不僅是技術(shù)—語音門戶專題系列(一)

郭連頗 2002/01/25

　　編者按：基于語音識(shí)別和合成技術(shù)的語音門戶近來被炒得沸沸揚(yáng)揚(yáng)。語音門戶不僅僅是新的技術(shù)，而已經(jīng)是成熟的產(chǎn)品，只不過還沒有被真正引入國(guó)內(nèi)。目前，能夠用于語音門戶的語音識(shí)別核心技術(shù)基本上掌握在以下幾家公司手里：PHILIPS、Nuance、IBM、SpeechWorks和InfoTalk。盡管這些公司都有實(shí)際應(yīng)用的案例，但其技術(shù)不一定都能應(yīng)用于語音門戶。

　　語音門戶在中國(guó)的推廣，核心問題不是在技術(shù)上，而是在應(yīng)用開發(fā)和服務(wù)上。限于設(shè)計(jì)、建設(shè)和運(yùn)營(yíng)中文語音門戶經(jīng)驗(yàn)的欠缺，許多應(yīng)用開發(fā)商（ASP）和核心技術(shù)開發(fā)商還只是在向用戶推薦技術(shù)和概念。但如果這些方案并不具備商業(yè)操作價(jià)值，不能在語音門戶的運(yùn)營(yíng)上創(chuàng)造價(jià)值，也就沒有任何應(yīng)用價(jià)值。

　　本專題將以系列報(bào)道的形式連續(xù)、全面地介紹語音門戶，澄清一些誤解，并探討如何在中國(guó)建設(shè)語音門戶。

語音門戶介紹

　　語音門戶（Voice Portal）是溝通電信用戶、電信網(wǎng)絡(luò)及其他信息系統(tǒng)的橋梁，它是一種產(chǎn)品，而不是一種技術(shù)。語音門戶的主要特點(diǎn)包括：

• 為固定和移動(dòng)通信用戶和運(yùn)營(yíng)商提供服務(wù)；

• 一個(gè)號(hào)碼接入: 用戶撥入一個(gè)特服號(hào)碼，享受全部服務(wù)；

• 以自動(dòng)語音識(shí)別（ASR）提供導(dǎo)航和服務(wù)；

• 提供個(gè)性化和人性化綜合服務(wù)和統(tǒng)一消息服務(wù)。

　　 具體地說，語音門戶應(yīng)該是建立在電信運(yùn)營(yíng)商的電信網(wǎng)絡(luò)上，為客戶提供個(gè)性化和人性化的客戶服務(wù)、信息服務(wù)、轉(zhuǎn)接服務(wù)和個(gè)人定制服務(wù)的平臺(tái)。在這個(gè)平臺(tái)上，用戶通過語音界面，可以更快捷、更方便地獲得比傳統(tǒng)IVR系統(tǒng)更豐富的信息和更完善的服務(wù)。

成功案例

　　從20世紀(jì)90年代末以來，隨著語音技術(shù)的成熟和逐步實(shí)用化，由于計(jì)算機(jī)硬件性能的飛速提高，語音門戶開始在世界發(fā)達(dá)國(guó)家出現(xiàn)。特別是在歐洲和美洲，較高的用戶消費(fèi)水平能夠消化吸收較昂貴的新技術(shù)，語音技術(shù)開始進(jìn)入客戶服務(wù)和信息服務(wù)領(lǐng)域，并逐漸與互聯(lián)網(wǎng)融合在一起，為客戶提供個(gè)性化和人性化的服務(wù)。目前，國(guó)際上比較成功的案例有：

• Vodafone：綜合信息系統(tǒng)，提供個(gè)性化統(tǒng)一消息服務(wù)。

• Mannesmann Arcor：在德國(guó)推出了Talking Web。這項(xiàng)創(chuàng)新技術(shù)使語音入口的內(nèi)容不再必須從指定數(shù)據(jù)庫(kù)中檢索，而可以直接從Web服務(wù)器上訪問。

• Omnitel：1999年5月開通，電信增值服務(wù)平臺(tái)。提供財(cái)經(jīng)、生活、娛樂等各種信息服務(wù)和轉(zhuǎn)接服務(wù)。

• 臺(tái)灣和信電訊Ms.600：2000年8月開通，移動(dòng)通信增值服務(wù)平臺(tái)。提供信息服務(wù)、轉(zhuǎn)接服務(wù)、統(tǒng)一消息服務(wù)。（詳細(xì)資料請(qǐng)參考http://www.kgt .com.tw/sitemap/qminfo_08.html）

