解決語音門戶

2002/06/17

。。語音合成技術(shù)在網(wǎng)站語音門戶中的應(yīng)用可以提供諸如有聲電子郵件、語音聊天室、電話購物等服務(wù)。在不遠(yuǎn)的將來，語音門戶系統(tǒng)必將成為一個全能的“翻譯器”，將無窮的互聯(lián)網(wǎng)資源通過電話提供給用戶，為用戶提供全天候、全方位的服務(wù)。

語音門戶的核心技術(shù)

。。語音門戶要求系統(tǒng)可以進(jìn)行動態(tài)、海量信息的數(shù)據(jù)查詢以及互聯(lián)網(wǎng)絡(luò)上信息的訪問，需使用的核心技術(shù)有：

。。語音合成技術(shù)（TTS）：用以將文本信息轉(zhuǎn)換為語音信息提供給用戶

。。語音識別技術(shù)（ASR）：用以取代繁瑣的按鍵輸入，使輸入更為便捷和人性化。

。。VXML技術(shù)：用以IVR平臺與互聯(lián)網(wǎng)絡(luò)交互信息。（IVR：Interactive Voice Response，交互式語音應(yīng)答系統(tǒng)。）

。。對于信息服務(wù)來說，TTS和ASR的融合意味著兩重含義。其一，由于聲音更加接近人類的語言，改進(jìn)后的TTS增強(qiáng)了用戶對該技術(shù)的認(rèn)可程度；其二，更加自然的TTS和高質(zhì)量的語音識別器能讓計算機(jī)和人們進(jìn)行真正意義上的對話，這樣，計算機(jī)就能理解對方（人）說的是什么，并且在自己模糊不清的時候，向?qū)Ψ剑ㄈ耍┰儐�，在交流中明晰客戶的需求�?

核心技術(shù)描述

。。語音合成技術(shù)的本質(zhì)是將文本信息轉(zhuǎn)化為語音信息，是實現(xiàn)人機(jī)語音通信，建立一個有聽和講能力的口語系統(tǒng)所必需的關(guān)鍵技術(shù)之一。

。。語音門戶系統(tǒng)是以先進(jìn)的CTI技術(shù)以及開放的Voice XML工業(yè)標(biāo)準(zhǔn)為基礎(chǔ)，架構(gòu)在ChinaNet網(wǎng)上的ICP；通過電話暢游互聯(lián)網(wǎng)，輕松“聽”網(wǎng)上的信息，“說”E-mail,“點擊”網(wǎng)上的鏈接。這是對傳統(tǒng)電話信息服務(wù)的一個重大改革；因為接入服務(wù)和內(nèi)容服務(wù)的分離，電話信息服務(wù)行業(yè)變成了一個開放式的行業(yè)，所有傳統(tǒng)的ICP都可以按照Voice XML的標(biāo)準(zhǔn)提供內(nèi)容服務(wù)，而豐富多樣的內(nèi)容又必然會刺激用戶的增加以及服務(wù)需求的增長。由于引入了VXML相關(guān)技術(shù)，可將平臺的復(fù)雜內(nèi)容屏蔽，無須熟悉底層平臺即可進(jìn)行高層應(yīng)用開發(fā)；大大地減輕了開發(fā)的難度，縮短開發(fā)周期，降低人力成本。

語音門戶的建設(shè)

。。在不影響電信運營商現(xiàn)有平臺的結(jié)構(gòu)和業(yè)務(wù)功能的前提下，主要需完成三個功能模塊的系統(tǒng)建設(shè)。在動態(tài)信息和海量信息的查詢業(yè)務(wù)上，首先必須完成的是對原有的數(shù)字錄音回放方式向TTS平臺的升級；進(jìn)而在進(jìn)行了TTS改造的平臺上構(gòu)建互聯(lián)網(wǎng)上的公共信息查詢服務(wù)和個性化信息查詢服務(wù)；考慮到實際運用情況，在具體業(yè)務(wù)方面建設(shè)UMS系統(tǒng)，可以基于此業(yè)務(wù)提供個人定制信息的服務(wù)，滿足人們對于及時性、個性化越來越高的要求。

。。TTS系統(tǒng)、VXML系統(tǒng)、UMS系統(tǒng)與已有IVR（電話語音自動應(yīng)答系統(tǒng)）平臺、Internet、PSTN結(jié)合如圖所示。

