認清VoiceXML

黃偉峰 2001/11/22

　 隨著(zhù)CTI(Computer and Telephone Integrated)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）的論壇，通過(guò)使用這種新的語(yǔ)言，能使用戶(hù)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，互連網(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)，增強企業(yè)的競爭力。

VoiceXml的起源

　　Voice XML 是一個(gè)新的 XML schema 用來(lái)制定通過(guò)語(yǔ)音對話(huà)訪(fǎng)問(wèn)Web 的內容和其交互語(yǔ)音應答的傳遞標準。在 1999 年初，IBM, 摩托羅拉, 朗訊, 和 AT&T 成立了 Voice XML 論壇， 來(lái)協(xié)調現有的語(yǔ)音技術(shù)使得可以通過(guò)聲音和電話(huà)訪(fǎng)問(wèn)因特網(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)以及記錄和回放數字化語(yǔ)音在 PC 和服務(wù)器(分發(fā)到客戶(hù)端設備)上 。Voice XML 提供了一種與技術(shù)語(yǔ)言，可無(wú)關(guān)的以用在語(yǔ)音應用程序。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 Voice XML 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(比如您很可能在移動(dòng)電話(huà)上會(huì )使用的那種)，同時(shí)它有能支持其它的瀏覽器(比如一個(gè) WAP 瀏覽器或 HTML 瀏覽器)。當接受到來(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 Voice XML 頁(yè)面。
　　由于VoiveXml技術(shù)和語(yǔ)音技術(shù)的快速發(fā)展，已經(jīng)有超過(guò)150個(gè)公司和組織加入和Voice Xml（http://www.voicexml.org）論壇，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。

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。其具體系統結構如下：

　　從圖中我們可以看出，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)。
其具體流程如下圖所示：

　　比如說(shuō)，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)DN—URL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，在由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，處理后的結果再由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(見(jiàn)資源)。用戶(hù)只需回答他（她）所感興趣的股票，如”INTEL“,從而擺脫了傳統IVR令人模糊不清的一大堆選擇。這時(shí)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，在由VOICEXML SERVER的處理，用戶(hù)聽(tīng)到的可能是”$55“。

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、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)
　　VoiceXML語(yǔ)言描述的通過(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)功能像呼叫轉移等。
　　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。VoiceXML確定文件可能被連接到其他的文件通過(guò)通用資源標示符（URI）。
VoiceXml在以下的領(lǐng)域內有著(zhù)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）。如銀行的帳戶(hù)查詢(xún)，存取，股票交易等。
　　３、電信領(lǐng)域的服務(wù)。如UNIFIED MESSAGE，CALL CENTER（呼叫中心）等。

有關(guān)VoiceXml的部分產(chǎn)品介紹

　　１、IBM
　　IBM主要開(kāi)發(fā)了VIAVOICE的VOICEXML的服務(wù)器，以及VOICEXML的開(kāi)發(fā)包，從而能與WEBSPHERE結合，實(shí)現計算機網(wǎng)絡(luò )與電話(huà)的完美結合。但是該服務(wù)器只支持英語(yǔ)，法語(yǔ)和德語(yǔ)。
　　２、MOTOROLA
　　MOTOROLA也有自己的VOICEXML的網(wǎng)關(guān)及開(kāi)發(fā)VOICEXML的開(kāi)發(fā)包。但是也不支持 中文。
　　３、NUANCE
　　NUANCE是一個(gè)專(zhuān)門(mén)開(kāi)發(fā)語(yǔ)音的廠(chǎng)商。他有開(kāi)發(fā)和構架VOICEXML的一整套工具。其中包括VOICE WEB SERVER，V-Builder(開(kāi)發(fā)VOICEXML的可使化工具)，Secure Verifier 。尤其是他對超過(guò)20種語(yǔ)言（包括中文及廣東話(huà)）的支持及其優(yōu)良的穩定性贏(yíng)得了很多市場(chǎng)分額，其中包括American Airlines,Bell Atlantic,UPS等大公司都已成為他的客戶(hù)。

天極網(wǎng)