澄清一些概念

　　（1）VoiceXML不是語音門戶標(biāo)準(zhǔn)

　　經(jīng)常有人把VoiceXML說成語音門戶的標(biāo)準(zhǔn)。實(shí)際上，在VoiceXML出現(xiàn)之前，語音門戶就存在了。VoiceXML不是語音門戶的標(biāo)準(zhǔn)，只是用于解決互聯(lián)網(wǎng)與語音界面的接口問題。VoiceXML目前還存在一些問題，主要表現(xiàn)在：

• VoiceXML的標(biāo)準(zhǔn)還在制訂和完善過程中；

• 目前還沒有解決雙向的問題，只有提問，沒有回答，只能下載Web page；

• 目前世界上大部分網(wǎng)站用的都是HTML或WML標(biāo)識(shí)語言，如果要求所有的網(wǎng)站都支持VXML的標(biāo)識(shí)語言，還有相當(dāng)?shù)木嚯x。

　　 目前，計(jì)算機(jī)硬件、操作系統(tǒng)、電信、網(wǎng)絡(luò)和語音識(shí)別的主導(dǎo)廠商正在起草一個(gè)新的語音處理標(biāo)準(zhǔn)—語音應(yīng)用語言標(biāo)識(shí)（SALT，Speech Application Language Tags），它能夠兼容HTML、xHTML和XML。參與制訂這一新標(biāo)準(zhǔn)的廠商有：Cisco、Intel、Microsoft、Phillips和SpeechWorks等。詳細(xì)信息請(qǐng)參考其網(wǎng)站：www.saltforum.org。因此，VoiceXML的前途如何，還有很大的疑問。

　　（2）不同領(lǐng)域的語音識(shí)別技術(shù)

　　并非所有的語音識(shí)別技術(shù)都能應(yīng)用于語音門戶。語音識(shí)別技術(shù)可以分為3種：

• 個(gè)人終端設(shè)備上的技術(shù)——以固化語音模塊形式嵌入PDA、手機(jī)、玩具、家用電器等產(chǎn)品。其特點(diǎn)是：簡(jiǎn)單功能，小詞匯量、針對(duì)特定用戶（需要用戶事先訓(xùn)練機(jī)器才能聽懂）。目前也有一些更小詞匯量的，針對(duì)非特定用戶的產(chǎn)品。

• 基于PC的技術(shù)——語音指令控制PC動(dòng)作、聽寫錄入。支持大詞匯量、針對(duì)特定用戶，使用前必須訓(xùn)練，要求安靜的使用環(huán)境。

• 基于電信網(wǎng)絡(luò)的技術(shù)——應(yīng)用于電信網(wǎng)絡(luò)中，提供大詞匯量識(shí)別、與用戶無關(guān)。這個(gè)領(lǐng)域中的語音識(shí)別系統(tǒng)，由于受到語音傳輸頻寬、環(huán)境噪聲、系統(tǒng)回聲、電磁干擾、不允許實(shí)現(xiàn)訓(xùn)練等更加苛刻的約束，對(duì)技術(shù)的要求就更高。

　　之所以要區(qū)分這三種技術(shù)，是因?yàn)檫@三種技術(shù)應(yīng)用于不同的領(lǐng)域，其技術(shù)結(jié)構(gòu)有非常大的差別。一個(gè)領(lǐng)域的產(chǎn)品，轉(zhuǎn)化為另一領(lǐng)域的產(chǎn)品是十分困難的。用戶在選擇語音識(shí)別技術(shù)的時(shí)候，要看其專長(zhǎng)在哪個(gè)領(lǐng)域。

　　（3）語音門戶不是語音網(wǎng)站

　　一提到語音門戶，總有人把他說成語音門戶網(wǎng)站。實(shí)際上，語音網(wǎng)站僅僅是語音門戶的一個(gè)很小的部分。如前所述，語音門戶集成了電信網(wǎng)絡(luò)、計(jì)算機(jī)網(wǎng)絡(luò)和互聯(lián)網(wǎng)，提供統(tǒng)一消息服務(wù)，遠(yuǎn)比語音網(wǎng)站豐富和強(qiáng)大。

計(jì)算機(jī)世界報(bào) 2002/01/25

核心技術(shù)與流程設(shè)計(jì) 語音門戶的兩扇門