關(guān)于制定中國(guó)移動(dòng)互聯(lián)網(wǎng)語(yǔ)音應(yīng)用協(xié)議標(biāo)準(zhǔn)的建議

2001/03/11

一 引言

以互聯(lián)網(wǎng)為代表的信息產(chǎn)業(yè)為中國(guó)帶來(lái)了巨大的機(jī)會(huì)和挑戰(zhàn)，中國(guó)社會(huì)開始進(jìn)入一個(gè)以信息為核心的時(shí)代。如何快速準(zhǔn)確地獲取所關(guān)心的信息，對(duì)人們的日常工作和生活已經(jīng)具有越來(lái)越重要的影響。

計(jì)算機(jī)作為互聯(lián)網(wǎng)絡(luò)的一種重要信息終端，是目前人們從互聯(lián)網(wǎng)上獲取信息的主要工具。然而，在計(jì)算機(jī)普及率、互聯(lián)網(wǎng)普及率以及教育程度相對(duì)較低的中國(guó)，使用計(jì)算機(jī)上網(wǎng)，獲取信息和進(jìn)行通訊對(duì)于廣大百姓來(lái)說(shuō)，還是一個(gè)神秘的期望。

至今為止，Internet 的訪問(wèn)模式逐漸從單一的PC訪問(wèn)方式向多種用戶終端發(fā)展 ，出現(xiàn)了移動(dòng)電話、PDA、機(jī)頂盒等。

如何解決信息產(chǎn)業(yè)化和社會(huì)發(fā)展水平之間的矛盾，依據(jù)中國(guó)具體國(guó)情，盡可能的實(shí)現(xiàn)信息技術(shù)的普及，促進(jìn)中國(guó)信息社會(huì)進(jìn)步的發(fā)展，使信息技術(shù)這樣的高科技輕松的進(jìn)入中國(guó)大多數(shù)百姓家，在中國(guó)具有巨大的市場(chǎng)前景和社會(huì)效益。

而近年來(lái)語(yǔ)音技術(shù)的飛速發(fā)展和不斷成熟，以及中文語(yǔ)音應(yīng)用技術(shù)的突破，為信息網(wǎng)絡(luò)帶來(lái)了一種極具誘惑的信息終端-----電話。

電話是中國(guó)百姓最為熟悉的通信工具，中國(guó)電話的普及率為全球第二，相對(duì)現(xiàn)今不到1000萬(wàn)的互聯(lián)網(wǎng)電腦終端用戶來(lái)說(shuō)，高達(dá)2億的電話用戶具有更為重要的意義。而語(yǔ)音應(yīng)用技術(shù)，為中國(guó)百姓建立了一條輕松通達(dá)信息時(shí)代的高速公路，將信息科技以最為親切的方式帶到了人們身邊。

二 為何選擇語(yǔ)音應(yīng)用技術(shù)

語(yǔ)音應(yīng)用技術(shù)，是連接互聯(lián)網(wǎng)的與電話用戶的紐帶，其使普通電話、手機(jī)等成為五花八門的網(wǎng)絡(luò)終端之一，并最大的擴(kuò)展了互聯(lián)網(wǎng)用戶。

2．1．語(yǔ)音與計(jì)算機(jī)

語(yǔ)音，是人類最為熟悉的交流方式。人有70%的信息獲取是通過(guò)聽，而90%的信息表達(dá)是通過(guò)說(shuō)。語(yǔ)音是人們?cè)儐?wèn)問(wèn)題，交換觀念、分享經(jīng)驗(yàn)和建立關(guān)系的最主要方式，人類通過(guò)語(yǔ)音傳達(dá)著大量的信息。

長(zhǎng)期以來(lái)，人與計(jì)算機(jī)的交互主要是通過(guò)鍵盤、鼠標(biāo)和屏幕。雖然隨著圖形用戶界面（GUI）的日臻完善、各種輸入法的不斷出現(xiàn)和成熟，以及手寫輸入的應(yīng)用使人與計(jì)算機(jī)的交換越來(lái)越簡(jiǎn)單方便，但追求完美和卓越的網(wǎng)絡(luò)時(shí)代，人們也愈加強(qiáng)烈地渴求一種更方便更自然的人機(jī)界面。而語(yǔ)音必然成為人們最為熟悉和輕松的人機(jī)交互方式。

