認清VoiceXML

黃偉峰 2001/11/22

　 隨著CTI(Computer and Telephone Integrated)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）的論壇，通過使用這種新的語言，能使用戶通過電話和語音來訪問INTERNET。這項技術(shù)能夠幫助企業(yè)，電信公司，互連網(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，增強企業(yè)的競爭力。

VoiceXml的起源

　　Voice XML 是一個新的 XML schema 用來制定通過語音對話訪問Web 的內(nèi)容和其交互語音應(yīng)答的傳遞標(biāo)準(zhǔn)。在 1999 年初，IBM, 摩托羅拉, 朗訊, 和 AT&T 成立了 Voice XML 論壇， 來協(xié)調(diào)現(xiàn)有的語音技術(shù)使得可以通過聲音和電話訪問因特網(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)建出對話驅(qū)動的應(yīng)用程序,例如語音識別技術(shù)（ASR），語音合成技術(shù)(TTS)以及記錄和回放數(shù)字化語音在 PC 和服務(wù)器(分發(fā)到客戶端設(shè)備)上 。Voice XML 提供了一種與技術(shù)語言，可無關(guān)的以用在語音應(yīng)用程序。這些應(yīng)用程序?qū)⒑蠖颂幚碚Z音的服務(wù)和處理機制與前端基于 Voice XML 的表示層分離開。例如，一個精心設(shè)計的 Web 站點可以輕而易舉地支持語音驅(qū)動的瀏覽器(比如您很可能在移動電話上會使用的那種)，同時它有能支持其它的瀏覽器(比如一個 WAP 瀏覽器或 HTML 瀏覽器)。當(dāng)接受到來自瀏覽器的最初請求時，服務(wù)器將監(jiān)測出瀏覽器的類型。如果瀏覽器被確認為一個語音瀏覽器，服務(wù)器將返回對應(yīng)的 Voice XML 頁面。
　　由于VoiveXml技術(shù)和語音技術(shù)的快速發(fā)展，已經(jīng)有超過150個公司和組織加入和Voice Xml（http://www.voicexml.org）論壇，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。

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)，同時與CGI（PERL，PHP，C，JAVA SERVLET等）的腳本結(jié)合在一起來檢索后臺數(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，實現(xiàn)計算機網(wǎng)絡(luò)與電話技術(shù)的完美結(jié)合。其具體系統(tǒng)結(jié)構(gòu)如下：

　　從圖中我們可以看出，同傳統(tǒng)的INTERNET網(wǎng)站相比，在不需要太大的改動前提下，只要增加一個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，自動語音識別（ASR）及文本到語音（TTS）的轉(zhuǎn)換設(shè)備。
　　VoiceXml解釋程序是一個計算機程序，它解釋一個VoiceXml文件，引導(dǎo)和控制用戶與執(zhí)行平臺之間的交互作用。VoiceXml解釋程序語境也是一個計算機程序，用一個VoiceXml解釋程序解釋一個VoiceXml文件，并且可以與執(zhí)行平臺相互作用而與VoiceXml解釋程序無關(guān)。
其具體流程如下圖所示：

　　比如說，用戶想知道INTEL公司的當(dāng)前股價，就打電話到提供該服務(wù)的公司，通過DN—URL的映射，到達了該網(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，在由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，有時還需交給后臺的CGI程序處理，處理后的結(jié)果再由WEB SERVER交給VoiceXml SERVER處理。處理后用戶可能會聽到的回答是“Welcome to the stock market,which stock price would you like to know?”,其對應(yīng)的VoiceXml文件為Welcome.vxml(見資源)。用戶只需回答他（她）所感興趣的股票，如”INTEL“,從而擺脫了傳統(tǒng)IVR令人模糊不清的一大堆選擇。這時用戶的回答通過VOICEXML SERVER的處理，交給后臺的CGI程序查詢數(shù)據(jù)庫中的有關(guān)INTEL股票的價格，在由VOICEXML SERVER的處理，用戶聽到的可能是”$55“。

VoiceXml的特點和應(yīng)用范圍

VoiceXml作為一種標(biāo)記語言，主要有以下特點：
　�。薄oiceXml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(wù)器之間的交互工作
　　２、實現(xiàn)應(yīng)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)
　�。�、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
　�。础⒁固峁┑姆⻊�(wù)能隨處可得，要求這些服務(wù)能夠跨越不同的執(zhí)行平臺。對于內(nèi)容服務(wù)商、工具提供商和平臺提供商來說，VoiceXML是一個公共語言。
　�。�、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(fù)雜的對話
　　VoiceXML語言描述的通過語音應(yīng)答系統(tǒng)實現(xiàn)人機交互通信，其范圍包括：合成語音的輸出（TTS）、音頻文件的輸出、話音輸入的識別、DTMF輸入的識別、語音輸入的錄音、電話功能像呼叫轉(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。VoiceXML確定文件可能被連接到其他的文件通過通用資源標(biāo)示符（URI）。
VoiceXml在以下的領(lǐng)域內(nèi)有著廣泛的應(yīng)用。
　�。薄⑿畔⒌墨@取。如股票信息，天氣情況，體育消息，交通信息等。
　�。�、電子交易（包括電子商務(wù)，電子零售）。如銀行的帳戶查詢，存取，股票交易等。
　�。�、電信領(lǐng)域的服務(wù)。如UNIFIED MESSAGE，CALL CENTER（呼叫中心）等。

有關(guān)VoiceXml的部分產(chǎn)品介紹

　�。�、IBM
　　IBM主要開發(fā)了VIAVOICE的VOICEXML的服務(wù)器，以及VOICEXML的開發(fā)包，從而能與WEBSPHERE結(jié)合，實現(xiàn)計算機網(wǎng)絡(luò)與電話的完美結(jié)合。但是該服務(wù)器只支持英語，法語和德語。
　　２、MOTOROLA
　　MOTOROLA也有自己的VOICEXML的網(wǎng)關(guān)及開發(fā)VOICEXML的開發(fā)包。但是也不支持 中文。
　�。场UANCE
　　NUANCE是一個專門開發(fā)語音的廠商。他有開發(fā)和構(gòu)架VOICEXML的一整套工具。其中包括VOICE WEB SERVER，V-Builder(開發(fā)VOICEXML的可使化工具)，Secure Verifier 。尤其是他對超過20種語言（包括中文及廣東話）的支持及其優(yōu)良的穩(wěn)定性贏得了很多市場分額，其中包括American Airlines,Bell Atlantic,UPS等大公司都已成為他的客戶。

天極網(wǎng)