VoiceServer 2.0產(chǎn)品白皮書
——基于VoiceXML的可編程語(yǔ)音平臺(tái)

2002/09/29

　　信息技術(shù)革命將人類社會(huì)推進(jìn)到信息社會(huì)，企業(yè)的經(jīng)營(yíng)管理、個(gè)人的休閑理財(cái)都離不開(kāi)信息。人們比以前的任何時(shí)期都更加渴望能夠隨時(shí)隨地得到信息。而語(yǔ)音作為人類最原始、最自然的交流方式，最受人們的青睞。Evans Group Research對(duì)250個(gè)使用不同語(yǔ)音系統(tǒng)的用戶進(jìn)行的調(diào)查表明， 83%的用戶更喜歡使用語(yǔ)音系統(tǒng)而不是按鍵式系統(tǒng)。

　　在激烈的市場(chǎng)競(jìng)爭(zhēng)中，企業(yè)、服務(wù)提供商一直在尋求完善客戶服務(wù)的途徑。金融、電信等領(lǐng)域?qū)嵤┖艚兄行牡某晒?jīng)驗(yàn)，使企業(yè)、服務(wù)提供商體會(huì)到語(yǔ)音服務(wù)帶來(lái)的經(jīng)濟(jì)效益和社會(huì)效益。提供更為人性化、智能化的語(yǔ)音服務(wù)系統(tǒng)，提供24小時(shí)全天候的自助服務(wù)系統(tǒng)，已成為企業(yè)和服務(wù)提供商重要的市場(chǎng)策略。

1.2. 技術(shù)基礎(chǔ)

　　近幾年來(lái)，計(jì)算機(jī)語(yǔ)音識(shí)別（ASR）和語(yǔ)音合成（TTS）技術(shù)的突破給語(yǔ)音應(yīng)用提供了堅(jiān)實(shí)的基礎(chǔ)，與此同時(shí)VoiceXML的標(biāo)準(zhǔn)化更使語(yǔ)音應(yīng)用生機(jī)勃勃。

　　語(yǔ)音識(shí)別技術(shù)是指將人說(shuō)話的音頻信號(hào)轉(zhuǎn)換為可被計(jì)算機(jī)所識(shí)別的文字信息，而語(yǔ)音合成技術(shù)則是指將文字信息轉(zhuǎn)變?yōu)橐纛l信息的技術(shù)。事實(shí)上，語(yǔ)音識(shí)別產(chǎn)品進(jìn)入大眾視野只有短短的4年。1998 年IBM 率先推出ViaVoice引發(fā)了語(yǔ)音應(yīng)用的熱潮，研究機(jī)構(gòu)和企業(yè)廠家紛紛研制各具特色的語(yǔ)音產(chǎn)品。通過(guò)識(shí)別算法的改良，同時(shí)得益于硬件能力的提高，今天優(yōu)秀的語(yǔ)音識(shí)別系統(tǒng)的識(shí)別率高達(dá)95%以上，完全能夠滿足商業(yè)應(yīng)用的需求。而語(yǔ)音合成技術(shù)則已經(jīng)能夠?qū)崿F(xiàn)自然、流暢的文字合成。

　　VoiceXML 是由IBM 、Lucent、Motorola 和AT&T 四家公司于2000年提出的一種應(yīng)用于語(yǔ)音瀏覽的標(biāo)記語(yǔ)言。如下圖所示，VoiceXML是各廠商多年經(jīng)驗(yàn)積累的產(chǎn)物，VoiceXML Forum更是得到業(yè)界廣泛的支持，同時(shí)VoiceXML由W3C組織標(biāo)準(zhǔn)化，成為事實(shí)上的工業(yè)標(biāo)準(zhǔn)。

1.3. 市場(chǎng)機(jī)遇

語(yǔ)音應(yīng)用市場(chǎng)的構(gòu)成如下圖所示：

• 企業(yè)用戶可以在其電子商務(wù)或呼叫中心平臺(tái)的基礎(chǔ)上提供語(yǔ)音訪問(wèn)界面，以為最終用戶提供更為體貼、便利的服務(wù)；


• 服務(wù)提供商可以提供語(yǔ)音應(yīng)用托管業(yè)務(wù)，或直接提供各具特色的語(yǔ)音應(yīng)用；


• 應(yīng)用軟件開(kāi)發(fā)商、系統(tǒng)集成商可以在應(yīng)用中集成語(yǔ)音功能，為用戶提供語(yǔ)音訪問(wèn)界面；


• 語(yǔ)音應(yīng)用專業(yè)IT廠商則提供應(yīng)用軟件(Application Software)層以下以及工具(Tools)部分，為各類語(yǔ)音應(yīng)用提供堅(jiān)實(shí)的平臺(tái)以及開(kāi)發(fā)、管理和維護(hù)環(huán)境。

