基于VoiceXML的語音應用系統(tǒng)開發(fā)
2008/10/30
一、概述圖一、VoiceXML應用和WEB應用的比較
下圖(圖二)展示了基于VoiceXML的語音應用系統(tǒng)的基本架構(gòu):
文檔服務(wù)器(WEB Server):用于存放VoiceXML腳本文件(或者根據(jù)由VoiceXML
Server發(fā)過來了HTTP請求自動生成VoiceXML腳本),和事先錄制好的音頻文件等一切有關(guān)的文檔。 VoiceXML
Server通過HTTP請求從該文檔服務(wù)器獲取各種需要的文件。
VoiceXML 服務(wù)器(VoiceXML Gateway):用于接收和識別用戶的輸入,解釋和執(zhí)行VoiceXML腳本文件,并把結(jié)果轉(zhuǎn)換成語音輸出給用戶。它一般具備下列組件:VoiceXML解釋器組件(VoiceXML
Browser),呼叫控制組件(CCXML Browser),自動語音識別組件(ASR),語音合成組件(TTS)等。這些組件共同組成了VoiceXML的解釋和執(zhí)行平臺。
圖二、VoiceXML應用系統(tǒng)架構(gòu)
和互聯(lián)網(wǎng)用戶通過鍵盤輸入某個WEB頁面的地址(URL)來訪問WEB應用類似,VoiceXML用戶通過電話或者VoIP終端撥打某個應用對應的電話號碼來訪問該應用程序(圖中的步驟1)。VoiceXML服務(wù)器收到用戶的呼叫后,根據(jù)用戶撥打的號碼去文檔服務(wù)器查找對應的VoiceXML文件(圖中的步驟2),通過HTTP請求把文件下載到本機執(zhí)行,根據(jù)特定應用的需要,VoiceXML服務(wù)器可能會發(fā)出多個HTTP請求獲取和應用有關(guān)的其他文件,比如需要播放的語言文件等(圖中的步驟3)。然后由
VoiceXML解釋器組件( VoiceXML Browser)解釋和執(zhí)行VoiceXML腳本語言并把結(jié)果轉(zhuǎn)換成語音傳送給用戶(圖中的步驟4)。在執(zhí)行過程中,用戶可能需要通過語音和VoiceXML服務(wù)器進行交互,比如菜單選擇或者對查詢結(jié)果進行過濾等。VoiceXML服務(wù)器通過呼叫控制組件(CCXML
Browser),自動語音識別組件(ASR),語音合成組件(TTS)來實現(xiàn)這些交互。
在VoiceXML系統(tǒng)中有兩種形式語音的輸出: 機器合成語音(TTS)和事先錄制好的語音文件。
TTS ( Text-To-Speech) : 是由機器把文本轉(zhuǎn)換為數(shù)字語音格式,這種聲音聽起來會感覺有些機械和不自然,但是輸出內(nèi)容靈活,不受任何限制。
事先錄制好的語音文件: 和TTS相比聽起來更自然,但是內(nèi)容受限制。在實際應用中往往把二者結(jié)合起來。
VoiceXML系統(tǒng)中的輸入也有兩種形式: 自動語音識別 (ASR) 和雙音多頻鍵盤音(DTMF)。
ASR (Automatic Speech Recognition) 是指計算機把用戶的語音自動識別成文字信息,便于計算機的進一步處理,從而使得用戶可以通過自然語言來控制計算機的執(zhí)行。
DTMF (Dual Tone MultiFrequency) 則是用戶可以通過電話的按鍵進行輸入。
三、VoiceXML開發(fā)示例
本文中的信息查詢例子演示了一個簡單的VoiceXML應用。該例子VoiceXML腳本中用到的所有的標簽如表1所示,表2是該例子的源代碼。圖四是該例子的呼叫流程。首先是用戶發(fā)起呼叫,應用程序通過計算機合成語音(TTS)告訴用戶所有的選擇項并等待用戶的響應。用戶的語音將由計算機根據(jù)語法標簽
圖四:信息查詢例子呼叫流程圖
表 2. 信息查詢例子源代碼
該示例程序已經(jīng)部署在http://evolution.voxeo.com。讀者可以下列幾個途徑來執(zhí)行該示例程序:
CTI論壇編輯
Voxeo VoiceObjects 統(tǒng)一自服務(wù)提高滿意度 2009-09-23 |
Voxeo攜Prophecy10高度亮相SpeechTEK2009 2009-09-03 |
擁有中文TTS的Prophecy IVR語音平臺 2009-08-17 |
Voxeo發(fā)布開源的電話“云計算”服務(wù)平臺 2009-08-12 |
自助式語音平臺開發(fā)利器Prophecy Platform 2009-08-03 |