首頁(yè)>>廠(chǎng)商>>軟件開(kāi)發(fā)商>>穎科公司

VoiceXML介紹

2002/03/11

一． VoiceXML簡(jiǎn)介

　　VoiceXML（Voice eXtensible Markup Language）是由VoiceXML論壇制定的通過(guò)電話(huà)訪(fǎng)問(wèn)Internet網(wǎng)絡(luò )的標準。1999年3月，由Motorola、Lucent、AT&T和IBM四家公司聯(lián)合發(fā)起成立了VoiceXML論壇（www.voicexml.org），其目的在于為電話(huà)和移動(dòng)設備提供一種便捷的訪(fǎng)問(wèn)Internet網(wǎng)絡(luò )，獲取服務(wù)和信息的手段。2000年3月，VoiceXML論壇發(fā)布了VoiceXML 1.0標準。5月，W3C（World Wide Web Consortium）接受了VoiceXML1.0。目前，國內外共有150多家公司支持VoiceXML，Motorola、Lucent等公司已開(kāi)發(fā)出了基于VoiceXML的產(chǎn)品。
　　VoiceXML是W3C定義的可擴展標記語(yǔ)言(XML)的一種擴展，根據播放的提示信息、口述的命令、要記錄和識別的語(yǔ)音或按鍵音輸入，實(shí)現人和計算機之間的交互對話(huà)。VoiceXML的標準化將簡(jiǎn)化Web上具有語(yǔ)音響應服務(wù)的個(gè)性化界面的創(chuàng )建，使人們能夠通過(guò)語(yǔ)音和電話(huà)訪(fǎng)問(wèn)網(wǎng)站上的信息和服務(wù)。
　　VoiceXML的主要目標是希望通過(guò)交互式語(yǔ)音界面應用Web上已經(jīng)有的大量信息，同時(shí)VoiceXML希望能夠將開(kāi)發(fā)人員從最低級的編程和資源處理工作中解放出來(lái)。VoiceXML能夠利用人們已經(jīng)非常熟悉的客戶(hù)機/服務(wù)器方式，將語(yǔ)音服務(wù)和數據服務(wù)融合起來(lái)。
　　VoiceXML作為一種標記語(yǔ)言，主要有以下特點(diǎn)：
　　1． VoiceXML作為一種通過(guò)每一文件里指定的多重的交互作用，最小化客戶(hù)機/服務(wù)器之間的交互工作。
　　2． 實(shí)現應用開(kāi)發(fā)者與低層的軟件和系統平臺上的軟、硬件細節無(wú)關(guān)。
　　3． 將用戶(hù)交互作用的代碼（在VoiceXML中）從服務(wù)邏輯（CGI 腳本）中分離出來(lái)。
　　4． 要使提供的服務(wù)能隨處可得，要求這些服務(wù)能夠跨越不同的執行平臺。對于內容服務(wù)商、工具提供商和平臺提供商來(lái)說(shuō)，VoiceXML是一個(gè)公共語(yǔ)言。
　　5． 使簡(jiǎn)單的交互作用非常易于使用，要求所提供的語(yǔ)音界面能支持復雜的對話(huà)。