• 電話是最終用戶聯(lián)系企業(yè)的主要聯(lián)系方式，VoiceXML以其簡(jiǎn)潔易用性，為企業(yè)提供語(yǔ)音門戶，使企業(yè)可以提供更為豐富的24小時(shí)客戶服務(wù)、信息查詢、在線交易等自助服務(wù)，樹(shù)立企業(yè)品牌形象，產(chǎn)生更為可觀的經(jīng)濟(jì)效益和社會(huì)效益；

　
• VoiceXML平臺(tái)可以作為低成本的呼叫中心，或者作為以Web為中心的電子商務(wù)平臺(tái)的補(bǔ)充，使企業(yè)在充分保護(hù)現(xiàn)有投資的基礎(chǔ)上，進(jìn)一步開(kāi)拓銷售渠道、完善客戶服務(wù)、提高運(yùn)作效率、降低運(yùn)作成本；

　　
• VoiceXML符合國(guó)際標(biāo)準(zhǔn)，建立在XML和Ｗeb技術(shù)的基礎(chǔ)上，使得企業(yè)用戶可以擺脫對(duì)專用語(yǔ)音系統(tǒng)廠商的依賴，利用企業(yè)自身技術(shù)力量，特別是利用企業(yè)對(duì)自身客戶需求的深刻理解，在最短的時(shí)間內(nèi)推出滿足市場(chǎng)需求、符合企業(yè)發(fā)展目標(biāo)的語(yǔ)音應(yīng)用；

　　
• 傳統(tǒng)的語(yǔ)音應(yīng)用主要以用戶呼入為主，VoiceXML由于其流程控制的簡(jiǎn)易性，使企業(yè)可以方便地建立各類用戶回訪、電話確認(rèn)、電話通知應(yīng)用，從而更好地體現(xiàn)企業(yè)"用戶至上"的宗旨。

• 及時(shí)推出滿足用戶需求的服務(wù)是服務(wù)提供商在市場(chǎng)中贏得先機(jī)的關(guān)鍵，采用VoiceXML可以大大縮短應(yīng)用開(kāi)發(fā)周期，同時(shí)服務(wù)提供商完全可以依托自身的技術(shù)力量，推出獨(dú)具特色的新業(yè)務(wù)；

　　
• 服務(wù)提供商可以依托自身豐富的資源給中小型企業(yè)托管語(yǔ)音應(yīng)用，VoiceXML以其簡(jiǎn)潔性，大大降低了服務(wù)提供商項(xiàng)目管理、系統(tǒng)維護(hù)的支出，從而降低運(yùn)營(yíng)成本；

　　
• 由于VoiceXML基于通用技術(shù)，相比專用IVR系統(tǒng)，人員培訓(xùn)、系統(tǒng)維護(hù)等費(fèi)用將有所減少，同時(shí)語(yǔ)音應(yīng)用可以運(yùn)行在任何支持VoiceXML 的語(yǔ)音平臺(tái)。

• 自主產(chǎn)權(quán)，軟件開(kāi)發(fā)工作完全在中國(guó)大陸進(jìn)行，能為客戶提供最為全面的本地化服務(wù)，按客戶需求快捷、經(jīng)濟(jì)地定制業(yè)務(wù)

　　
• 設(shè)計(jì)靈活，可以作為語(yǔ)音門戶，或作為低成本的呼叫中心實(shí)施

　　
• 采用開(kāi)放技術(shù)，能夠與.NET、J2EE或數(shù)據(jù)庫(kù)實(shí)現(xiàn)的業(yè)務(wù)邏輯接口，使客戶無(wú)需很大投資即可在現(xiàn)有系統(tǒng)的基礎(chǔ)上引入語(yǔ)音服務(wù)

　　
• 支持VoiceXML 2.0規(guī)范，符合國(guó)際規(guī)范，業(yè)務(wù)邏輯獨(dú)立于平臺(tái)，使客戶可以自由地選擇平臺(tái)提供商

　　
• 具備豐富的VoiceXML開(kāi)發(fā)、調(diào)試環(huán)境，能高效、快捷地實(shí)現(xiàn)滿足客戶需求地業(yè)務(wù)邏輯

