語音應(yīng)用（VAP）技術(shù)指基于語音進(jìn)行處理的技術(shù)，包括語音識(shí)別技術(shù)和語音合成技術(shù)等。語音應(yīng)用技術(shù)（以下簡(jiǎn)稱VAP技術(shù)）反映了對(duì)語音信號(hào)進(jìn)行處理的能力，其發(fā)展的程度，將影響計(jì)算機(jī)通過語音與人類進(jìn)行交互的能力，并將影響計(jì)算機(jī)應(yīng)用的領(lǐng)域。

　　下面將就VAP技術(shù)與CTI技術(shù)的結(jié)合進(jìn)行有關(guān)的介紹。


　　四大變化


　　我們知道，目前世界范圍內(nèi)最大的通信網(wǎng)絡(luò)仍然是電話網(wǎng)絡(luò)。不管將來數(shù)據(jù)網(wǎng)絡(luò)技術(shù)如何發(fā)展，人與人之間最方便的交流方式還是語音交流。畢竟對(duì)于很多人來說，熟練地操作鍵盤并不是容易的事情。

　　對(duì)于CTI技術(shù)也是一樣。CTI技術(shù)的優(yōu)勢(shì)，在于將傳統(tǒng)的電話語音網(wǎng)絡(luò)發(fā)展成為用戶獲得各種信息的接入手段，而通過VAP技術(shù)可以極大地加強(qiáng)這種接入手段的能力。例如，通過VAP技術(shù)，用戶可以在旅行的過程中，通過電話“聽”取自己電子郵件的內(nèi)容，并通過語音留言回復(fù)有關(guān)的郵件，而不必?cái)y帶笨重的計(jì)算機(jī)。

　　CTI技術(shù)的核心是有個(gè)龐大的信息庫，通過CTI技術(shù)完成與用戶的交互功能。而采用了VAP技術(shù)后，用戶就可以通過語音，直接對(duì)這個(gè)信息庫進(jìn)行24小時(shí)的訪問，并十分容易地獲得各種個(gè)性化服務(wù)，這無疑將會(huì)對(duì)CTI技術(shù)產(chǎn)生革命性的影響。

　　1．接入手段的提升

　　通過VAP技術(shù)，我們可以直接用語音進(jìn)行有關(guān)的交互工作。其優(yōu)勢(shì)表現(xiàn)在如下幾個(gè)方面。

　　第一，效率提高了。例如，目前在聽完了大段的語音提示選單后，我們還要不斷地停下來，按動(dòng)電話上有限的數(shù)字按鍵，進(jìn)行相應(yīng)的選擇，然后繼續(xù)聽下一段的語音提示。

　　在使用了VAP技術(shù)后，我們可以像與服務(wù)員一樣，采用語音的方式，連續(xù)地聽語音選單，并直接通過語音“說”出相關(guān)的選擇，避免了連續(xù)按鍵的過程。

　　第二，交互的界面更加豐富了。我們知道，傳統(tǒng)的電話僅能通過DTMF信號(hào)，傳送有限的幾個(gè)數(shù)字及符號(hào)按鍵，這使得與用戶的交互界面常常受到限制，而VAP技術(shù)則采用了語音識(shí)別的方式，其交互的界面幾乎不受限制，極大地?cái)U(kuò)展了交互的能力。

　　第三，信息終端的小型化。在目前，信息終端普遍是計(jì)算機(jī)，體積大而不便攜帶。采用VAP技術(shù)以后，電話將成為有效的信息終端。用戶在馬路邊的公共電話亭，就可以方便地獲得信息，將產(chǎn)生出許多嶄新的應(yīng)用。

　　2．開辟語音服務(wù)的廣闊市場(chǎng)

　　將VAP技術(shù)與CTI技術(shù)相結(jié)合，將產(chǎn)生許多新的業(yè)務(wù)應(yīng)用。這些應(yīng)用不僅可以強(qiáng)化CTI傳統(tǒng)的一些應(yīng)用，如語音自動(dòng)應(yīng)答業(yè)務(wù)等，而且能夠發(fā)展出許多嶄新的業(yè)務(wù)應(yīng)用，既豐富了為用戶服務(wù)的形式，也給運(yùn)營(yíng)商帶來巨大的利潤(rùn)。具體的例子詳見本文下面的應(yīng)用舉例。

