确定和视觉显示呼叫的口头菜单的制作方法

背景技术：

1、许多企业和其他组织为呼叫该企业的呼叫者提供自动电话菜单，也称为交互式话音应答(ivr)。通常，呼叫该企业的呼叫者会接收自动话音，该话音用口头词汇描述了呼叫者可以从中选择的若干选项的菜单。通常会呈现这样的选项的集合的层级结构，允许呼叫者经由选项导览到所期望的结果。例如，呼叫者可能期望接收特定信息、请求企业的产品或服务、与人工智能体交谈等。呼叫者可以通过说出数字、词或短语，或按下与该选项相关联的由自动化系统检测和识别的键，来选择呼叫菜单中的选项。

2、本文提供的背景描述是为了一般性地呈现本公开的场境的目的。目前指定的发明人的工作，关于在本背景部分中描述的程度，以及在提交时可能不符合现有技术的描述的方面，既没有明确也没有暗示地被承认为针对本公开的现有技术。

技术实现思路

1、本技术的实施方式涉及呼叫的口头菜单的确定和视觉显示。在一些实施方式中，计算机实现的方法包括接收在呼叫设备和与目标实体相关联的设备之间的呼叫中输出的音频数据。音频数据包括语音，所述语音指示用于呼叫设备的用户在呼叫中经由由目标实体提供的呼叫菜单进行导览的一个或多个选择选项。通过以编程方式分析音频数据来确定文本，其中文本表示音频数据中的语音。基于以编程方式分析文本或音频数据中的至少一个来确定选择选项。使文本的至少一部分在呼叫期间由呼叫设备显示，该文本被显示为与选择选项相对应的一个或多个视觉选项。视觉选项各自经由用户输入可选择，以引起经由呼叫菜单的对应导览。

2、描述了该方法的各种实施方式和示例。例如，在一些实施方式中，该方法进一步包括：响应于接收到对一个或多个视觉选项中的特定视觉选项的选择，使得该选择的指示被发送到与目标实体相关联的设备，其中该指示是与键区的键的按压相对应的信号，该键与特定视觉选项相关联，或者是由呼叫设备在呼叫中提供的语音，该语音包括与特定视觉选项相关联的指定符。在一些实施方式中，一个或多个视觉选项各自经由呼叫设备的触摸屏上的触摸输入可选择。

3、在一些实施方式中，音频数据是第一音频数据，并且响应于接收到对特定视觉选项的选择，该方法进一步包括：接收呼叫中的第二音频数据，该第二音频数据包括指示一个或多个第二选择选项的第二语音，以编程方式分析第二音频数据以确定表示第二音频数据中的第二语音的第二文本，基于以编程方式分析第二文本或第二音频数据中的至少一个来确定一个或多个第二选择选项，并且使得由呼叫设备将第二文本的至少一部分显示为与第二选择选项相对应的一个或多个第二视觉选项，该一个或多个第二视觉选项各自经由第二用户输入可选择以引起经由呼叫菜单的对应导览。在一些实施方式中，一个或多个选择选项是多个选择选项，并且该方法进一步包括以编程方式分析文本或音频数据中的至少一个以确定呼叫菜单中的多个选择选项的层级结构。在一些实施方式中，该方法进一步包括使得一个或多个选择选项被存储在呼叫设备的存储和/或通过通信网络与呼叫设备通信的远程设备的存储中，以及针对在呼叫设备和目标实体之间的下一呼叫检索一个或多个选择选项。

4、在一些实施方式中，该方法进一步包括：在接收音频数据之前，获得包括一个或多个选择选项的选择选项数据，并且使得在呼叫设备接收到包括指示一个或多个选择选项的语音的音频数据之前，由呼叫设备显示与一个或多个选择选项相对应的一个或多个视觉选项。在一些示例中，通过以编程方式分析在先前呼叫期间接收的音频数据来确定选择选项数据中的选择选项。例如，在一些实施方式中，所获得的选择选项数据在发起呼叫之前被缓存在呼叫设备中，所获得的选择选项数据与由呼叫设备的地理区域中的呼叫者先前已呼叫的实体标识符相关联，并且与先前已被呼叫至少阈值次数或先前已被呼叫比不与所获得的选择选项数据相关联的其他实体标识符更高的次数的实体标识符相关联。

