与视频之间的对应关系中，查找与历史上文信息的下文信息相对应的视频，作为预置视频。
再如，若在用户交互信息中历史上文信息的下文信息为语音信息，则历史上文信息的下文信息可以先由语音转换成视频，机器学习模型再基于历史上文信息与转换得到的视频之间的对应关系进行训练。具体地，本实施例在S202之前，还可以包括：从用户交互信息的历史数据中，获取所述历史上文信息和历史回复语音，所述历史回复语音是所述历史上文信息的下文信息；将所述历史回复语音转化成视频信息，以转化得到的视频信息作为所述预置视频；基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。其中，转换的方式，例如可以通过语音识别以及预先保存的文本与视频之间的对应关系实现。具体地，先对历史上文信息的下文信息进行语音识别而得到文本，在预先保存的文本与视频之间的对应关系中，查找与语音识别得到的文本相对应的视频，作为历史回复视频。
除此之外，若在用户交互信息中历史上文信息的下文信息为图片信息，则历史上文信息的下文信息可以先由图片转换成视频，机器学习模型再基于历史上文信息与转换得到的视频之间的对应关系进行训练。具体地，本实施例在S202之前，还可以包括：从用户交互信息的历史数据中，获取所述历史上文信息和历史回复图片，所述历史回复图片是所述历史上文信息的下文信息；对所述历史回复图片进行解析，解析图片中的文字信息或者代表表情的图片所代表的信息，将这些信息转化成视频信息，作为所述预置视频；基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
作为一种示例，基于历史上文信息和预置视频之间的对应关系对机器学习模型进行训练时，具体可以包括以下的步骤：获取所述历史上文信息和与所述历史上文信息相对应的历史回复信息，其中历史回复信息可以是以上提到的文本、语音、或者图片的格式；其中，当历史回复信息为语音或者图片格式时，可以将语音信息或者图片信息转化为文本信息；将每一个历史上文信息和与其历史回复信息表示为一个训练对，将获取到的所有的历史上文信息和历史回复信息表示为训练数据；将训练数据进行分词处理，构建问题词库和回复词库，其中，历史上文信息的分词结果加入问题词库，历史回复信息的分词结果加入回复词库；将所述回复词库转化为相应的视频词库，即回复词库中每一个词可以对应视频词库中的一段视频；利用问题词库和视频词库，基于历史上文信息和历史回复信息的对应关系对机器学习模型进行训练。在对机器学习模型进行训练的过程中，可以在问题词库中找到历史上文信息对应的词并在回复词库中找到历史回复信息对应的词，然后在视频词库中找到与回复词库中找到的词相对应的视频，再基于在问题词库中找到的词和在视频词库中找到的视频之间的对应关系对机器学习模型进行训练。
举例说明：历史上文信息可以是“你吃饭了吗”，相对应的预置视频可以是能够表达“吃过了”、“还没吃呢”、“不想吃”等含义的视频，基于以上历史上文信息和预置视频对机器学习模型进行训练，训练完成后，当用户接收到的对端发送的目标上文信息例如是“你吃饭了吗？”的消息时，将该消息输入到机器学习模型，可以得到机器学习模型输出的初始回复视频，初始回复视频可以包括用于表达“吃过了”含义的视频、用于表达“还没吃呢”含义的视频、用于表达“不想吃”含义的视频。
S203：从所述初始回复视频中确定目标回复视频并向所述对端发送。
在本实施例的一些实施方式中，机器学习模型可以为用户提供多个初始回复视频供用户选择。具体地，S203可以包括：呈现所述初始回复视频；响应于用户的选取操作，将所述选取操作下选取出的初始回复视频确定为所述目标回复视频并向所述对端发送。在该实施方式下，用户输入目标上文信息之后可以得到呈现的多个初始回复视频，然后，用户就可以根据自己的需要从中选取目标回复视频发送给对端。当然，机器学习模型也可以仅为用户提供一个初始回复视频，该初始回复视频即是所述目标回复视频。
进一步而言，在向用户呈现初始回复视频时，为了方便用户快速了解视频表达的内容，进而快速准确地选取出所需的目标回复视频，本实施例例如还可以包括：在呈现所述初始回复视频的同时，呈现于所述初始回复视频对应的文本说明信息。
其中，所述文本说明信息例如可以有以下的两种获取方式：
方式一在于，所述文本说明信息是通过对所述初始回复视频进行解析得到的所述初始回复视频中出现的文本。
方式二在于，所述文本说明信息是预先与所述初始回复视频对应保存的。
本实施例中，终端中具有已基于历史上文信息与历史回复视频之间的对应关系训练过的机器学习模型，其中，所述历史回复视频对应于所述历史上文信息的下文信息。当终端接收到对端发送的目标上文信息时，通过将目标上文信息输入到机器学习模型，终端可以得到所述机器学习模型输出的初始回复视频，然后可以从所述初始回复视频中确定目标回复视频并向所述对端发送。由此可见，终端通过机器学习的方法提供回复视频给用户选择，这样用户既无需手动录制视频也无需手动查找视频。因此，不仅用户对回复视频的输入操作得以简化，而且所述终端还可以及时地将回复视频回复给对端用户。
