VoiceXML簡(jiǎn)介

黃偉峰 2001/04/19

　　 為了促進(jìn)CTI技術(shù)和語(yǔ)音技術(shù)的發(fā)展，IBM、Lucent、AT&T和Motorola四大通信公司成立了VoiceXML（Voice Extensible Markup Language，語(yǔ)音擴展標記語(yǔ)言）的論壇。這種新的語(yǔ)音技術(shù)，使用戶(hù)能通過(guò)電話(huà)和語(yǔ)音來(lái)訪(fǎng)問(wèn)Internet。這項技術(shù)能夠幫助企業(yè)、電信公司、互聯(lián)網(wǎng)公司增加網(wǎng)絡(luò )使用率，提高用戶(hù)忠誠度，開(kāi)發(fā)新市場(chǎng)，從而增強企業(yè)的競爭力。

一、VoiceXML的起源

　　 VoiceXML 是一個(gè)新的通過(guò)語(yǔ)音對話(huà)訪(fǎng)問(wèn)Web 內容和交互語(yǔ)音應答的傳遞標準。在 1999 年初，IBM、Lucent、AT&T和Motorola成立了 VoiceXML 論壇， 來(lái)協(xié)調現有的語(yǔ)音技術(shù)，以使用戶(hù)可以通過(guò)聲音和電話(huà)訪(fǎng)問(wèn)互聯(lián)網(wǎng)。語(yǔ)音技術(shù)不但讓那些由于環(huán)境或生理限制無(wú)法使用圖形化瀏覽器的人得以訪(fǎng)問(wèn) Web，也為所有的用戶(hù)提供了更為便捷的Web訪(fǎng)問(wèn)功能。

　　 新的語(yǔ)音技術(shù)可以創(chuàng )建出對話(huà)驅動(dòng)的應用程序,例如語(yǔ)音識別技術(shù)（ASR）、語(yǔ)音合成技術(shù)(TTS)以及在 PC 和服務(wù)器(分發(fā)到客戶(hù)端設備)上記錄和回放數字化語(yǔ)音。VoiceXML 提供了一種與技術(shù)無(wú)關(guān)的語(yǔ)言，可以用在語(yǔ)音應用程序中。這些應用程序將后端處理語(yǔ)音的服務(wù)和處理機制與前端基于 VoiceXML 的表示層分離開(kāi)。例如，一個(gè)精心設計的 Web 站點(diǎn)可以輕而易舉地支持語(yǔ)音驅動(dòng)的瀏覽器(比如在移動(dòng)電話(huà)上使用的那種)，同時(shí)它能支持其他的瀏覽器(比如WAP 瀏覽器或 HTML 瀏覽器)。當接收到來(lái)自瀏覽器的最初請求時(shí)，服務(wù)器將監測出瀏覽器的類(lèi)型。如果瀏覽器被確認為一個(gè)語(yǔ)音瀏覽器，服務(wù)器將返回對應的 VoiceXML 頁(yè)面。

　　 由于VoiceXML技術(shù)和語(yǔ)音技術(shù)的快速發(fā)展，已經(jīng)有150個(gè)以上的公司和組織加入和VoiceXML論壇（www.voicexml.org），其中包括一些非常有名的通信公司，如AT&T、Lucent、Motorola、Alcatel、Cisco、Hitachi，以及我國的華為通信公司。

二、 VoiceXML的系統結構及其應用舉例

　　 VoiceXML 1.0規范基于W3C的工業(yè)標準XML，為語(yǔ)音和電話(huà)應用的開(kāi)發(fā)者、服務(wù)提供商和設備制造商提供了一個(gè)智能化的API。VoiceXML的標準將簡(jiǎn)化Web上具有語(yǔ)音響音服務(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)，同時(shí)與CGI（PERL、PHP、C、JAVA SERVLET等）的腳本結合在一起來(lái)檢索后臺數據庫，訪(fǎng)問(wèn)企業(yè)內部網(wǎng)，從而最終將語(yǔ)音瀏覽器與微型瀏覽器融合在一起，實(shí)現計算機網(wǎng)絡(luò )與電話(huà)技術(shù)的完美結合。

