一． VoiceXML簡介

　　VoiceXML（Voice eXtensible Markup Language）是由VoiceXML論壇制定的通過電話訪問Internet網(wǎng)絡(luò)的標準。1999年3月，由Motorola、Lucent、AT&T和IBM四家公司聯(lián)合發(fā)起成立了VoiceXML論壇（www.voicexml.org），其目的在于為電話和移動設(shè)備提供一種便捷的訪問Internet網(wǎng)絡(luò)，獲取服務和信息的手段。2000年3月，VoiceXML論壇發(fā)布了VoiceXML 1.0標準。5月，W3C（World Wide Web Consortium）接受了VoiceXML1.0。目前，國內(nèi)外共有150多家公司支持VoiceXML，Motorola、Lucent等公司已開發(fā)出了基于VoiceXML的產(chǎn)品。
　　VoiceXML是W3C定義的可擴展標記語言(XML)的一種擴展，根據(jù)播放的提示信息、口述的命令、要記錄和識別的語音或按鍵音輸入，實現(xiàn)人和計算機之間的交互對話。VoiceXML的標準化將簡化Web上具有語音響應服務的個性化界面的創(chuàng)建，使人們能夠通過語音和電話訪問網(wǎng)站上的信息和服務。
　　VoiceXML的主要目標是希望通過交互式語音界面應用Web上已經(jīng)有的大量信息，同時VoiceXML希望能夠?qū)㈤_發(fā)人員從最低級的編程和資源處理工作中解放出來。VoiceXML能夠利用人們已經(jīng)非常熟悉的客戶機/服務器方式，將語音服務和數(shù)據(jù)服務融合起來。
　　VoiceXML作為一種標記語言，主要有以下特點：
　　1． VoiceXML作為一種通過每一文件里指定的多重的交互作用，最小化客戶機/服務器之間的交互工作。
　　2． 實現(xiàn)應用開發(fā)者與低層的軟件和系統(tǒng)平臺上的軟、硬件細節(jié)無關(guān)。
　　3． 將用戶交互作用的代碼（在VoiceXML中）從服務邏輯（CGI 腳本）中分離出來。
　　4． 要使提供的服務能隨處可得，要求這些服務能夠跨越不同的執(zhí)行平臺。對于內(nèi)容服務商、工具提供商和平臺提供商來說，VoiceXML是一個公共語言。
　　5． 使簡單的交互作用非常易于使用，要求所提供的語音界面能支持復雜的對話。

二． VoiceXML的結(jié)構(gòu)模型

　　VoiceXML的模型如圖1所示，一個文檔服務器比如說一個Web服務器，處理一個來自終端應用的請求，這一請求經(jīng)過了VoiceXML解釋程序和VoiceXML解釋程序環(huán)境處理。作為響應，服務器產(chǎn)生出VoiceXML文檔，在回復當中，要經(jīng)過VoiceXML解釋程序的處理。
　　執(zhí)行平臺是被VoiceXML解釋程序環(huán)境和VoiceXML解釋程序控制的。例如，在一個交互式語音應答應用中，VoiceXML解釋程序環(huán)境能可靠地監(jiān)測到呼叫，獲得初始的VoiceXML文檔，并且回答這一呼叫，在回答之后VoiceXML解釋程序引導這一對話。執(zhí)行平臺產(chǎn)生事件響應用戶的動作（說話或者字符輸入）和系統(tǒng)事件（例如計時器溢出）。這些事件中的一部分依照相應的VoiceXML文檔按照VoiceXML解釋程序的解釋加以執(zhí)行，其他的被VoiceXML解釋程序環(huán)境控制。
　　VoiceXML解釋程序是一個計算機程序，它解釋一個VoiceXML文檔，引導和控制用戶與執(zhí)行平臺之間的交互作用。VoiceXML解釋程序環(huán)境也是一個計算機程序，用一個VoiceXML解釋程序解釋一個VoiceXML文檔，并且可以與執(zhí)行平臺相互作用而與VoiceXML解釋程序無關(guān)。
　　執(zhí)行平臺是指一個能支持VoiceXML定義的交互作用的計算機。執(zhí)行平臺提供字符和語圖1 VoiceXML的結(jié)構(gòu)模型
音的輸入和音頻輸出，包括合成語音的輸出（TTS，text to speech）、音頻文件的輸出、話音輸入的識別（ASR ，automated speech recognition）、DTMF輸入的識別、語音輸入的錄音、電話功能像呼叫轉(zhuǎn)移等。