示例性设备
参考图3，示出了本发明实施例提供的一种信息回复的装置的结构示意图。在本实施例中，所述装置例如可以包括：
接收单元301，用于接收对端发送的目标上文信息。
模型计算单元302，用于将所述目标上文信息输入到机器学习模型，得到所述机器学习模型输出的初始回复视频；其中，所述机器学习模型已基于历史上文信息与预置视频之间的对应关系进行了训练，所述预置视频对应于所述历史上文信息的下文信息。
确定单元303，用于从所述初始回复视频中确定目标回复视频。
发送单元304，用于向所述对端发送所述目标回复视频。
可选的，还包括：
第一获取单元，用于从用户交互信息的历史数据中，获取所述历史上文信息和所述预置视频，其中，所述预置视频是所述历史上文信息的下文信息。
第一模型训练单元，用于基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，还包括：
第二获取单元，用于从用户交互信息的历史数据中，获取所述历史上文信息和历史回复文本，所述历史回复文本是所述历史上文信息的下文信息。
第一转化单元，用于将所述历史回复文本转化成视频信息，以转化得到的视频信息作为所述预置视频。
第二模型训练单元，用于基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，还包括：
第三获取单元，用于从用户交互信息的历史数据中，获取所述历史上文信息和历史回复语音，所述历史回复语音是所述历史上文信息的下文信息。
第二转化单元，用于将所述历史回复语音转化成视频信息，以转化得到的视频信息作为所述预置视频。
第三模型训练单元，用于基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，确定单元，包括：
第一呈现子单元，用于呈现所述初始回复视频；
第一确定子单元，用于响应于用户的选取操作，将所述选取操作下选取出的初始回复视频确定为所述目标回复视频。
可选的，还包括：
第二呈现子单元，用于在呈现所述初始回复视频的同时，呈现与所述初始回复视频对应的文本说明信息。
可选的，所述文本说明信息是通过对所述初始回复视频进行解析而得到的。
可选的，所述文本说明信息是预先与所述初始回复视频对应保存的。
本实施例，通过提供的所述装置，终端中具有已基于历史上文信息与历史回复视频之间的对应关系训练过的机器学习模型，其中，所述历史回复视频对应于所述历史上文信息的下文信息。当终端接收到对端发送的目标上文信息时，通过将目标上文信息输入到机器学习模型，终端可以得到所述机器学习模型输出的初始回复视频，然后可以从所述初始回复视频中确定目标回复视频并向所述对端发送。由此可见，终端通过机器学习的方法提供回复视频给用户选择，这样用户既无需手动录制视频也无需手动查找视频。因此，不仅用户对回复视频的输入操作得以简化，而且所述终端还可以及时地将回复视频回复给对端用户。
参照图4，装置1800可以包括以下一个或多个组件：处理组件1802，存储器1804，电源组件1806，多媒体组件1806，音频组件1810，输入/输出(I/O)的接口1812，传感器组件1814，以及通信组件1816。
处理组件1802通常控制装置1800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1802可以包括一个或多个处理器1820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1802可以包括一个或多个模块，便于处理组件1802和其他组件之间的交互。例如，处理部件1802可以包括多媒体模块，以方便多媒体组件1806和处理组件1802之间的交互。
存储器1804被配置为存储各种类型的数据以支持在设备1800的操作。这些数据的示例包括用于在装置1800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件1806为装置1800的各种组件提供电力。电源组件1806可以包括电源管理系统，一个或多个电源，及其他与为装置1800生成、管理和分配电力相关联的组件。
多媒体组件1806包括在所述装置1800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1806包括一个前置摄像头和/或后置摄像头。当设备1800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1810被配置为输出和/或输入音频信号。例如，音频组件1810包括一个麦克风(MIC)，当装置1800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1804或经由通信组件1816发送。在一些实施例中，音频组件1810还包括一个扬声器，用于输出音频信号。