　　 同傳統的Internet網(wǎng)站相比，在不需要太大的改動(dòng)前提下，只要增加一個(gè)VoiceXML的服務(wù)器，處理來(lái)自PSTN的應用即可。在VoiceXML的服務(wù)器中，包含了VoiceXML的解釋器(VoiceXML解釋程序語(yǔ)境)、VoiceXML自帶的瀏覽器、自動(dòng)語(yǔ)音識別（ASR）及文本到語(yǔ)音（TTS）的轉換設備。

　　 VoiceXML解釋程序是一個(gè)計算機程序，它解釋一個(gè)VoiceXML文件，引導和控制用戶(hù)與執行平臺之間的交互作用。VoiceXML解釋程序語(yǔ)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文件，并且可以與執行平臺相互作用，而與VoiceXML解釋程序無(wú)關(guān)。

　　 比如，用戶(hù)想知道Intel公司的當前股價(jià)，就打電話(huà)到提供該服務(wù)的公司，通過(guò)DNURI的映射，到達了該網(wǎng)站的VoiceXML的服務(wù)器。VoiceXML的服務(wù)器馬上調出相應的VoiceXML文件，由VoiceXML解釋程序處理，通過(guò)TTS產(chǎn)生語(yǔ)音輸出，來(lái)回復用戶(hù)的請求。當然，在處理VoiceXML文件的過(guò)程中，有時(shí)還需交給后臺的CGI程序處理，處理后的結果由Web Server交給VoiceXML Server處理。處理后，用戶(hù)可能會(huì )聽(tīng)到的回答是“Welcome to the stock market,which stock price would you like to know?”,其對應的VoiceXML文件為Welcome.vxml。用戶(hù)只需回答他（她）所感興趣的股票，如“Intel”。

　　 這樣用戶(hù)就擺脫了傳統IVR令人模糊不清的一大堆選擇。用戶(hù)的回答通過(guò)VoiceXML Server的處理，交給后臺的CGI程序查詢(xún)數據庫中的有關(guān)Intel股票的價(jià)格，再由VoiceXML Server的處理，用戶(hù)聽(tīng)到的可能就是一個(gè)非常具體的回答—“$55”。

三、 VoiceXML的特點(diǎn)和應用范圍

VoiceXML作為一種標記語(yǔ)言，主要有以下特點(diǎn)：

1.通過(guò)每一文件里指定的多重的交互功能，將客戶(hù)機/服務(wù)器之間的交互工作最小化。
2.應用開(kāi)發(fā)者與底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，必須令服務(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正是一個(gè)跨平臺的公共語(yǔ)言。
5．簡(jiǎn)單的交互功能非常易于使用，所提供的語(yǔ)音界面能支持復雜的對話(huà)。

　　 VoiceXML語(yǔ)言通過(guò)語(yǔ)音應答系統實(shí)現人機交互通信，其范圍包括: 合成語(yǔ)音的輸出（TTS）、音頻文件的輸出、話(huà)音輸入的識別、DTMF輸入的識別、語(yǔ)音輸入的錄音、電話(huà)功能向呼叫轉移等。

　　 VoiceXML提供字符和語(yǔ)音輸入收集，將輸入分配給文件定義的請求變量，并且在用戶(hù)回答后做出決定的方法。通過(guò)通用資源標示符（URI），VoiceXML可確定文件是否被連接到其他的文件。

VoiceXML在以下領(lǐng)域內有廣泛的應用:

1.信息的獲取，如股票信息、天氣情況、體育消息、交通信息等。
2.電子交易（包括電子商務(wù)、電子零售），如銀行的賬戶(hù)查詢(xún)、存取、股票交易等。
3.電信領(lǐng)域的服務(wù)，如Unified Message(統一消息)、Call Center（呼叫中心）等。

《計算機世界》2001/04/19