VoiceXML語音擴展描述語言的問世，給互聯(lián)網(wǎng)與公用電話網(wǎng)的融合帶來希望，使互聯(lián)網(wǎng)信息能夠以語音的方式流向電話網(wǎng)，使互聯(lián)網(wǎng)服務(wù)能夠延伸到電話用戶。VoiceXML 1.0 是由AT&T、IBM、Lucent Technologies、以及Motorola通過W3C協(xié)會于2000年聯(lián)合推出的電話語音應(yīng)用系統(tǒng)標準。該標準徹底改變了傳統(tǒng)的CTI(計算機電話集成系統(tǒng)) 的開發(fā)模式和應(yīng)用范圍，使公用電話網(wǎng)、語音處理技術(shù)、以及互聯(lián)網(wǎng)有機地結(jié)合為一體。VoiceXML 1.0一經(jīng)推出便立即得到世界發(fā)達國家相關(guān)行業(yè)眾多廠商的支持，基于VoiceXML標準的產(chǎn)品不斷涌向市場。
目前人們對HTML已經(jīng)很熟悉，類似于用于Web網(wǎng)頁標記的HTML，VoiceXML是為語音應(yīng)用制訂的語音可擴展標記語言。VoiceXML使公用電話網(wǎng)與互聯(lián)網(wǎng)的結(jié)合體現(xiàn)在三個方面：語音瀏覽器的使用，互聯(lián)網(wǎng)和公用電話網(wǎng)的信息共享，以及類似于Web網(wǎng)頁開發(fā)過程的語音應(yīng)用系統(tǒng)的開發(fā)。
1. 語音瀏覽器
Web瀏覽器(IE和 Netscape) 的出現(xiàn)有力地帶動了互聯(lián)網(wǎng)的發(fā)展，給人們的日常生活和工作方式帶來新的變革。Web瀏覽器是通過計算機終端與文本信息進行交流。類似地，VoiceXML語音瀏覽器是通過電話終端與語音信息進行交流。VoiceXML語音瀏覽的實現(xiàn)主要是依賴于語音處理技術(shù)和類似于Web瀏覽技術(shù)的語音瀏覽技術(shù)。
有了VoiceXML語音瀏覽器，電話用戶可以用語音輸入和傳統(tǒng)的按鍵輸入方式通過電話與語音應(yīng)用系統(tǒng)進行對話交流，語音應(yīng)用系統(tǒng)用語音的方式與用戶對話。在此過程中，語音識別(語音到文字的轉(zhuǎn)換) 和語音合成(文字到語音的轉(zhuǎn)換) 等語音處理技術(shù)起著重要的作用。語音處理技術(shù)的興起和發(fā)展已有相當長的一段時間。然而，語音識別與語音合成技術(shù)真正開始走向?qū)嶋H應(yīng)用還是在最近兩年到三年的時間。語音技術(shù)是使電話用戶能夠用自然語言的方式與Web對話的關(guān)鍵技術(shù)之一。
語音識別功能使得應(yīng)用系統(tǒng)能夠識別電話用戶的語音輸入、將之轉(zhuǎn)換成文本以便計算機處理。近年來，語音識別技術(shù)有長足的發(fā)展，最好的語音識別系統(tǒng)能夠在一定范圍內(nèi)達到自然語言的識別。雖然由于技術(shù)的局限和中國多方言多口音的特征，使得語音識別系統(tǒng)的應(yīng)用受到一定的限制，但是語音識別技術(shù)仍然在不斷地走進人們的日常生活，人們也在開始接受用語音的方式與電話語音系統(tǒng)進行交流。
語音合成技術(shù)相對于語音識別技術(shù)來說在實際應(yīng)用中顯得更成熟。目前，較好語音合成系統(tǒng)已經(jīng)可以達到比較好的可懂度和自然度。語音合成技術(shù)是使互聯(lián)網(wǎng)信息流向公用電話網(wǎng)的關(guān)鍵。例如，在語音門戶站中所提供的文本信息，如及時新聞等，可以利用語音合成技術(shù)將其轉(zhuǎn)換成語音格式并通過電話播放給用戶。擺脫了電話用戶只能收聽到預先錄制好的錄音的傳統(tǒng)使用方式。
除了語音處理技術(shù)之外，VoiceXML語音瀏覽技術(shù)也是電話語音應(yīng)用系統(tǒng)的關(guān)鍵。與HTML類似，VoiceXML使得電話語音應(yīng)用系統(tǒng)根據(jù)對話流所處的狀態(tài)和具體應(yīng)用領(lǐng)域的業(yè)務(wù)需求將對話流程轉(zhuǎn)向下一個互聯(lián)網(wǎng)上的URI鏈接定義的對話流程。在對話流程的定義中，不僅可以訪問互聯(lián)網(wǎng)上的URI文件，而且還可以訪問互聯(lián)網(wǎng)和局域網(wǎng)內(nèi)的數(shù)據(jù)庫。Web瀏覽技術(shù)的引進使電話語音應(yīng)用系統(tǒng)與互聯(lián)網(wǎng)有機地結(jié)合，使電話語音應(yīng)用系統(tǒng)以開放式的方式呈現(xiàn)給電話用戶。
VoiceXML語音瀏覽器利用互聯(lián)網(wǎng)瀏覽技術(shù)將語音處理技術(shù)和互聯(lián)網(wǎng)技術(shù)整合為一體，極大地擴展了電話語音系統(tǒng)的應(yīng)用范圍，同時也使互聯(lián)網(wǎng)的信息和服務(wù)走向電話用戶群，從而使互聯(lián)網(wǎng)贏得更多的用戶。