I/O接口1812为处理组件1802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1814包括一个或多个传感器，用于为装置1800提供各个方面的状态评估。例如传感器组件1814可以检测到设备1800的打开/关闭状态，组件的相对定位，例如所述组件为装置1800的显示器和小键盘，传感器组件1814还可以检测装置1800或装置1800一个组件的位置改变，用户与装置1800接触的存在或不存在，装置1800方位或加速/减速和装置1800的温度变化。传感器组件1814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件1816被配置为便于装置1800和其他设备之间有线或无线方式的通信。装置1800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件1816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件1816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置1800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
具体地，本发明实施例提供了一种信息回复设备，该设备可以具体为装置1800，包括有存储器1804，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器1804中，且经配置以由一个或者一个以上处理器1820执行所述一个或者一个以上程序包含用于进行以下操作的指令：
接收对端发送的目标上文信息；
将所述目标上文信息输入到机器学习模型，得到所述机器学习模型输出的初始回复视频；其中，所述机器学习模型已基于历史上文信息与预置视频之间的对应关系进行了训练，所述预置视频对应于所述历史上文信息的下文信息；
从所述初始回复视频中确定目标回复视频并向所述对端发送。
可选的，所述处理器1820还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：
从用户交互信息的历史数据中，获取所述历史上文信息和所述预置视频，其中，所述预置视频是所述历史上文信息的下文信息；
基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，所述处理器1820还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：
从用户交互信息的历史数据中，获取所述历史上文信息和历史回复文本，所述历史回复文本是所述历史上文信息的下文信息；
将所述历史回复文本转化成视频信息，以转化得到的视频信息作为所述预置视频；
基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，所述处理器1820还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：
从用户交互信息的历史数据中，获取所述历史上文信息和历史回复语音，所述历史回复语音是所述历史上文信息的下文信息；
将所述历史回复语音转化成视频信息，以转化得到的视频信息作为所述视频；
基于所述历史上文信息与所述预置视频之间的对应关系，对所述机器学习模型进行训练。
可选的，为了从所述初始回复视频中确定目标回复视频，所述处理器1820用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：
呈现所述初始回复视频；
响应于用户的选取操作，将所述选取操作下选取出的初始回复视频确定为所述目标回复视频。
可选的，所述处理器1820还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：
在呈现所述初始回复视频的同时，呈现与所述初始回复视频对应的文本说明信息。
可选的，所述文本说明信息是通过对所述初始回复视频进行解析而得到的。
可选的，所述文本说明信息是预先与所述初始回复视频对应保存的。
本发明实施例还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1804，上述指令可由装置1800的处理器1820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行一种信息回复的方法，所述方法包括：
接收对端发送的目标上文信息。
将所述目标上文信息输入到机器学习模型，得到所述机器学习模型输出的初始回复视频；其中，所述机器学习模型已基于历史上文信息与预置视频之间的对应关系进行了训练，所述预置视频对应于所述历史上文信息的下文信息。
从所述初始回复视频中确定目标回复视频并向所述对端发送。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。