2．2．語(yǔ)音技術(shù)

作為智能計(jì)算機(jī)研究的主導(dǎo)方向和人機(jī)通信的關(guān)鍵技術(shù)，語(yǔ)音技術(shù)對(duì)計(jì)算機(jī)發(fā)展和社會(huì)生活的重要性日益凸現(xiàn)出來(lái)。作為語(yǔ)音技術(shù)中最主要的兩大技術(shù)：語(yǔ)音識(shí)別技術(shù)(ASR)和語(yǔ)音合成技術(shù)（TTS），隨著近年來(lái)人們?cè)跀?shù)學(xué)算法和聲學(xué)模型取得的突破和飛速提高，語(yǔ)音識(shí)別和語(yǔ)音合成技術(shù)以及自然語(yǔ)言處理技術(shù)的成熟，使電腦能“說(shuō)”，能“聽”，使人與機(jī)器的交流能象人與人之間對(duì)話一樣輕松和自然。

正如當(dāng)初圖形用戶界面(GUI)改變了個(gè)人電腦一樣，以語(yǔ)音技術(shù)為核心的語(yǔ)音用戶界面(VUI)正在改變著電腦和電話系統(tǒng)，以及各種智能設(shè)備。

2．3．語(yǔ)音應(yīng)用技術(shù)

語(yǔ)音應(yīng)用技術(shù)（Voice Application Technology ），是指人們可以使用有線電話或移動(dòng)電話，以及PC、PDA和其它智能設(shè)備通過(guò)語(yǔ)音識(shí)別、語(yǔ)音合成的交互技術(shù)，以及語(yǔ)音瀏覽、智能信息處理技術(shù)等實(shí)現(xiàn)人們?cè)L問(wèn)互聯(lián)網(wǎng)絡(luò)，以及實(shí)現(xiàn)個(gè)人服務(wù)和商業(yè)服務(wù)的應(yīng)用技術(shù)。

語(yǔ)音應(yīng)用技術(shù)，是語(yǔ)音技術(shù)（ASR和TTS　TT）、語(yǔ)音瀏覽技術(shù)、智能文字信息處理技術(shù)等技術(shù)的集合，其形成一個(gè)完整的技術(shù)應(yīng)用規(guī)范體系，建立于已有相關(guān)技術(shù)協(xié)議標(biāo)準(zhǔn)上，著重于應(yīng)用開發(fā)。

語(yǔ)音應(yīng)用技術(shù)是跨接以語(yǔ)音為核心的電話網(wǎng)絡(luò)和以數(shù)據(jù)為核心的互聯(lián)網(wǎng)絡(luò)的一座橋梁，使有線電話和移動(dòng)電話成為互聯(lián)網(wǎng)絡(luò)信息終端，為人們以自然語(yǔ)言交互的方式來(lái)遨游信息信息打開了一扇自由的大門。語(yǔ)音應(yīng)用技術(shù)覆蓋語(yǔ)音識(shí)別、語(yǔ)音合成、語(yǔ)音瀏覽、語(yǔ)音集成、語(yǔ)音交互、Web服務(wù)等技術(shù)領(lǐng)域，可以輕松介入現(xiàn)有的網(wǎng)絡(luò)信息系統(tǒng)，集成現(xiàn)有的各類信息處理技術(shù)，如Web 、WAP、GPRS等等。

2．4．語(yǔ)音應(yīng)用技術(shù)的優(yōu)勢(shì)

