首頁>>廠商>>語音板卡開發(fā)商>>NMS

VoiceXML與多通道

- 語音界面的新標(biāo)準(zhǔn)

2003/01/28

　　世界上最古老的用戶界面--人類語言終于在二十一世紀(jì)借助于VoiceXML，一種語音可擴(kuò)展標(biāo)記語言發(fā)展成熟起來。作為世界上第一個真正的語音通信標(biāo)準(zhǔn)，它定義了應(yīng)用開發(fā)商向用戶提供新型信息訪問服務(wù)的方式。通過這種服務(wù)，用戶在任何地方，都可以通過電話或任何移動設(shè)備，虛擬訪問任何信息。VoiceXML正在被廣泛應(yīng)用于旅游、金融與信息服務(wù)等行業(yè)的各種業(yè)務(wù)領(lǐng)域中，甚至是政府部門與市政機(jī)構(gòu)，全球的無線運(yùn)營商等。

　　VoiceXML最初由VoiceXML論壇創(chuàng)建，現(xiàn)在VoiceXML由萬維網(wǎng)聯(lián)盟（W3C）主持。后者是一個全球性組織，它已經(jīng)制定了一系列網(wǎng)絡(luò)技術(shù)標(biāo)準(zhǔn)。其宗旨在于為用戶定義一種新方法，運(yùn)用基于Web的服務(wù)通過口頭指令和DTMF鍵盤實(shí)現(xiàn)交流，通過事先記錄的話音、合成話音或音樂流獲取信息。為了迎接這種挑戰(zhàn)，W3C定義了一套在設(shè)計(jì)上與網(wǎng)頁編寫標(biāo)準(zhǔn)相類似的標(biāo)記語言，以規(guī)范應(yīng)用程序的語音問題，例如用戶對話流、自動語音識別與相關(guān)語法、語音合成與呼叫控制等。

應(yīng)用中的VoiceXML

　　在今天的通話應(yīng)用市場上，應(yīng)用VoiceXML的基本目標(biāo)在于全力擴(kuò)大現(xiàn)有網(wǎng)站及其內(nèi)容的容量，使它們適應(yīng)交互式語音響應(yīng)應(yīng)用，同時減小復(fù)雜應(yīng)用方案的編程復(fù)雜性。此外，在客戶服務(wù)器信息處理環(huán)境中，它允許語音與數(shù)據(jù)服務(wù)的輕松結(jié)合。

　　VoiceXML是專門設(shè)計(jì)用于抽取應(yīng)用開發(fā)商在底層特定平臺上的編程內(nèi)容。在本質(zhì)上，由于開發(fā)商不再需要在通話平臺上編寫微小細(xì)節(jié)的地址代碼，從而簡化了語音應(yīng)用的創(chuàng)建。它實(shí)現(xiàn)了應(yīng)用程序內(nèi)容的標(biāo)準(zhǔn)化，例如話音識別語法與呼叫控制等。因此，應(yīng)用VoiceXML編譯程序的系統(tǒng)，雖然具有自己的特定規(guī)格，但是無需考慮已經(jīng)抽取的特定系統(tǒng)的要求，就可以容易地移植到其他系統(tǒng)中。作為一種通用語言，VoiceXML不但適合應(yīng)用開發(fā)商，而且也適合提供新聞、天氣預(yù)報及航空服務(wù)信息的服務(wù)提供商。

　　VoiceXML設(shè)計(jì)的工作原理：語音應(yīng)用程序作為系列頁存儲在類似于網(wǎng)絡(luò)服務(wù)器的文件服務(wù)器上。從實(shí)現(xiàn)平臺接收到輸入呼叫時，VoiceXML編譯程序會向文件服務(wù)器發(fā)出一個特定URL請求，就像用戶瀏覽網(wǎng)絡(luò)時輸入網(wǎng)站地址一樣。文件服務(wù)器可以與編譯程序直接相連，也可以設(shè)置在外部，通過本地網(wǎng)或互聯(lián)網(wǎng)的IP協(xié)議訪問。他們可以保持應(yīng)用程序的服務(wù)邏輯，可以提供數(shù)據(jù)庫查找與其他系統(tǒng)操作功能。

　　然后，這些頁可以向編譯程序提供系統(tǒng)需要的對話流和各種操作，例如要求呼叫用戶提供特定語音輸入。用戶的回應(yīng)影響對話編譯，會使上述請求返回文件服務(wù)器。而后，下一VoiceXML頁會完成答復(fù)，從而用戶對話得以持續(xù)。

