首頁>>廠商>>軟件開發(fā)商>>穎科公司

VoiceXML介紹

2002/03/11

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(wù)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(yīng)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)。
　　VoiceXML的主要目標是希望通過交互式語音界面應(yīng)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(wù)器方式，將語音服務(wù)和數(shù)據(jù)服務(wù)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(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)。
　　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，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。
　　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(fù)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(wù)器比如說一個Web服務(wù)器，處理一個來自終端應(yīng)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(yīng)，服務(wù)器產(chǎn)生出VoiceXML文檔，在回復(fù)當(dāng)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(yīng)答應(yīng)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(dǎo)這一對話。執(zhí)行平臺產(chǎn)生事件響應(yīng)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(yīng)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(dǎo)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(dāng)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(dāng)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(dāng)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?yīng)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(dāng)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(yīng)用的適應(yīng)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(yīng)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(dāng)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(fù)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(yīng)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(wù)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(yīng)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(wù)更符合人們的習(xí)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(yīng)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。