三． VoiceXML的基本概念

　　首先舉一個簡單的例子：
　　<?xml version="1.0"?>
　　<vxml version="1.0">
　　<form>
　　<block>Hello World!</block>
　　</form>
　　</vxml>
　　這是一個簡單的VoiceXML文檔，執(zhí)行時輸出Hello World!的合成語音。<vxml>可以看作一個包含會話的容器，所有的VoiceXML文檔都是由一系列會話構(gòu)成的。一個VoiceXML文檔（或稱為請求的一組文檔）構(gòu)成了一個對話式的有限狀態(tài)機。用戶總是處于某一對話狀態(tài)（或稱為會話）。每一個會話決定要轉(zhuǎn)移到的下一個會話。轉(zhuǎn)移由URIs指定，URIs定義下一個要使用的文檔和會話。當一個會話沒有指定后繼者或指明退出對話狀態(tài)時操作才會終止。
VoiceXML中的基本概念主要有：
　　1．會話和子會話：VoiceXML中定義了兩種類型的會話，表單（forms）和選單（menus）。表單定義了一個獲取一組字段變量的值的交互過程。每一個字段可以指定一個文法，定義了該字段的允許的輸入值。選單提供選項供用戶選擇，然后根據(jù)選擇的結(jié)果轉(zhuǎn)移到另一個會話。
　　子會話像函數(shù)調(diào)用，它引起一個新的交互作用并且返回給上一層的表單。局部的數(shù)據(jù)，文法和狀態(tài)信息被保存，當返回到調(diào)用文檔時可以使用。例如，子會話可以用于創(chuàng)建一個在數(shù)據(jù)庫查詢時需要的確認序列；創(chuàng)建在單一請求中的多個文檔共享的一批組件；或創(chuàng)建一個在多個請求中共享的可重用的會話庫。
　　2．會話期：會話期從用戶與VoiceXML解釋程序語境交互開始，持續(xù)進行文檔的裝載和處理，直到由用戶，文檔或解釋程序環(huán)境發(fā)出終止請求才結(jié)束。
　　3．請求：一個請求就是一組共享同一個請求根文檔的文檔。在一個請求中，無論何時用戶與文檔交互，請求根文檔總是被加載。當用戶在同一個請求中的不同文檔間轉(zhuǎn)換時，請求根文檔總是被加載，只有用戶轉(zhuǎn)換到別的請求中的文檔時請求根文檔才被卸載。請求根文檔被加載后，它的變量作為請求變量被其它文檔使用，而且它的文法在請求的持續(xù)時間一直起作用。
　　4．文法：每一個會話有一個或多個語音和（或）DTMF文法。在定向?qū)υ拺�用中，一個會話的文法只有在使用者與此會話交互時才起作用。在混合主動式對話中，機器和用戶交替控制下一步的操作，一些會話被標記以使它們的文法（如偵聽呼叫）即使當用戶在同一文檔的其它會話時也起作用。在這種情況下，如果用戶進行的操作與另一個會話的有效文法匹配，執(zhí)行就會轉(zhuǎn)移到另一個會話�；旌现鲃邮綄υ捲黾恿苏Z音應用的適應性和能力。
　　5．事件：VoiceXML提供一種表單填充機制處理"正常"的用戶輸入。另外，VoiceXML也定義了處理異常事件的機制。如用戶在一定時間內(nèi)沒有作出應答，請求系統(tǒng)幫助等情況下平臺會產(chǎn)生事件。如果解釋器在VoiceXML文檔中發(fā)現(xiàn)語義性錯誤也會產(chǎn)生事件。
　　6．鏈接：鏈接支持混合主動式對話，當用戶在鏈接的作用范圍時它指定的文法就起作用。如果用戶的輸入與鏈接的文法匹配，控制就轉(zhuǎn)移到鏈接的目的URI。<link>可以用來產(chǎn)生一個事件跳轉(zhuǎn)到目的URI。

四． VoiceXML的未來

　　VoiceXML與XML相比具有某些重要的優(yōu)點，其中最主要的優(yōu)點是能夠重復使用和容易重組現(xiàn)有的軟件工具，以生成、轉(zhuǎn)換和分析XML文件，而且還能使VoiceXML利用其他基于XML的補充標準。例如，VoiceXML應用程序有時需要確定語音合成參數(shù)，比如音量、講話快慢和音調(diào)等。
　　與WAP相比，VoiceXML有突出的優(yōu)點。由于手持移動設(shè)備(如WAP手機)只有很小的顯示屏，有限的輸入能力和有限的處理功能，文本界面的數(shù)據(jù)處理設(shè)備很難被使用。VoiceXML不存在這些限制，用戶可以用聲音與系統(tǒng)交互，通過一系列的對話選擇，找到所需的信息。服務器上的語音識別軟件把用戶的輸入語音的選擇轉(zhuǎn)換成文本的選擇，這一過程與在傳統(tǒng)的網(wǎng)頁上選擇一個超連接類似。對話選擇的結(jié)果由相應的音頻文件播放(可以是事先錄下的或采用TTS技術(shù)動態(tài)產(chǎn)生)。
　　在手機等手持移動設(shè)備上通過語音而不是煩瑣的輸入來獲取信息和服務更符合人們的習慣，隨著語音信號處理技術(shù)，特別是ASR和TTS技術(shù)的發(fā)展，語音將成為人機交互的一種主要形式。VoiceXML論壇就是順應這種潮流而成立的，VoiceXML論壇獲得了國內(nèi)外知名的通信公司和網(wǎng)絡(luò)公司的廣泛支持，目前已有包括國內(nèi)的華為公司在內(nèi)的的150多家公司加入VoiceXML論壇。