為何語(yǔ)音應(yīng)用技術(shù)對(duì)于互聯(lián)網(wǎng)絡(luò)，對(duì)于信息技術(shù)如此重要？首先，是因?yàn)殡娫挼闹匾�性。電話在的全球發(fā)達(dá)地區(qū)幾乎無(wú)所不在，時(shí)刻出現(xiàn)在人們身邊。電話的數(shù)量遠(yuǎn)遠(yuǎn)大于電腦的數(shù)量，更遠(yuǎn)大于連接了互聯(lián)網(wǎng)的電腦數(shù)量。尤其是在中國(guó)，電話相對(duì)電腦在更大程度上更是人們生活中最平常的設(shè)備。

隨著移動(dòng)電話越來(lái)越小，越來(lái)越輕，越來(lái)越便宜，以及移動(dòng)電話電池使用時(shí)間越來(lái)越長(zhǎng)，其所具備的便攜性遠(yuǎn)勝于電腦。而伴隨移動(dòng)通信技術(shù)的飛速發(fā)展，他們更具備了電腦不具備的優(yōu)勢(shì)，比如全球定位。你甚至可以在開車時(shí)方便的使用移動(dòng)電話。

語(yǔ)音對(duì)于電話具有同樣的重要性，語(yǔ)音是電話的生命，是電信網(wǎng)絡(luò)的數(shù)據(jù)血液。雖然在移動(dòng)電話中出現(xiàn)了WAP這樣很有用的技術(shù)，使移動(dòng)電話可以作為網(wǎng)絡(luò)終端，但WAP手機(jī)的屏幕太小而具有很大的局限性，在手機(jī)鍵盤上進(jìn)行輸入也相當(dāng)麻煩。雖然I-Mode系統(tǒng)正引人關(guān)注，但它同樣具有類似問(wèn)題。

語(yǔ)音具有其獨(dú)特的優(yōu)勢(shì)，而且語(yǔ)音比鍵盤和閱讀更具親切感。當(dāng)然，圖象和文字依然很重要，我們相信，我們不久就可以見到“多模式”的設(shè)備，可以圖象和文字的方式進(jìn)行，或以語(yǔ)音的方式進(jìn)行，甚至可以混合語(yǔ)音和圖象。而這正是語(yǔ)音應(yīng)用技術(shù)帶來(lái)的美好情景。

同樣，語(yǔ)音對(duì)于Internet也一樣重要。首先，基于語(yǔ)音瀏覽技術(shù)的語(yǔ)音應(yīng)用系統(tǒng)的開發(fā)很容易，應(yīng)用應(yīng)用技術(shù)可以輕松建立豐富的、廉價(jià)的和高效的Web應(yīng)用，以及開發(fā)工具。其次，語(yǔ)音應(yīng)用系統(tǒng)很容易發(fā)布，不再需要建立一個(gè)指定的專用的語(yǔ)音服務(wù)器，基于語(yǔ)音瀏覽機(jī)制的語(yǔ)音應(yīng)用可以放在Internet 上的任意一個(gè)地方，而用戶通過(guò)電話，可以象使用IE這樣的瀏覽器一樣進(jìn)行查詢、書簽以及鏈接等其他Web的瀏覽方式。

而基于現(xiàn)有Web技術(shù)的語(yǔ)音Web服務(wù)技術(shù)，具有現(xiàn)有Web技術(shù)的同樣優(yōu)勢(shì)，可以進(jìn)行安全交易、下載信息、收聽mp3等服務(wù)。且更為快捷和自然。

語(yǔ)音自然交互更具有其它信息終端不具備的優(yōu)勢(shì)，利用自然語(yǔ)音交互技術(shù)，用戶不再需要一項(xiàng)一項(xiàng)的填寫Web的Form表單，不再需要痛苦的在小小的手機(jī)鍵盤上換著數(shù)字輸入名字和E-mail地址�；�于關(guān)鍵字捕捉和自然語(yǔ)言處理技術(shù)，用戶可以輕松的說(shuō)一句：“我是注冊(cè)用戶 張三，請(qǐng)幫我查 深發(fā)展A 現(xiàn)在的股價(jià)，發(fā)個(gè)短消息給我�！币磺休p松自然。

2．5．語(yǔ)音應(yīng)用技術(shù)和移動(dòng)互聯(lián)網(wǎng)絡(luò)

