美國(guó)專(zhuān)利商標(biāo)局（USPTO）授予Microsoft的一項(xiàng)新專(zhuān)利表明，該公司正在開(kāi)發(fā)能夠反映用戶(hù)對(duì)話(huà)風(fēng)格和/或面部表情的對(duì)話(huà)代理。專(zhuān)利- 語(yǔ)言風(fēng)格匹配代理 -于2020年9月3日授予Microsoft，并以發(fā)明者Daniel J McDuff，Kael R. Rowan，Mary P Czerwinski，Deepali Aneja和Rens Hoegen稱(chēng)號(hào)。

隨著語(yǔ)音識(shí)別和生成對(duì)話(huà)模型的發(fā)展，諸如聊天機(jī)器人和虛擬代理之類(lèi)的對(duì)話(huà)界面正變得越來(lái)越流行。盡管這種自然語(yǔ)言的交互導(dǎo)致了人機(jī)交互的發(fā)展，但這種交流大多是單調(diào)的且受約束的。因此，這些對(duì)話(huà)最終只是事務(wù)性的，并不是很自然。

這項(xiàng)新的專(zhuān)利技術(shù)旨在帶來(lái)一種基于端到端基于語(yǔ)音的對(duì)話(huà)代理，該對(duì)話(huà)代理可以進(jìn)行更自然，多輪回的對(duì)話(huà)，從而與用戶(hù)的對(duì)話(huà)風(fēng)格和面部表情保持一致。

被實(shí)現(xiàn)為僅語(yǔ)音的代理或用臉部體現(xiàn)的會(huì)話(huà)代理可以與用戶(hù)的語(yǔ)音和面部表情匹配。可以通過(guò)識(shí)別用戶(hù)語(yǔ)音的韻律特征并為具有相同或相似特征的虛擬代理合成語(yǔ)音來(lái)實(shí)現(xiàn)會(huì)話(huà)代理的語(yǔ)言樣式匹配。用戶(hù)的面部表情可以通過(guò)具體化的對(duì)話(huà)代理的臉部來(lái)識(shí)別和模仿。虛擬代理的發(fā)言可以基于預(yù)定的腳本響應(yīng)和由機(jī)器學(xué)習(xí)技術(shù)生成的開(kāi)放式響應(yīng)的組合。與用戶(hù)的會(huì)話(huà)風(fēng)格和面部表情保持一致的會(huì)話(huà)代理可能會(huì)被認(rèn)為更值得信賴(lài)，更容易理解，

對(duì)話(huà)代理可以是純音頻的，也可以是體現(xiàn)的，這意味著它具有看起來(lái)像在說(shuō)話(huà)的“臉”。在這兩種實(shí)現(xiàn)方式中，代理可以使用機(jī)器學(xué)習(xí)技術(shù)，并以自然且可理解的方式響應(yīng)用戶(hù)的話(huà)語(yǔ)，從而整體上改善人機(jī)交互。