VoiceXML簡介

黃偉峰 2001/04/19

　　 為了促進(jìn)CTI技術(shù)和語音技術(shù)的發(fā)展，IBM、Lucent、AT&T和Motorola四大通信公司成立了VoiceXML（Voice Extensible Markup Language，語音擴(kuò)展標(biāo)記語言）的論壇。這種新的語音技術(shù)，使用戶能通過電話和語音來訪問Internet。這項(xiàng)技術(shù)能夠幫助企業(yè)、電信公司、互聯(lián)網(wǎng)公司增加網(wǎng)絡(luò)使用率，提高用戶忠誠度，開發(fā)新市場，從而增強(qiáng)企業(yè)的競爭力。

一、VoiceXML的起源

　　 VoiceXML 是一個(gè)新的通過語音對(duì)話訪問Web 內(nèi)容和交互語音應(yīng)答的傳遞標(biāo)準(zhǔn)。在 1999 年初，IBM、Lucent、AT&T和Motorola成立了 VoiceXML 論壇， 來協(xié)調(diào)現(xiàn)有的語音技術(shù)，以使用戶可以通過聲音和電話訪問互聯(lián)網(wǎng)。語音技術(shù)不但讓那些由于環(huán)境或生理限制無法使用圖形化瀏覽器的人得以訪問 Web，也為所有的用戶提供了更為便捷的Web訪問功能。

　　 新的語音技術(shù)可以創(chuàng)建出對(duì)話驅(qū)動(dòng)的應(yīng)用程序,例如語音識(shí)別技術(shù)（ASR）、語音合成技術(shù)(TTS)以及在 PC 和服務(wù)器(分發(fā)到客戶端設(shè)備)上記錄和回放數(shù)字化語音。VoiceXML 提供了一種與技術(shù)無關(guān)的語言，可以用在語音應(yīng)用程序中。這些應(yīng)用程序?qū)⒑蠖颂幚碚Z音的服務(wù)和處理機(jī)制與前端基于 VoiceXML 的表示層分離開。例如，一個(gè)精心設(shè)計(jì)的 Web 站點(diǎn)可以輕而易舉地支持語音驅(qū)動(dòng)的瀏覽器(比如在移動(dòng)電話上使用的那種)，同時(shí)它能支持其他的瀏覽器(比如WAP 瀏覽器或 HTML 瀏覽器)。當(dāng)接收到來自瀏覽器的最初請求時(shí)，服務(wù)器將監(jiān)測出瀏覽器的類型。如果瀏覽器被確認(rèn)為一個(gè)語音瀏覽器，服務(wù)器將返回對(duì)應(yīng)的 VoiceXML 頁面。

　　 由于VoiceXML技術(shù)和語音技術(shù)的快速發(fā)展，已經(jīng)有150個(gè)以上的公司和組織加入和VoiceXML論壇（www.voicexml.org），其中包括一些非常有名的通信公司，如AT&T、Lucent、Motorola、Alcatel、Cisco、Hitachi，以及我國的華為通信公司。

二、 VoiceXML的系統(tǒng)結(jié)構(gòu)及其應(yīng)用舉例

　　 VoiceXML 1.0規(guī)范基于W3C的工業(yè)標(biāo)準(zhǔn)XML，為語音和電話應(yīng)用的開發(fā)者、服務(wù)提供商和設(shè)備制造商提供了一個(gè)智能化的API。VoiceXML的標(biāo)準(zhǔn)將簡化Web上具有語音響音服務(wù)的個(gè)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(wù)，同時(shí)與CGI（PERL、PHP、C、JAVA SERVLET等）的腳本結(jié)合在一起來檢索后臺(tái)數(shù)據(jù)庫，訪問企業(yè)內(nèi)部網(wǎng)，從而最終將語音瀏覽器與微型瀏覽器融合在一起，實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)與電話技術(shù)的完美結(jié)合。

　　 同傳統(tǒng)的Internet網(wǎng)站相比，在不需要太大的改動(dòng)前提下，只要增加一個(gè)VoiceXML的服務(wù)器，處理來自PSTN的應(yīng)用即可。在VoiceXML的服務(wù)器中，包含了VoiceXML的解釋器(VoiceXML解釋程序語境)、VoiceXML自帶的瀏覽器、自動(dòng)語音識(shí)別（ASR）及文本到語音（TTS）的轉(zhuǎn)換設(shè)備。