　　VoiceXML應(yīng)用于簡單應(yīng)用比較理想，例如自動值班應(yīng)用程序。在此程序中，呼叫用戶與系統(tǒng)間的對話不很復(fù)雜，用戶交互簡單。同時，VoiceXML也可應(yīng)用于較為復(fù)雜的應(yīng)用中。在這些應(yīng)用中，向用戶提供多種選擇，數(shù)據(jù)檢索范圍較大�；赩oiceXML的應(yīng)用接口向用戶提示事先錄制的和合成的對話，可以理解簡單的單詞和詞組。隨著這種技術(shù)的不斷改進(jìn)，它可以支持更豐富的人機(jī)自然語言對話。

結(jié)構(gòu)與HTML相同

　　就結(jié)構(gòu)而言，VoiceXML應(yīng)用與目前應(yīng)用廣泛的HTML應(yīng)用相同。唯一的差別在于前者使用語音瀏覽器，而后者使用Netscape或Internet Explorer作為瀏覽器。語音瀏覽器可以生成HTTP請求，形成結(jié)果標(biāo)記。在這種情況下，VoiceXML圖2說明了語音系統(tǒng)的基本結(jié)構(gòu)。

更多新規(guī)范

• 話音合成

　　由于具有一系列新規(guī)范，Voice XML性能非常強(qiáng)大。作為W3C語音瀏覽器工作組的開發(fā)內(nèi)容，每種規(guī)范都具有自己獨(dú)特的作用。盡管本文不可能詳細(xì)說明所有的這些規(guī)范，但其中的兩個是值得介紹的。

　　話音合成標(biāo)記語言（SSML）規(guī)范，界定了一種通過話音合成器生成合成話音的標(biāo)準(zhǔn)方法。在語音應(yīng)用方案中，合成話音又稱之為正文－語音合成。基于Sun Microsystems的JSGF或JSML規(guī)范，SSML規(guī)范設(shè)計(jì)用于向應(yīng)用開發(fā)商提供一種控制合成話音輸出，如單詞發(fā)音、大小、音調(diào)、語速與節(jié)奏等的標(biāo)準(zhǔn)方法。

• 語音瀏覽器 一種編譯設(shè)備，可編譯Voice XML語言并能夠編譯用戶發(fā)出的話音與DTMF輸入指令，同時通過文語轉(zhuǎn)換和預(yù)錄音系統(tǒng)提供應(yīng)答。
  
  
• 文語轉(zhuǎn)換 從文本輸入自動生成合成話音的過程。

　　SSML提供一些關(guān)鍵設(shè)計(jì)元素，幫助實(shí)現(xiàn)跨平臺和跨不同文語轉(zhuǎn)換引擎之間語音輸出的一致性。

• 呼叫控制

　　呼叫控制可擴(kuò)展標(biāo)記語言（CCXML），設(shè)計(jì)用于支持VoiceXML應(yīng)用中的復(fù)雜的通話呼叫控制，處理與呼叫相關(guān)的操作，諸如呼叫轉(zhuǎn)移、會議、選擇呼叫應(yīng)答與長線連接（系統(tǒng)把呼叫用戶與出站線路連接，當(dāng)出站呼叫結(jié)束時，再應(yīng)答此用戶）等。此外，CCXML還提供一種電話網(wǎng)絡(luò)信號傳輸故障訪問功能。這是一種運(yùn)營商非常需要的性能。上述兩種語言既相互獨(dú)立，又相互補(bǔ)充，并且可以單獨(dú)實(shí)現(xiàn)。

多通道

　　目前，存在一種話音交互與其他交互模式相融合的趨勢。多通道順應(yīng)了應(yīng)用開發(fā)商的需求。在多通道應(yīng)用中，使用話音作為輸入輸出，同時還提供數(shù)據(jù)接口訪問，例如應(yīng)用HTML的網(wǎng)絡(luò)接口、短信息服務(wù)（SMS）與無線應(yīng)用協(xié)議（WAP）等。換一種說法，多通道應(yīng)用不僅僅限于簡單的輸入輸出，還能夠容納多種模式，用戶不僅可以實(shí)現(xiàn)說、寫、打字，而且可以通過更為自然的用戶界面實(shí)現(xiàn)聽和看。