Internet和移動(dòng)通信，作為邁向信息社會(huì)的兩個(gè)重要標(biāo)志分別對(duì)應(yīng)著對(duì)大量信息資源的有效訪問(wèn)和隨處漫游的個(gè)人通信。如何結(jié)合它們的技術(shù)優(yōu)勢(shì)，在不受信息源的限制和用戶訪問(wèn)時(shí)位置限制的同時(shí)，以統(tǒng)一的標(biāo)準(zhǔn)向用戶提供無(wú)處不在的信息網(wǎng)絡(luò)服務(wù)，已成為網(wǎng)絡(luò)界和電信界共同關(guān)注的一個(gè)焦點(diǎn)問(wèn)題。

現(xiàn)在出現(xiàn)的WAP、GPRS、Mobile IP、Mobile IP Phone等等技術(shù)，使移動(dòng)互聯(lián)網(wǎng)帶來(lái)了全新的概念。而應(yīng)用正是啟動(dòng)移動(dòng)互聯(lián)產(chǎn)業(yè)鏈的引擎，是連接移動(dòng)互聯(lián)與最終用戶的紐帶。而多種信息終端設(shè)備的出現(xiàn)和應(yīng)用以及多種數(shù)據(jù)通信技術(shù)的發(fā)展和應(yīng)用促進(jìn)了移動(dòng)互聯(lián)業(yè)務(wù)的普及與推廣，縮短了移動(dòng)互聯(lián)與最終用戶之間的距離，在個(gè)人定位、個(gè)人信用、人性化服務(wù)等方面開辟了新的發(fā)展空間。

語(yǔ)音應(yīng)用技術(shù)相比較WAP、GPRS等其它技術(shù)，則更有利于移動(dòng)互聯(lián)網(wǎng)的普及和發(fā)展，體現(xiàn)了移動(dòng)互聯(lián)網(wǎng)絡(luò)的特性。語(yǔ)音應(yīng)用技術(shù)可以介入移動(dòng)互聯(lián)網(wǎng)絡(luò)幾乎所有的信息終端，其基于語(yǔ)音服務(wù)器和語(yǔ)音網(wǎng)關(guān)的體系結(jié)構(gòu)模型使得移動(dòng)新業(yè)務(wù)服務(wù)的開發(fā)和發(fā)布輕松而簡(jiǎn)單，將原來(lái)基于Web的服務(wù)帶到了電話用戶和移動(dòng)用戶面前。

三 制定中國(guó)語(yǔ)音應(yīng)用協(xié)議標(biāo)準(zhǔn)的建議

語(yǔ)音應(yīng)用技術(shù)在中國(guó)，有著廣闊的前景和市場(chǎng)，對(duì)中國(guó)移動(dòng)互聯(lián)產(chǎn)業(yè)的建設(shè)和發(fā)展，促進(jìn)中國(guó)社會(huì)信息化，普及信息技術(shù)應(yīng)用有著重要的意義。

我們建議，制定我國(guó)有關(guān)于語(yǔ)音應(yīng)用技術(shù)的標(biāo)準(zhǔn)協(xié)議，以促進(jìn)中國(guó)語(yǔ)音應(yīng)用技術(shù)的發(fā)展，普及中國(guó)信息技術(shù)應(yīng)用，加速移動(dòng)互聯(lián)和網(wǎng)絡(luò)信息服務(wù)的產(chǎn)業(yè)化。做為中國(guó)漢語(yǔ)語(yǔ)音應(yīng)用技術(shù)的先行者和探索者，我們根據(jù)中國(guó)國(guó)情和漢語(yǔ)語(yǔ)音應(yīng)用的特點(diǎn)，參考國(guó)際行業(yè)技術(shù)規(guī)范和標(biāo)準(zhǔn)，綜合我們?cè)陂L(zhǎng)期的探索中的經(jīng)驗(yàn)，提出語(yǔ)音應(yīng)用協(xié)議的規(guī)范建議。