　　3．與移動(dòng)通信技術(shù)的結(jié)合，促進(jìn)個(gè)人化信息終端的發(fā)展

　　目前的移動(dòng)通信技術(shù)，可以使用戶在語音通信方面具有移動(dòng)性。與VAP技術(shù)結(jié)合后，用戶可以方便地在移動(dòng)中，通過語音獲得各種信息。

　　這可以在某種程度上，分擔(dān)WAP技術(shù)中顯示屏幕過小所帶來的信息訪問的不便。例如，可以通過WAP進(jìn)行有關(guān)文字方面的檢索，然后將大段的信息通過語音拼讀以語音的形式通知用戶。

　　4．促進(jìn)自動(dòng)信息服務(wù)的發(fā)展

　　在傳統(tǒng)的IVR系統(tǒng)中，只能事先錄好各種提示音，既占用了大量的存儲(chǔ)資源，又很難靈活應(yīng)對(duì)用戶的交互需求。采用VAP技術(shù)以后，事先可以不用錄制提示音，信息仍以數(shù)字化方式存在，通過語音合成技術(shù)將信息“讀”給用戶聽。這樣，IVR還可以擔(dān)負(fù)有關(guān)的信息檢索的功能。例如，通過有關(guān)的搜索引擎，可以直接在互聯(lián)網(wǎng)上檢索信息，并將結(jié)果“讀”給用戶。

　　由于這種技術(shù)是24小時(shí)不間斷的，而且服務(wù)的內(nèi)容完全可以依據(jù)海量的信息庫自動(dòng)進(jìn)行，因此將完全改變現(xiàn)有IVR系統(tǒng)的形式和內(nèi)容。


　　四大新應(yīng)用


　　下面列舉一些VAP技術(shù)與CTI技術(shù)結(jié)合后的應(yīng)用例子。

　　1． 電子郵件語音識(shí)別

　　采用VAP技術(shù)后，用戶可以直接通過撥打一個(gè)電話，而“聽”自己的新郵件內(nèi)容，并通過電話直接進(jìn)行語音回復(fù)。在撥通號(hào)碼的時(shí)候，系統(tǒng)首先進(jìn)行有關(guān)的用戶身份鑒別，然后檢查郵箱。如果有新的電子郵件到達(dá)，將通過語音合成技術(shù)，將郵件的題目和發(fā)信人直接“讀”給用戶聽，然后通過語音識(shí)別技術(shù)判斷用戶的選擇，如果用戶想知道郵件的內(nèi)容，則繼續(xù)通過語音合成技術(shù)，將郵件的內(nèi)容讀給用戶聽。當(dāng)用戶需要進(jìn)行立刻回復(fù)時(shí)，系統(tǒng)將自動(dòng)錄取用戶的回復(fù)內(nèi)容，并將該錄音文件通過電子郵件系統(tǒng)回復(fù)給發(fā)信人。

　　如果用戶想發(fā)新的郵件，可以通過語音識(shí)別技術(shù)，告訴系統(tǒng)收信人地址，然后將該郵件直接發(fā)給收信人。如果“語音”郵件不方便閱讀，則可以通過語音識(shí)別技術(shù)將用戶的語音信息轉(zhuǎn)成文字信息，然后傳給有關(guān)的閱信人。

　　2． 虛擬主持人

　　通過語音合成技術(shù)，目前已經(jīng)出現(xiàn)了虛擬主持人主持的新聞節(jié)目。用戶在互聯(lián)網(wǎng)上有關(guān)站點(diǎn)檢索到自己感興趣的內(nèi)容后，屏幕上將顯示一個(gè)虛擬的主持人形象（一般是通過動(dòng)畫技術(shù)來顯示），這位主持人將根據(jù)信息的內(nèi)容，自動(dòng)地通過語音合成技術(shù)將這些信息播放給用戶，同時(shí)嘴唇做相應(yīng)的動(dòng)作，就像新聞播音員直接進(jìn)行報(bào)道一樣。這種虛擬主持人技術(shù)，可以提供24小時(shí)的全天候報(bào)道，報(bào)道的內(nèi)容根據(jù)用戶選擇的內(nèi)容決定。