5、在一些实施方式中，使得在呼叫期间显示视觉指示符，该视觉指示符突出显示在呼叫期间显示的视觉选项的文本的特定部分，文本的特定部分当前在呼叫期间在音频数据中的语音中被接收。在一些实施方式中，该方法进一步包括：将选择选项数据与从音频数据确定的一个或多个选择选项进行比较，以及确定选择选项数据与从音频数据确定的一个或多个选择选项之间是否存在不匹配。在各种实施方式中，该方法进一步包括响应于确定不匹配，使得呼叫设备输出不匹配的通知和/或修改选择选项数据以匹配从音频数据确定的一个或多个选择选项。在一些实施方式中，将选择选项数据与一个或多个选择选项进行比较包括将选择选项数据的文本与一个或多个选择选项的文本进行比较，和/或将选择选项数据的音频数据与在呼叫期间接收的音频数据进行比较。

6、在一些实施方式中，显示用于呼叫的选择选项的呼叫设备包括存储指令的存储器、显示设备和耦合到存储器的至少一个处理器，该至少一个处理器被配置为访问来自存储器的指令以执行操作。所述操作包括：接收在呼叫设备和与目标实体相关联的设备之间的呼叫中的音频数据，所述音频数据包括语音，所述语音指示用于所述呼叫设备的用户通过在呼叫中经由由目标实体提供的呼叫菜单进行导览的一个或多个选择选项；以编程方式分析音频数据以确定表示音频数据中的语音的文本；基于以编程方式分析文本或音频数据中的至少一个来确定一个或多个选择选项；以及使文本的至少一部分在呼叫期间由显示设备显示，文本的部分被显示为与一个或多个选择选项相对应的一个或多个视觉选项，并且一个或多个视觉选项各自经由用户输入可选择以引起经由呼叫菜单的对应导览。

7、在呼叫设备的各种实施方式中，处理器执行进一步的操作，包括：响应于接收到对一个或多个视觉选项中的特定视觉选项的选择，使得选择的指示被发送到与目标实体相关联的设备，其中指示是与对键区的键的按压相对应的信号，该键与特定视觉选项相关联，或者是由呼叫设备在呼叫中提供的语音，该语音包括与特定视觉选项相关联的指定符。在一些实施方式中，处理器执行进一步的操作，包括：在接收音频数据之前，获得包括一个或多个选择选项和呼叫菜单中的一个或多个选择选项的层级结构的选择选项数据；以及使得在呼叫设备接收包括指示一个或多个选择选项的语音的音频数据之前，由显示设备显示与一个或多个选择选项相对应的一个或多个视觉选项。

8、在一些实施方式中，处理器执行进一步的操作，包括使得在呼叫期间显示视觉指示符，该视觉指示符突出显示在呼叫期间显示的一个或多个视觉选项中的文本的特定部分，文本的特定部分当前在呼叫期间在音频数据中的语音中被说出。在一些实施方式中，处理器执行进一步的操作，包括：将选择选项数据与从音频数据确定的一个或多个选择选项进行比较，以及确定选择选项数据与从音频数据确定的一个或多个选择选项之间是否存在不匹配。在各种实施方式中，由处理器执行的操作可以包括上述方法的一个或多个特征。

9、在一些实施方式中，一种其上存储有指令的非暂时性计算机可读介质，所述指令在由处理器执行时使所述处理器执行操作。所述操作包括：接收在呼叫设备和与目标实体相关联的设备之间的呼叫中的音频数据，所述音频数据包括语音，所述语音指示用于呼叫设备的用户经由通过目标实体提供的呼叫菜单进行导览的一个或多个选择选项；以编程方式分析音频数据以确定表示音频数据中的语音的文本；基于以编程方式分析文本或音频数据中的至少一个来确定一个或多个选择选项；以及使文本的至少一部分在呼叫期间由呼叫设备显示，文本的部分被显示为与一个或多个选择选项相对应的一个或多个视觉选项，并且一个或多个视觉选项各自经由用户输入可选择以引起经由呼叫菜单的对应导览。在各种实施方式中，由处理器执行的操作可以包括上述方法或呼叫设备的一个或多个特征。