TTS系統(tǒng)的建設(shè)

。。傳統(tǒng)的數(shù)字錄音回放方式需要人工進(jìn)行錄音，新興的計算機(jī)技術(shù)“語音合成”，可以運用有限的系統(tǒng)資源將無限的文本信息合成為可聽的語音信息，從而可以改進(jìn)傳統(tǒng)的錄音回放方式。在不改變現(xiàn)有平臺的基礎(chǔ)上建立的TTS系統(tǒng)可以在信息服務(wù)的信息源提供上帶來如下改進(jìn)：

。。就工作量而言，錄音需要大量的人力，在信息量以級數(shù)增長的今天，錄音往往無法滿足信息的供給，而語音合成將絕大多數(shù)工作由機(jī)器代替，人們只需提供現(xiàn)成的文本信息即可輸出聲音信息。

。。對于動態(tài)的信息，尤其是對實時性要求很高的信息如：股票行情等，如果讓錄音員錄音則至少在半小時后才能對外提供，而語音合成可以實現(xiàn)實時的轉(zhuǎn)換，每分鐘可刷新一次。

。。由于信息的高速增長，錄音數(shù)據(jù)存放和查詢也存在問題。將信息以文本形式存儲在計算機(jī)中可節(jié)約大量系統(tǒng)資源再結(jié)合計算機(jī)技術(shù)對數(shù)據(jù)庫中的信息進(jìn)行搜索和整理將輸出的結(jié)果用語音合成轉(zhuǎn)換成聲音，這樣就可以解決信息服務(wù)中海量信息的存儲和查詢的問題。

。。錄音的信息維護(hù)、修改的工作量比較大。而文本信息的維護(hù)和修改相對要容易得多，通過語音合成技術(shù)只需對文本信息進(jìn)行修改就可以完成信息內(nèi)容的更改和維護(hù)工作。

VXML系統(tǒng)的建設(shè)

。。VXML系統(tǒng)的目的就是為了使電話和語音可以應(yīng)用在互聯(lián)網(wǎng)絡(luò)之上，除為消費者服務(wù)外，VXML還支持一些商務(wù)應(yīng)用，如話務(wù)中心、銀行交易和電子商務(wù)。通過VXML技術(shù)可以使語音門戶系統(tǒng)訪問到Internet Web上的各種信息，并實現(xiàn)信息的交互。再結(jié)合語音合成技術(shù)，將文本信息合成為語音信號，用戶就可以通過IVR平臺來訪問Web頁面上的信息了。

。。結(jié)合VXML技術(shù)，語音系統(tǒng)可以提供更多的個人信息服務(wù)：商品交易、金融交易、求職招聘等。相對傳統(tǒng)的同類服務(wù)，此類服務(wù)與Internet信息共享，更為貼近用戶和可以面對更廣泛的人群。

UMS系統(tǒng)建設(shè)

。。統(tǒng)一消息系統(tǒng)（UMS）是一個將各種傳播手段整合的系統(tǒng)，結(jié)合了各種網(wǎng)絡(luò)，用戶可以使用電話、手機(jī)、傳真、呼機(jī)、數(shù)字移動設(shè)備和個人電腦等途徑與系統(tǒng)交互信息。在語音門戶平臺中加入UMS系統(tǒng)，將有助于平臺提供更多樣化的服務(wù)，與用戶結(jié)合更為緊密。

。。UMS 是語音與數(shù)據(jù)融合的產(chǎn)物，一系列的服務(wù)提供商可以通過提供UMS服務(wù)來擴(kuò)展自己的業(yè)務(wù)范圍。UMS服務(wù)可以通過統(tǒng)一平臺來提供給用戶， 也可以由服務(wù)提供商將各種信息儲存設(shè)備集成起來，通過不同途徑提供給用戶。

。。有聲電子郵件（Voice-Mail）系統(tǒng)就是UMS系統(tǒng)的一個具體應(yīng)用，它通過電話、手機(jī)等通信工具可以向用戶提供Internet上的E-mail服務(wù)。因而人們可以不受設(shè)備的限制，隨時隨地的收發(fā)電子郵件，即使身處異地，仍然不會錯過E-mail中攜帶的重要商機(jī)。

網(wǎng)絡(luò)世界