3．1．定義

語(yǔ)音應(yīng)用協(xié)議（Voice Application Protocol ），是在互聯(lián)網(wǎng)絡(luò)和通信網(wǎng)絡(luò)（有線電話網(wǎng)絡(luò)和無(wú)線通信網(wǎng)絡(luò)）基于語(yǔ)音技術(shù)開發(fā)應(yīng)用和服務(wù)，以及相關(guān)設(shè)備的工業(yè)技術(shù)規(guī)范。語(yǔ)音應(yīng)用協(xié)議（VAP　VA）制定了語(yǔ)音應(yīng)用的架構(gòu)和網(wǎng)絡(luò)協(xié)議，詳細(xì)說(shuō)明語(yǔ)音終端設(shè)備（如電話、手機(jī)、內(nèi)嵌語(yǔ)音瀏覽器的智能設(shè)備、PC等）與網(wǎng)絡(luò)的通信協(xié)議和技術(shù)規(guī)范。該協(xié)議擴(kuò)展和協(xié)調(diào)了通信網(wǎng)絡(luò)技術(shù)（如移動(dòng)網(wǎng)絡(luò)數(shù)字通信標(biāo)準(zhǔn)和Internet技術(shù)（如XML、Web以及多種的信息內(nèi)容格式等）。該協(xié)議可以幫助移動(dòng)互聯(lián)網(wǎng)絡(luò)的運(yùn)營(yíng)商、設(shè)備廠商、應(yīng)用開發(fā)商等建立基于語(yǔ)音方式的靈活、快捷、高效的服務(wù)。

3．2．動(dòng)機(jī)

語(yǔ)音應(yīng)用協(xié)議（VAP　VA）定位于通信網(wǎng)絡(luò)和Internet的聚覺(jué)點(diǎn)，制定以語(yǔ)音的方式提供兩者通訊和為龐大的電話用戶和飛速發(fā)展的互聯(lián)網(wǎng)絡(luò)用戶提供快捷、方便、自然的語(yǔ)音應(yīng)用服務(wù)。

語(yǔ)音應(yīng)用的特征是以非形象的信息方式-----聲音為信息表征，其終端設(shè)備局限于電話和手機(jī)等簡(jiǎn)單輸入設(shè)備�？梢岳�用的人機(jī)對(duì)話工具只有話筒、聽筒、數(shù)字鍵盤，以及手機(jī)屏幕。由于人對(duì)語(yǔ)音信息較快的反應(yīng)能力和弱的記憶力，決定了語(yǔ)音應(yīng)用的信息呈現(xiàn)方式必須簡(jiǎn)短和簡(jiǎn)單。

利用語(yǔ)音應(yīng)用協(xié)議的相關(guān)技術(shù)，可以提供給客戶方便、輕松、自然的對(duì)話式的用戶界面，為簡(jiǎn)易終端（電話、手機(jī)）的用戶提供Internet上的信息和服務(wù)，以及語(yǔ)音電子商務(wù)和個(gè)性化電信服務(wù)等等。

