VoiceXML簡介

黃偉峰 2001/04/19

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

一、VoiceXML的起源

　　 VoiceXML 是一個新的通過語音對話訪問Web 內容和交互語音應答的傳遞標準。在 1999 年初，IBM、Lucent、AT&T和Motorola成立了 VoiceXML 論壇， 來協(xié)調現(xiàn)有的語音技術，以使用戶可以通過聲音和電話訪問互聯(lián)網(wǎng)。語音技術不但讓那些由于環(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。

　　 新的語音技術可以創(chuàng)建出對話驅動的應用程序,例如語音識別技術（ASR）、語音合成技術(TTS)以及在 PC 和服務器(分發(fā)到客戶端設備)上記錄和回放數(shù)字化語音。VoiceXML 提供了一種與技術無關的語言，可以用在語音應用程序中。這些應用程序將后端處理語音的服務和處理機制與前端基于 VoiceXML 的表示層分離開。例如，一個精心設計的 Web 站點可以輕而易舉地支持語音驅動的瀏覽器(比如在移動電話上使用的那種)，同時它能支持其他的瀏覽器(比如WAP 瀏覽器或 HTML 瀏覽器)。當接收到來自瀏覽器的最初請求時，服務器將監(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，服務器將返回對應的 VoiceXML 頁面。

　　 由于VoiceXML技術和語音技術的快速發(fā)展，已經(jīng)有150個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)結構及其應用舉例

　　 VoiceXML 1.0規(guī)范基于W3C的工業(yè)標準XML，為語音和電話應用的開發(fā)者、服務提供商和設備制造商提供了一個智能化的API。VoiceXML的標準將簡化Web上具有語音響音服務的個性化界面的創(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，同時與CGI（PERL、PHP、C、JAVA SERVLET等）的腳本結合在一起來檢索后臺數(shù)據(jù)庫，訪問企業(yè)內部網(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)絡與電話技術的完美結合。

　　 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的服務器，處理來自PSTN的應用即可。在VoiceXML的服務器中，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）的轉換設備。

　　 VoiceXML解釋程序是一個計算機程序，它解釋一個VoiceXML文件，引導和控制用戶與執(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。

　　 比如，用戶想知道Intel公司的當前股價，就打電話到提供該服務的公司，通過DNURI的映射，到達了該網(wǎng)站的VoiceXML的服務器。VoiceXML的服務器馬上調出相應的VoiceXML文件，由VoiceXML解釋程序處理，通過TTS產生語音輸出，來回復用戶的請求。當然，在處理VoiceXML文件的過程中，有時還需交給后臺的CGI程序處理，處理后的結果由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，交給后臺的CGI程序查詢數(shù)據(jù)庫中的有關Intel股票的價格，再由VoiceXML Server的處理，用戶聽到的可能就是一個非常具體的回答—“$55”。

三、 VoiceXML的特點和應用范圍

VoiceXML作為一種標記語言，主要有以下特點：

1.通過每一文件里指定的多重的交互功能，將客戶機/服務器之間的交互工作最小化。
2.應用開發(fā)者與底層的軟件和系統(tǒng)平臺上的軟、硬件細節(jié)無關。
3.將用戶交互作用的代碼（在VoiceXML中）從服務邏輯（CGI 腳本）中分離出來。
4．要使提供的服務能隨處可得，必須令服務能夠跨越不同的執(zhí)行平臺。對于內容服務商、工具提供商和平臺提供商來說，VoiceXML正是一個跨平臺的公共語言。
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雜的對話。

　　 VoiceXML語言通過語音應答系統(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、電話功能向呼叫轉移等。

　　 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在以下領域內有廣泛的應用:

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、電子零售），如銀行的賬戶查詢、存取、股票交易等。
3.電信領域的服務，如Unified Message(統(tǒng)一消息)、Call Center（呼叫中心）等。

《計算機世界》2001/04/19