　　
• 外部數(shù)據(jù)存儲(chǔ)和交換采用XML格式，能與客戶現(xiàn)有地其他信息系統(tǒng)方便地交互

• 支持呼入排隊(duì)和呼叫轉(zhuǎn)移功能，使企業(yè)能夠以最小的投資實(shí)現(xiàn)基本的呼叫中心功能

　　
• 支持與呼叫中心CTI服務(wù)器接口功能，對(duì)已有中、大型呼叫中心的客戶，能供通過(guò)采用該平臺(tái)提供更為完善的自服務(wù)功能

　　
• 支持呼出功能，在呼出成功后執(zhí)行VoiceXML腳本，使服務(wù)提供商、企業(yè)提供更為主動(dòng)的客戶服務(wù)成為可能

　　
• 支持傳真功能，使服務(wù)提供商與企業(yè)用戶可以通過(guò)傳真溝通產(chǎn)品信息、反饋服務(wù)意見(jiàn)等

　　
• 支持電話會(huì)議，使服務(wù)提供商可以提供如電話ICQ功能等

• 采用面向?qū)ο蠓治龊驮O(shè)計(jì)，具備良好的可擴(kuò)充性和可維護(hù)性，使客戶可以根據(jù)業(yè)務(wù)量需求平滑地升級(jí)系統(tǒng)

　　
• 通過(guò)引入服務(wù)適配層將核心邏輯獨(dú)立于硬件設(shè)備和第三方引擎，能方便地和不同地硬件設(shè)備、第三方引擎集成

　　
• 支持各種組件技術(shù)、通訊技術(shù)實(shí)現(xiàn)與后臺(tái)業(yè)務(wù)平臺(tái)的通訊，最大程度地復(fù)用客戶現(xiàn)有地信息資源，大大地減少投資

• 采用C++編程

　　
• 采用異步模式提供實(shí)時(shí)服務(wù)

　　
• 采用多線程技術(shù)并發(fā)處理

• 提供負(fù)載平衡的資源管理，能提供不間斷的服務(wù)

　　
• 提供信令、資源的備份方案

• 采用SNMP協(xié)議

　　
• 提供遠(yuǎn)程、本地的實(shí)時(shí)監(jiān)控功能

　　
• 支持在線更新業(yè)務(wù)

　　
• 提供完整的報(bào)表統(tǒng)計(jì)功能。

3.3.1. 語(yǔ)音識(shí)別

　　可選功能。
　　系統(tǒng)支持語(yǔ)音識(shí)別功能，并且系統(tǒng)能同時(shí)支持語(yǔ)音輸入和DTMF鍵輸入。

3.3.2. 語(yǔ)音合成

　　可選功能。
　　系統(tǒng)支持語(yǔ)音合成功能，支持中文普通話、中文粵語(yǔ)、英語(yǔ)等。語(yǔ)音菜單、語(yǔ)音提示均可以通過(guò)語(yǔ)音合成后播放。

3.3.3. 收發(fā)傳真

　　可選功能。
　　系統(tǒng)支持傳真功能，用戶可以通過(guò)該系統(tǒng)接收、發(fā)送TIFF文件。

3.3.4. 呼入排隊(duì)

　　可選功能。
　　系統(tǒng)支持按話務(wù)員組、技能組等路由的呼入排隊(duì)功能。

3.3.5. 電話呼出

　　可選功能。
　　系統(tǒng)支持呼出功能，其呼出任務(wù)管理系統(tǒng)支持呼出的重試、超時(shí)等功能。
　　5基于VoiceXML的可編程語(yǔ)音平臺(tái)

3.3.6. 呼叫轉(zhuǎn)移

　　可選功能。
　　系統(tǒng)支持呼叫轉(zhuǎn)移功能，提供呼叫轉(zhuǎn)移、電話會(huì)議等功能。

3.3.7. 錄制語(yǔ)音

　　基本功能。
　　系統(tǒng)支持錄音功能，錄音內(nèi)容可以回放、保存等。

3.3.8. 播放語(yǔ)音

　　基本功能。
　　系統(tǒng)可以播放預(yù)先錄制的語(yǔ)音文件，支持的語(yǔ)音文件格式包括PCM linear、PCM a-law,、PCM u-law、ADPCM等。

3.3.9. 接收按鍵

　　基本功能。
　　系統(tǒng)可以接收用戶可以通過(guò)DTMF鍵輸入的信息或選擇的菜單。

3.3.10. 業(yè)務(wù)詳單

　　基本功能。
　　系統(tǒng)產(chǎn)生XML格式的詳細(xì)話單供帳務(wù)系統(tǒng)處理。

3.3.11. Javascript

　　基本功能。
　　系統(tǒng)支持在VoiceXML中的javascript及標(biāo)準(zhǔn)的Session變量，支持的預(yù)定義類型包括數(shù)字等。