　　 VoiceXML解釋程序是一個(gè)計(jì)算機(jī)程序，它解釋一個(gè)VoiceXML文件，引導(dǎo)和控制用戶與執(zhí)行平臺(tái)之間的交互作用。VoiceXML解釋程序語境也是一個(gè)計(jì)算機(jī)程序，用一個(gè)VoiceXML解釋程序解釋一個(gè)VoiceXML文件，并且可以與執(zhí)行平臺(tái)相互作用，而與VoiceXML解釋程序無關(guān)。

　　 比如，用戶想知道Intel公司的當(dāng)前股價(jià)，就打電話到提供該服務(wù)的公司，通過DNURI的映射，到達(dá)了該網(wǎng)站的VoiceXML的服務(wù)器。VoiceXML的服務(wù)器馬上調(diào)出相應(yīng)的VoiceXML文件，由VoiceXML解釋程序處理，通過TTS產(chǎn)生語音輸出，來回復(fù)用戶的請求。當(dāng)然，在處理VoiceXML文件的過程中，有時(shí)還需交給后臺(tái)的CGI程序處理，處理后的結(jié)果由Web Server交給VoiceXML Server處理。處理后，用戶可能會(huì)聽到的回答是“Welcome to the stock market,which stock price would you like to know?”,其對(duì)應(yīng)的VoiceXML文件為Welcome.vxml。用戶只需回答他（她）所感興趣的股票，如“Intel”。

　　 這樣用戶就擺脫了傳統(tǒng)IVR令人模糊不清的一大堆選擇。用戶的回答通過VoiceXML Server的處理，交給后臺(tái)的CGI程序查詢數(shù)據(jù)庫中的有關(guān)Intel股票的價(jià)格，再由VoiceXML Server的處理，用戶聽到的可能就是一個(gè)非常具體的回答—“$55”。

三、 VoiceXML的特點(diǎn)和應(yīng)用范圍

VoiceXML作為一種標(biāo)記語言，主要有以下特點(diǎn)：

1.通過每一文件里指定的多重的交互功能，將客戶機(jī)/服務(wù)器之間的交互工作最小化。
2.應(yīng)用開發(fā)者與底層的軟件和系統(tǒng)平臺(tái)上的軟、硬件細(xì)節(jié)無關(guān)。
3.將用戶交互作用的代碼（在VoiceXML中）從服務(wù)邏輯（CGI 腳本）中分離出來。
4．要使提供的服務(wù)能隨處可得，必須令服務(wù)能夠跨越不同的執(zhí)行平臺(tái)。對(duì)于內(nèi)容服務(wù)商、工具提供商和平臺(tái)提供商來說，VoiceXML正是一個(gè)跨平臺(tái)的公共語言。
5．簡單的交互功能非常易于使用，所提供的語音界面能支持復(fù)雜的對(duì)話。

　　 VoiceXML語言通過語音應(yīng)答系統(tǒng)實(shí)現(xiàn)人機(jī)交互通信，其范圍包括: 合成語音的輸出（TTS）、音頻文件的輸出、話音輸入的識(shí)別、DTMF輸入的識(shí)別、語音輸入的錄音、電話功能向呼叫轉(zhuǎn)移等。

　　 VoiceXML提供字符和語音輸入收集，將輸入分配給文件定義的請求變量，并且在用戶回答后做出決定的方法。通過通用資源標(biāo)示符（URI），VoiceXML可確定文件是否被連接到其他的文件。

VoiceXML在以下領(lǐng)域內(nèi)有廣泛的應(yīng)用:

1.信息的獲取，如股票信息、天氣情況、體育消息、交通信息等。
2.電子交易（包括電子商務(wù)、電子零售），如銀行的賬戶查詢、存取、股票交易等。
3.電信領(lǐng)域的服務(wù)，如Unified Message(統(tǒng)一消息)、Call Center（呼叫中心）等。

《計(jì)算機(jī)世界》2001/04/19