二． VoiceXML的結構模型

　　VoiceXML的模型如圖1所示，一個(gè)文檔服務(wù)器比如說(shuō)一個(gè)Web服務(wù)器，處理一個(gè)來(lái)自終端應用的請求，這一請求經(jīng)過(guò)了VoiceXML解釋程序和VoiceXML解釋程序環(huán)境處理。作為響應，服務(wù)器產(chǎn)生出VoiceXML文檔，在回復當中，要經(jīng)過(guò)VoiceXML解釋程序的處理。
　　執行平臺是被VoiceXML解釋程序環(huán)境和VoiceXML解釋程序控制的。例如，在一個(gè)交互式語(yǔ)音應答應用中，VoiceXML解釋程序環(huán)境能可靠地監測到呼叫，獲得初始的VoiceXML文檔，并且回答這一呼叫，在回答之后VoiceXML解釋程序引導這一對話(huà)。執行平臺產(chǎn)生事件響應用戶(hù)的動(dòng)作（說(shuō)話(huà)或者字符輸入）和系統事件（例如計時(shí)器溢出）。這些事件中的一部分依照相應的VoiceXML文檔按照VoiceXML解釋程序的解釋加以執行，其他的被VoiceXML解釋程序環(huán)境控制。
　　VoiceXML解釋程序是一個(gè)計算機程序，它解釋一個(gè)VoiceXML文檔，引導和控制用戶(hù)與執行平臺之間的交互作用。VoiceXML解釋程序環(huán)境也是一個(gè)計算機程序，用一個(gè)VoiceXML解釋程序解釋一個(gè)VoiceXML文檔，并且可以與執行平臺相互作用而與VoiceXML解釋程序無(wú)關(guān)。
　　執行平臺是指一個(gè)能支持VoiceXML定義的交互作用的計算機。執行平臺提供字符和語(yǔ)圖1 VoiceXML的結構模型
音的輸入和音頻輸出，包括合成語(yǔ)音的輸出（TTS，text to speech）、音頻文件的輸出、話(huà)音輸入的識別（ASR ，automated speech recognition）、DTMF輸入的識別、語(yǔ)音輸入的錄音、電話(huà)功能像呼叫轉移等。

三． VoiceXML的基本概念

　　首先舉一個(gè)簡(jiǎn)單的例子：
　　<?xml version="1.0"?>
　　<vxml version="1.0">
　　<form>
　　<block>Hello World!</block>
　　</form>
　　</vxml>
　　這是一個(gè)簡(jiǎn)單的VoiceXML文檔，執行時(shí)輸出Hello World!的合成語(yǔ)音。<vxml>可以看作一個(gè)包含會(huì )話(huà)的容器，所有的VoiceXML文檔都是由一系列會(huì )話(huà)構成的。一個(gè)VoiceXML文檔（或稱(chēng)為請求的一組文檔）構成了一個(gè)對話(huà)式的有限狀態(tài)機。用戶(hù)總是處于某一對話(huà)狀態(tài)（或稱(chēng)為會(huì )話(huà)）。每一個(gè)會(huì )話(huà)決定要轉移到的下一個(gè)會(huì )話(huà)。轉移由URIs指定，URIs定義下一個(gè)要使用的文檔和會(huì )話(huà)。當一個(gè)會(huì )話(huà)沒(méi)有指定后繼者或指明退出對話(huà)狀態(tài)時(shí)操作才會(huì )終止。
VoiceXML中的基本概念主要有：
　　1．會(huì )話(huà)和子會(huì )話(huà)：VoiceXML中定義了兩種類(lèi)型的會(huì )話(huà)，表單（forms）和選單（menus）。表單定義了一個(gè)獲取一組字段變量的值的交互過(guò)程。每一個(gè)字段可以指定一個(gè)文法，定義了該字段的允許的輸入值。選單提供選項供用戶(hù)選擇，然后根據選擇的結果轉移到另一個(gè)會(huì )話(huà)。
　　子會(huì )話(huà)像函數調用，它引起一個(gè)新的交互作用并且返回給上一層的表單。局部的數據，文法和狀態(tài)信息被保存，當返回到調用文檔時(shí)可以使用。例如，子會(huì )話(huà)可以用于創(chuàng )建一個(gè)在數據庫查詢(xún)時(shí)需要的確認序列；創(chuàng )建在單一請求中的多個(gè)文檔共享的一批組件；或創(chuàng )建一個(gè)在多個(gè)請求中共享的可重用的會(huì )話(huà)庫。
　　2．會(huì )話(huà)期：會(huì )話(huà)期從用戶(hù)與VoiceXML解釋程序語(yǔ)境交互開(kāi)始，持續進(jìn)行文檔的裝載和處理，直到由用戶(hù)，文檔或解釋程序環(huán)境發(fā)出終止請求才結束。
　　3．請求：一個(gè)請求就是一組共享同一個(gè)請求根文檔的文檔。在一個(gè)請求中，無(wú)論何時(shí)用戶(hù)與文檔交互，請求根文檔總是被加載。當用戶(hù)在同一個(gè)請求中的不同文檔間轉換時(shí)，請求根文檔總是被加載，只有用戶(hù)轉換到別的請求中的文檔時(shí)請求根文檔才被卸載。請求根文檔被加載后，它的變量作為請求變量被其它文檔使用，而且它的文法在請求的持續時(shí)間一直起作用。
　　4．文法：每一個(gè)會(huì )話(huà)有一個(gè)或多個(gè)語(yǔ)音和（或）DTMF文法。在定向對話(huà)應用中，一個(gè)會(huì )話(huà)的文法只有在使用者與此會(huì )話(huà)交互時(shí)才起作用。在混合主動(dòng)式對話(huà)中，機器和用戶(hù)交替控制下一步的操作，一些會(huì )話(huà)被標記以使它們的文法（如偵聽(tīng)呼叫）即使當用戶(hù)在同一文檔的其它會(huì )話(huà)時(shí)也起作用。在這種情況下，如果用戶(hù)進(jìn)行的操作與另一個(gè)會(huì )話(huà)的有效文法匹配，執行就會(huì )轉移到另一個(gè)會(huì )話(huà)。混合主動(dòng)式對話(huà)增加了語(yǔ)音應用的適應性和能力。
　　5．事件：VoiceXML提供一種表單填充機制處理"正常"的用戶(hù)輸入。另外，VoiceXML也定義了處理異常事件的機制。如用戶(hù)在一定時(shí)間內沒(méi)有作出應答，請求系統幫助等情況下平臺會(huì )產(chǎn)生事件。如果解釋器在VoiceXML文檔中發(fā)現語(yǔ)義性錯誤也會(huì )產(chǎn)生事件。
　　6．鏈接：鏈接支持混合主動(dòng)式對話(huà)，當用戶(hù)在鏈接的作用范圍時(shí)它指定的文法就起作用。如果用戶(hù)的輸入與鏈接的文法匹配，控制就轉移到鏈接的目的URI。<link>可以用來(lái)產(chǎn)生一個(gè)事件跳轉到目的URI。