3.3.12. 流程控制

　　基本功能。
　　系統(tǒng)提供javascript實(shí)現(xiàn)的VoiceXML流程控制模板，以提供編寫結(jié)構(gòu)化VoiceXML的方式。

3.3.13. 業(yè)務(wù)組件

　　可選功能。
　　系統(tǒng)支持在VoiceXML中使用客戶定制的業(yè)務(wù)組件。

3.3.14. 平臺(tái)管理

　　基本功能。
　　系統(tǒng)提供平臺(tái)管理系統(tǒng)，提供業(yè)務(wù)統(tǒng)計(jì)、業(yè)務(wù)監(jiān)控功能。

3.4. 系統(tǒng)結(jié)構(gòu)

3.4.1. 系統(tǒng)結(jié)構(gòu)圖

3.4.2. 語(yǔ)音瀏覽器

　　VoiceXML 語(yǔ)音瀏覽器（Voice Browser）是系統(tǒng)的控制中心，包括VoiceXML解析和會(huì)話控制兩部分。其中，VoiceXML 解析部分功能如下：

• 通過(guò)文件系統(tǒng)或http獲取VoiceXML腳本

　
• 采用XML DOM解析程序解析腳本

　
• 根據(jù)VoiceXML規(guī)范中定義的Form解釋算法解釋執(zhí)行腳本

　
• 根據(jù)不同標(biāo)記（tag） ，或執(zhí)行控制流，或執(zhí)行javascript腳本，或產(chǎn)生相應(yīng)的控制命令。

• 根據(jù)VoiceXML解析器的控制命令按要求執(zhí)行其同步、異步的操作


• 驅(qū)動(dòng)服務(wù)提供層完成呼叫控制、語(yǔ)音錄放、語(yǔ)音識(shí)別、語(yǔ)音合成等操作


• 協(xié)調(diào)各服務(wù)提供者間的時(shí)序


• 向VoiceXML解析器返回操作結(jié)果。

3.4.4. 服務(wù)提供層
　　服務(wù)提供層(Service Provider Layer)實(shí)現(xiàn)服務(wù)適配層的接口。系統(tǒng)目前提供的服務(wù)提供者包括：

3.4.5. 應(yīng)用服務(wù)器

　　應(yīng)用服務(wù)器(Application Server)用于存放或產(chǎn)生VoiceXML腳本，可以是文件系統(tǒng)或Web服務(wù)器。一般的，文件系統(tǒng)應(yīng)用于靜態(tài)腳本，Web 服務(wù)器應(yīng)用于動(dòng)態(tài)腳本。對(duì)于動(dòng)態(tài)腳本，ASP、JSP、PHP等任何用于動(dòng)態(tài)產(chǎn)生HTML腳本的技術(shù)均適用于VoiceXML。對(duì)于動(dòng)態(tài)腳本，應(yīng)用服務(wù)器還負(fù)責(zé)與后臺(tái)業(yè)務(wù)邏輯服務(wù)器接口。

3.4.6. 業(yè)務(wù)訪問(wèn)層

　　業(yè)務(wù)訪問(wèn)層(Business Access Layer)用于訪問(wèn)企業(yè)、服務(wù)提供商的后臺(tái)業(yè)務(wù)邏輯，系統(tǒng)支持服務(wù)器端和客戶端兩種方式。

　　服務(wù)器端方式一般用于動(dòng)態(tài)VoiceXML腳本，在ASP/JSP/PHP中訪問(wèn)后臺(tái)業(yè)務(wù)邏輯，并根據(jù)業(yè)務(wù)操作結(jié)果向語(yǔ)音瀏覽器返回VoiceXML腳本。

　　客戶端方式利用VoiceXML<object>的標(biāo)記，在語(yǔ)音瀏覽器中執(zhí)行業(yè)務(wù)操作。系統(tǒng)支持將DLL、COM/COM+組件、JavaBean、xml/http等作為<object>訪問(wèn)后臺(tái)業(yè)務(wù)邏輯。

3.4.7. 操作、管理和維護(hù)（OA&M）

　　操作管理維護(hù)終端提供業(yè)務(wù)監(jiān)控、業(yè)務(wù)管理和業(yè)務(wù)統(tǒng)計(jì)功能。
　　8基于VoiceXML的可編程語(yǔ)音平臺(tái)

4. 語(yǔ)音應(yīng)用

　　VoiceServer具有廣泛的應(yīng)用前景，可以應(yīng)用于：
　　信息查詢
　　自助服務(wù)
　　通知服務(wù)
　　消息服務(wù)。
　　部分應(yīng)用舉例如下表所示：

聲軟科技公司供稿 CTI論壇編輯

下載白皮書（PDF格式）