使用簡(jiǎn)易的語(yǔ)音終端設(shè)備，可以實(shí)現(xiàn)例如以下的語(yǔ)音應(yīng)用：

• 信息服務(wù)應(yīng)用 在這樣的服務(wù)中，輸出的語(yǔ)音以預(yù)先錄制的語(yǔ)音為主（如提示音、音樂(lè)等），以語(yǔ)音合成技術(shù)合成動(dòng)態(tài)的信息（如股票行情、E-mail內(nèi)容等）。而輸入方式以語(yǔ)音識(shí)別的導(dǎo)航指令和有限的語(yǔ)音識(shí)別數(shù)據(jù)輸入為主。信息服務(wù)應(yīng)用可以提供新聞、體育、交通、天氣和股票行情等等這樣的專門信息。
• 電子商務(wù)應(yīng)用 象以目錄分類的訂購(gòu)應(yīng)用可以很好的用語(yǔ)音應(yīng)用實(shí)現(xiàn)，這是因?yàn)檎Z(yǔ)音可以自由在各級(jí)目錄中直接跳躍，而不需象在IE瀏覽器中那樣必須一級(jí)級(jí)的操作。當(dāng)語(yǔ)音電子商務(wù)也有一定的限制，這是因?yàn)檎Z(yǔ)音所能傳載的信息量要小，而且無(wú)法象圖象那樣進(jìn)行形象的商品描述。
• 客戶服務(wù)應(yīng)用 如包裹跟蹤、帳戶查詢、呼叫中心等。這類服務(wù)可以較好的用語(yǔ)音方式實(shí)現(xiàn)。用戶只需要很簡(jiǎn)短的說(shuō)出必要的信息，或配合電話上的數(shù)字鍵盤即可以輕松完成。而需要反饋給用戶的信息簡(jiǎn)單扼要，并且可以以短消息、E-Mail等形式并列發(fā)送。
• 電話服務(wù)應(yīng)用 如個(gè)人電話撥號(hào)、電話會(huì)議、聲訊服務(wù)以及企業(yè)的語(yǔ)音界面（如公司或組織可以將自己的電話號(hào)碼簿形成語(yǔ)音應(yīng)用，客戶可以使用它進(jìn)行語(yǔ)音撥號(hào)）等等。
• 其他豐富的語(yǔ)音應(yīng)用

3．3．需求

根據(jù)語(yǔ)音應(yīng)用技術(shù)的特性和應(yīng)用，語(yǔ)音應(yīng)用協(xié)議（VAP）的需求如下：

• 盡可能的協(xié)調(diào)現(xiàn)有的技術(shù)標(biāo)準(zhǔn)和規(guī)范協(xié)議
• 定義一個(gè)分層的、可擴(kuò)展的兼容性的體系結(jié)構(gòu)
• 盡可能支持現(xiàn)有的網(wǎng)絡(luò)和設(shè)備
• 優(yōu)化簡(jiǎn)單設(shè)備的信息傳載方式
• 兼容現(xiàn)有的其它應(yīng)用協(xié)議（如WAP、GPRS　GPR等）
• 提供安全的語(yǔ)音應(yīng)用、商務(wù)和通信機(jī)制
• 提供簡(jiǎn)單、容易的應(yīng)用開發(fā)機(jī)制
• 優(yōu)化語(yǔ)音與智能設(shè)備的結(jié)合

• 為信息服務(wù)和集成提供可編程模型

3．4．體系結(jié)構(gòu)

語(yǔ)音應(yīng)用協(xié)議的體系結(jié)構(gòu)類似于WWW的體系結(jié)構(gòu)和WAP的體系結(jié)構(gòu)，圖一是WWW的體系結(jié)構(gòu)：

而下圖（圖二）是WAP的體系結(jié)構(gòu)模型：

類似的，我們可以看到語(yǔ)音應(yīng)用協(xié)議（VAP）的體系機(jī)構(gòu)模型如下：

語(yǔ)音應(yīng)用協(xié)議（VAP　VA）定義了終端--?網(wǎng)關(guān)--?服務(wù)器的體系結(jié)構(gòu)。語(yǔ)音服務(wù)器（Voice Server ）是語(yǔ)音應(yīng)用的服務(wù)器，其包含語(yǔ)音應(yīng)用和數(shù)據(jù)、內(nèi)容；與WAP體系結(jié)構(gòu)不同的是，語(yǔ)音網(wǎng)關(guān)（Voice Gateway） 做為終端和語(yǔ)音應(yīng)用服務(wù)器的橋梁，作為語(yǔ)音應(yīng)用協(xié)議中的重要部分：語(yǔ)音瀏覽器（Voice Browser）建于語(yǔ)音網(wǎng)關(guān)（Voice Gateway）內(nèi)，而不象WAP協(xié)議中，micro browser 建于終端中。這是因?yàn)檎Z(yǔ)音終端過(guò)于簡(jiǎn)單以及語(yǔ)音數(shù)據(jù)可以通過(guò)電信網(wǎng)絡(luò)輕松與語(yǔ)音網(wǎng)關(guān)（Voice Gateway）交互。

