非显而易见性评估仅供参考,不构成法律建议。
| 编号 | 名称 |
|---|
一种用于通信的设备,包括:一个或多个处理器;被配置为:在在线会议期间;从对应于第一用户的设备;接收基于音频输入的表示所述第一用户的语音的语音音频流;从对应于所述第一用户的所述设备;接收基于所述音频输入的表示所述第一用户的所述语音的文本流;从对应于所述第一用户的所述设备;接收基于所述音频输入的元数据流;和响应于所述语音音频流中的中断;基于所述文本流;和所述元数据流;选择性地生成输出。
根据权利要求1所述的设备,其中;所述一个或多个处理器被配置为;响应于确定在所述语音音频流的最后接收的音频帧的阈值持续时间内未接收到所述语音音频流的音频帧;而检测所述中断。
根据权利要求1所述的设备,其中;所述一个或多个处理器被配置为;响应于接收到所述文本流;而检测所述中断。
根据权利要求1所述的设备,其中;所述一个或多个处理器被配置为;响应于接收到中断通知;而检测所述中断。
根据权利要求1所述的设备,其中;所述元数据流指示所述第一用户的语音的语调。
根据权利要求1所述的设备,其中;所述一个或多个处理器还被配置为:基于所述元数据流;注释所述文本流;以生成经注释的文本流;和将经注释的文本流作为所述输出提供给显示器。
根据权利要求1所述的设备,其中;所述一个或多个处理器还被配置为:对所述文本流执行文本到语音的转换;并且基于所述元数据流;以生成合成语音音频流;和将所述合成语音音频流作为输出提供给扬声器。
根据权利要求7所述的设备,其中;所述一个或多个处理器还被配置为;在将所述合成语音音频流提供给所述扬声器的同时;显示虚拟化身。
根据权利要求8所述的设备,其中;所述虚拟化身包括基于使用未经训练的语音模型来执行所述文本到语音的转换的第一表示;并且其中所述虚拟化身包括基于使用经训练的语音模型来执行所述文本到语音的转换的与所述第一表示不同的第二表示。
根据权利要求9所述的设备,其中;所述一个或多个处理器被配置为;在所述在线会议期间接收媒体流;所述媒体流包括所述第一用户的语音音频流;和视频流。
根据权利要求10所述的设备,其中;所述一个或多个处理器被配置为;响应于所述中断:停止所述语音音频流的回放;和停止所述视频流的回放。
根据权利要求10所述的设备,其中;所述一个或多个处理器被配置为;响应于所述中断结束:避免向所述扬声器提供所述合成语音音频流;避免显示所述虚拟化身;恢复所述视频流的回放;和恢复所述语音音频流的回放。
根据权利要求7所述的设备,其中;所述文本到语音的转换是基于语音模型来执行的。
根据权利要求13所述的设备,其中;所述语音模型对应于通用语音模型。
根据权利要求13所述的设备,其中;所述一个或多个处理器被配置为;在所述中断之前;基于所述语音音频流;更新所述语音模型。
根据权利要求1所述的设备,其中;所述一个或多个处理器被配置为:在所述在线会议期间;接收表示第二用户的语音的第二语音音频流;和在生成所述输出的同时;向扬声器提供所述第二语音音频流。
根据权利要求1所述的设备,其中;所述一个或多个处理器被配置为:响应于所述语音音频流中的中断;而停止所述语音音频流的回放;和响应于所述中断结束:避免基于所述文本流生成所述输出;和恢复所述语音音频流的回放。