　　這種虛擬的主持人技術(shù)，可以應(yīng)用到新聞、娛樂等不同的領(lǐng)域，如果與電視應(yīng)用結(jié)合，還會(huì)產(chǎn)生出更多的應(yīng)用內(nèi)容。

　　3． 聲紋密碼識(shí)別

　　目前，我們的身份識(shí)別可以采用指紋、照片等方式進(jìn)行。另一方面，每個(gè)人的聲音也包含了其自身的特點(diǎn)，如果將其作為身份鑒別的一種依據(jù)，就要考慮聲紋密碼識(shí)別技術(shù)。

　　能夠通過聲紋識(shí)別技術(shù)，可以完全確定一個(gè)人的身份，就可以極大地加強(qiáng)在語音方面的應(yīng)用領(lǐng)域。例如，在現(xiàn)有的電話系統(tǒng)中，如果沒有專用的端加密設(shè)備，通過DTMF信號(hào)輸入身份密碼，很容易就可能被別人竊取。而如果是通過聲紋鑒別技術(shù)，可十分安全地保證系統(tǒng)的可靠性，同時(shí)別人無法模仿，即使竊取了也沒有用處。這樣，將來就可以很容易地進(jìn)行有關(guān)的電話銀行業(yè)務(wù)的處理。通過電話，用戶就可以進(jìn)行各種銀行業(yè)務(wù)，遠(yuǎn)遠(yuǎn)超出今天電話銀行所能夠提供的業(yè)務(wù)內(nèi)容。

　　另一方面，在CTI應(yīng)用中，傳統(tǒng)的“Screen Pop”功能，僅能夠通過用戶的主叫號(hào)碼進(jìn)行用戶身份的自動(dòng)識(shí)別，而電話號(hào)碼并不能唯一地確定用戶的身份。通過聲紋識(shí)別技術(shù)，可以唯一地確定用戶的身份，因此能更加快捷地為用戶提供“個(gè)性化”服務(wù)。

　　同時(shí)，在電話訂購商品方面，也將有極大的推動(dòng)作用。廠家可以根據(jù)有關(guān)的聲紋識(shí)別技術(shù)，判斷這些信息的可信度如何，并據(jù)此決定是否送貨等，由此可以大大地提高電話訂購商品的效率，推動(dòng)“電話商務(wù)”的發(fā)展。

　　4． 語音瀏覽互聯(lián)網(wǎng)

　　目前，互聯(lián)網(wǎng)是世界上最大的信息庫，而通過計(jì)算機(jī)進(jìn)行信息檢索，對(duì)移動(dòng)用戶等十分地不便。如果通過電話網(wǎng)絡(luò)，就可以在互聯(lián)網(wǎng)上進(jìn)行信息檢索，無疑具有十分誘人的前景。通過語音合成技術(shù)，可以將檢索到的信息以簡(jiǎn)單的形式播放給用戶聽，然后用戶可選擇是否聽詳細(xì)的內(nèi)容。

　　以上僅列舉了一些應(yīng)用的內(nèi)容。因?yàn)镃TI技術(shù)代表的是與電話網(wǎng)絡(luò)的接口，而VAP技術(shù)則代表了通過語音技術(shù)進(jìn)行信息處理的能力。因此，兩者的結(jié)合，能夠產(chǎn)生出更多的、目前無法預(yù)料的業(yè)務(wù)應(yīng)用。


　　影響力還會(huì)更深


　　目前的VAP技術(shù)，還存在許多的技術(shù)難點(diǎn)。英語方面研究較多，也比較成熟，有些方面已經(jīng)可以進(jìn)行商用。但在漢語方面，還有很多的工作要做。另一方面，由于VAP技術(shù)還比較新，因此在CTI產(chǎn)業(yè)中還沒有形成影響力，缺乏一支相應(yīng)的產(chǎn)業(yè)化隊(duì)伍進(jìn)行推動(dòng)。

　　為此，應(yīng)加大在兩者相互結(jié)合方面的研究工作。同時(shí)，結(jié)合一些已經(jīng)可以商用的VAP技術(shù)，尋找可以商用的應(yīng)用業(yè)務(wù)，為用戶帶來真正的實(shí)惠。

　　在VAP技術(shù)與CTI技術(shù)結(jié)合方面，還要做大量的宣傳工作，吸引兩方面企業(yè)聯(lián)合，共同開拓有關(guān)的市場(chǎng)。