　　W3C已經(jīng)認(rèn)識到，把各種不同的設(shè)備融合成一種綜合應(yīng)用的需求，并且成立了一個小組進(jìn)行研究。他們把多通道視為一種擴(kuò)展網(wǎng)絡(luò)用戶接口、應(yīng)用多種交互模式的方法，讓用戶自由選擇語音和輸入設(shè)備，例如輔助鍵盤、鍵盤、鼠標(biāo)和輸入筆等。對于輸出，用戶能夠聽到語音提示和音頻，而且能夠查看圖形顯示器上的信息。 一般來說，真正的多通道應(yīng)用將不僅允許在訪問服務(wù)器信息時，不同模態(tài)共存于一個設(shè)備上，例如移動電話，而且可以存在于多個一起使用的設(shè)備上。例如，用戶可以一邊駕車，一邊詢問行駛方向。系統(tǒng)響應(yīng)生成，并通過圖形和文本顯示器傳送到司機(jī)的個人信息終端（PDA）或全球定位系統(tǒng)設(shè)備上。

　　W3C已經(jīng)認(rèn)識到，把各種不同的設(shè)備融合成一種綜合應(yīng)用的需求，并且成立了一個小組進(jìn)行研究。此機(jī)構(gòu)正在制定一種各種容量下的多通道、多設(shè)備同步化規(guī)范。 除了W3C正在進(jìn)行的工作外，其他組織機(jī)構(gòu)也認(rèn)識到多通道應(yīng)用的重要性，也提出許多不同的實(shí)現(xiàn)多通道的方法。IBM提出一種名為XHTML + 語音的設(shè)計(jì)方案，將 VoiceXML、XML和HTML相結(jié)合。此外，Microsoft、Cisco與Phiplips 語音處理以及其他一些公司共同建立一個研究機(jī)構(gòu)，已經(jīng)開發(fā)出一種名為語音應(yīng)用語言標(biāo)記（SALT）的多通道設(shè)計(jì)方案。

目前的多通道應(yīng)用

　　近年來，隨著社會發(fā)展步伐的加快，用戶越來越期望隨時隨地獲得信息。盡管傳統(tǒng)的計(jì)算機(jī)是獲取信息的一種最佳方式，但是用戶更時常需要通過一種小的移動裝置，如手機(jī)、無線PDA或智能全球定位系統(tǒng)來獲得這些信息。同時，盡管語音應(yīng)用正在逐漸成為了一種訪問網(wǎng)絡(luò)或公司數(shù)據(jù)的有效方法，但是在很多情況下，這種應(yīng)用適用范圍與效率都相當(dāng)?shù)�。但是，�?yīng)用本文所論述的性能增強(qiáng)方法，用戶可以得到更好的服務(wù)。

一些目前成功應(yīng)用VoiceXML的多通道應(yīng)用包括：

· 蜂窩廣播 - 使用SMS 通知服務(wù)用戶，某一事件發(fā)生，允許用戶即時操作按鈕接受服務(wù)。
· 遠(yuǎn)程信息處理 - 在車輛上通過語音詢問信息，并在個人數(shù)據(jù)終端查看結(jié)果。
· 語音電子郵件 - 使用語音指令發(fā)送接收電子郵件。
· 即時會議 - 在接通現(xiàn)有呼叫同時，使用語音指令撥打第三方號碼，然后三方同時通話。

　　事實(shí)上任何應(yīng)用方式都是可能的！

　　VoiceXML與多通道應(yīng)用，目前應(yīng)用正在逐步擴(kuò)大 - 電信運(yùn)營商DoCoMo與SprintPCS等將其應(yīng)用于增值服務(wù)，以增加自己的收入，旅游巨頭美聯(lián)航等將它用于旅游信息服務(wù)，通用電氣等企業(yè)將它用于允許公司用戶訪問公司的數(shù)據(jù)庫等。

　　本文中簡要說明的VoiceXML標(biāo)準(zhǔn)以及輔助技術(shù)，正在逐步激勵應(yīng)用開發(fā)商創(chuàng)建新型服務(wù)，鼓舞用戶接受新型服務(wù)的信心。

　　可以在下列網(wǎng)站上查看關(guān)于VoiceXML的信息：

• World Wide Web Consortium http://www.w3c.org/
• VoiceXML Forum 　　　　　　http://www.voicexml.org/
• IBM　　　　　　　　　　　　 http://www.ibm.com/
  
• Salt Forum　　　　　　　　 http://www.saltforum.org/
  

NMS國際通訊有限公司供稿 CTI論壇編輯