四． VoiceXML的未來(lái)

　　VoiceXML與XML相比具有某些重要的優(yōu)點(diǎn)，其中最主要的優(yōu)點(diǎn)是能夠重復使用和容易重組現有的軟件工具，以生成、轉換和分析XML文件，而且還能使VoiceXML利用其他基于XML的補充標準。例如，VoiceXML應用程序有時(shí)需要確定語(yǔ)音合成參數，比如音量、講話(huà)快慢和音調等。
　　與WAP相比，VoiceXML有突出的優(yōu)點(diǎn)。由于手持移動(dòng)設備(如WAP手機)只有很小的顯示屏，有限的輸入能力和有限的處理功能，文本界面的數據處理設備很難被使用。VoiceXML不存在這些限制，用戶(hù)可以用聲音與系統交互，通過(guò)一系列的對話(huà)選擇，找到所需的信息。服務(wù)器上的語(yǔ)音識別軟件把用戶(hù)的輸入語(yǔ)音的選擇轉換成文本的選擇，這一過(guò)程與在傳統的網(wǎng)頁(yè)上選擇一個(gè)超連接類(lèi)似。對話(huà)選擇的結果由相應的音頻文件播放(可以是事先錄下的或采用TTS技術(shù)動(dòng)態(tài)產(chǎn)生)。
　　在手機等手持移動(dòng)設備上通過(guò)語(yǔ)音而不是煩瑣的輸入來(lái)獲取信息和服務(wù)更符合人們的習慣，隨著(zhù)語(yǔ)音信號處理技術(shù)，特別是ASR和TTS技術(shù)的發(fā)展，語(yǔ)音將成為人機交互的一種主要形式。VoiceXML論壇就是順應這種潮流而成立的，VoiceXML論壇獲得了國內外知名的通信公司和網(wǎng)絡(luò )公司的廣泛支持，目前已有包括國內的華為公司在內的的150多家公司加入VoiceXML論壇。