2. 互聯(lián)網(wǎng)與公用電話網(wǎng)信息共享
互聯(lián)網(wǎng)與公用電話網(wǎng)長期以來出于分離狀態(tài)。隨著互聯(lián)網(wǎng)的飛速發(fā)展和互聯(lián)網(wǎng)信息的迅速增加，讓龐大的電話用戶群(包括固定電話用戶和移動電話用戶) 訪問互聯(lián)網(wǎng)信息和享用互聯(lián)網(wǎng)提供的服務(wù)顯得越來越重要。VoiceXML標準的問世，無疑對互聯(lián)網(wǎng)服務(wù)商、運營商、以及內(nèi)容提供商等是一個極好的商機。
VoiceXML瀏覽技術(shù)是開放式的，VoiceXML瀏覽器可以瀏覽互聯(lián)網(wǎng)上的任何公開的文件和數(shù)據(jù)，這使得電話用戶可以借助于語音處理技術(shù)通過電話訪問互聯(lián)網(wǎng)信息。例如，電話用戶可以通過VoiceXML瀏覽器收聽網(wǎng)上新聞、查詢網(wǎng)上數(shù)據(jù)庫、下載和收聽語音文件(如音樂、歌曲、留言、語音郵件等) 。因而，VoiceXML瀏覽技術(shù)的使用，使得互聯(lián)網(wǎng)的信息能夠自然地流向公用電話網(wǎng)。
VoiceXML瀏覽技術(shù)不僅使電話用戶能夠訪問互聯(lián)網(wǎng)，也可以將公用電話網(wǎng)信息傳給互聯(lián)網(wǎng)。公用電話網(wǎng)信息與互聯(lián)網(wǎng)信息不同之處在于前者是動態(tài)的、以語音形式為主、隨著電話對話流的結(jié)束而消失。然而，在有些電話語音應(yīng)用系統(tǒng)中，需要將對話流所產(chǎn)生的信息保存起來，以便將來通過Web瀏覽器進行訪問。例如，用戶的語音留言和對話過程等都可以通過電子郵件或文件傳輸?shù)男问絺鞯交ヂ?lián)網(wǎng)。當這些信息被存放在互聯(lián)網(wǎng)中后，互聯(lián)網(wǎng)用戶和電話用戶都可以分別通過Web瀏覽器和VoiceXML瀏覽器訪問這些信息。
VoiceXML瀏覽技術(shù)的引入，使互聯(lián)網(wǎng)和公用電話網(wǎng)得以有機地結(jié)合，使兩網(wǎng)信息可以互相流動，從而使互聯(lián)網(wǎng)與公用電話網(wǎng)達到信息共享。
3. "語音網(wǎng)頁"的開發(fā)
VoiceXML標準的出現(xiàn)，不僅改變了語音應(yīng)用系統(tǒng)的使用方法和使用范圍，而且給語音應(yīng)用系統(tǒng)開發(fā)過程帶來全新的概念和模式，使語音應(yīng)用系統(tǒng)的開發(fā)實際上是"語音網(wǎng)頁"的開發(fā)。傳統(tǒng)的電話語音系統(tǒng)開發(fā)是利用CTI(計算機電話集成)技術(shù)將各系統(tǒng)構(gòu)件，如語音卡或交換機，組織和集成起來。開發(fā)人員往往需要熟悉有關(guān)的底層編碼以及深入了解有關(guān)硬件的編程接口，才能建立一個電話語音系統(tǒng)。然而，VoiceXML瀏覽器的使用，可以使電話應(yīng)用系統(tǒng)開發(fā)人員從繁瑣的編程細節(jié)中解脫出來。
語音網(wǎng)頁的開發(fā)不需要了解各系統(tǒng)組成構(gòu)件，如語音識別、語音合成、和語音卡/交換機等的編程接口。類似于Web網(wǎng)頁的開發(fā)，語音網(wǎng)頁的開發(fā)人員只需要編寫VoiceXML腳本，從而使開發(fā)人員能夠把精力放在應(yīng)用系統(tǒng)的業(yè)務(wù)流程上。
語音網(wǎng)頁的開發(fā)過程簡單、快捷。開發(fā)人員不需要掌握C/C++或Java等高級計算機編程語言便可以開發(fā)一個完整的電話語音應(yīng)用系統(tǒng)。并且所開發(fā)出來的系統(tǒng)往往比傳統(tǒng)開發(fā)方式開發(fā)出來的系統(tǒng)更開放、功能更強大。
語音網(wǎng)頁的開發(fā)對開發(fā)人員的技術(shù)要求較低、開發(fā)周期大幅度縮短，從而使開發(fā)成本大大降低。所開發(fā)出來的應(yīng)用系統(tǒng)具有很高的可維護性、可移植性、可擴展性、以及可重用性。
下面是一個VoiceXML簡單例子。當用戶與電話語音系統(tǒng)接通以后，將會聽到語音合成的提示"用戶您好！請選擇我們?yōu)槟峁┑姆⻊?wù)：" 。當用戶說"股票市場" ，語音瀏覽器(通過語音識別功能識別用戶輸入)將把對話流轉(zhuǎn)向另一個VoiceXML腳本文件stocks.vxml。stocks.vxml腳本文件是一個向用戶提供股票市場相關(guān)服務(wù)的語音網(wǎng)頁。