語(yǔ)音應(yīng)用協(xié)議（VAP）定義了：

• 語(yǔ)音服務(wù)器（　Voice Server）的結(jié)構(gòu)和其與語(yǔ)音網(wǎng)關(guān)的交互協(xié)議
• 語(yǔ)音網(wǎng)關(guān)（Voice Gateway）的結(jié)構(gòu)和協(xié)議
• 語(yǔ)音應(yīng)用內(nèi)容（content）類型和標(biāo)準(zhǔn)格式
• 語(yǔ)音傳輸編碼協(xié)議
• 相關(guān)協(xié)議和接口規(guī)范
• 安全協(xié)議

3．5．組成部分

語(yǔ)音應(yīng)用協(xié)議（VAP　VA）也有一個(gè)類似于TCP/IP和WAP的層次結(jié)構(gòu)，如下圖（圖四）所示：

• 應(yīng)用層，其中包括
  
  • 語(yǔ)音標(biāo)記語(yǔ)言 （Voice XML） ，一個(gè)類似于HTML的描述標(biāo)記語(yǔ)言，基于XML技術(shù)。Voice XML 為現(xiàn)在國(guó)際上廣泛認(rèn)可的行業(yè)標(biāo)準(zhǔn)，其1.0版已被W3C組織確定為行業(yè)規(guī)范。
  • 對(duì)話標(biāo)記語(yǔ)言 （ Dialog Markup Language），用于與VoiceXML一起描述和建立對(duì)話式的語(yǔ)音交互應(yīng)用的標(biāo)記語(yǔ)言。
  • 內(nèi)容格式（Content Format），是一套定義好的數(shù)據(jù)格式，針對(duì)語(yǔ)音應(yīng)用技術(shù)的特點(diǎn)而制定，如數(shù)字、日期的識(shí)別語(yǔ)法；模型化的識(shí)別對(duì)象（Objects）；語(yǔ)音通訊錄；流式語(yǔ)音郵件格式等。
  • 數(shù)據(jù)交換應(yīng)用，語(yǔ)音應(yīng)用與其它信息應(yīng)用的數(shù)據(jù)交換協(xié)議

• 會(huì)話層，其中包括
  
  • 語(yǔ)音交互協(xié)議，其為語(yǔ)音網(wǎng)關(guān)中的一個(gè)重要組成部分，規(guī)范了語(yǔ)音交互系統(tǒng)（如CTI、IVR）的體系規(guī)范和協(xié)議。例如語(yǔ)音應(yīng)用開發(fā)接口（SAPI）、電話應(yīng)用開發(fā)接口（TAPI），語(yǔ)音交互接口（SIP），會(huì)話管理等。
  • 數(shù)據(jù)傳輸協(xié)議，基于http的傳輸協(xié)議，和rtp （Real-time Transport protocol ）的實(shí)時(shí)媒體數(shù)據(jù)傳輸協(xié)議。

   

• 事務(wù)層，其中包括
  

  • 語(yǔ)音瀏覽器規(guī)范，為語(yǔ)音瀏覽技術(shù)的重要組成部分。
  • 語(yǔ)音識(shí)別接口規(guī)范，為語(yǔ)音識(shí)別引擎與語(yǔ)音瀏覽器的交互接口協(xié)議規(guī)范。
  • 語(yǔ)音合成接口規(guī)范，為語(yǔ)音合成引擎與語(yǔ)音瀏覽器的交互接口協(xié)議規(guī)范。
  • 語(yǔ)音廣播協(xié)議，為提供語(yǔ)音廣播機(jī)制的協(xié)議
  • 數(shù)據(jù)轉(zhuǎn)換協(xié)議，將所處理的數(shù)據(jù)轉(zhuǎn)換為其它應(yīng)用或協(xié)議（如WAP等）的數(shù)據(jù)內(nèi)容和格式，或從其它應(yīng)用系統(tǒng)、協(xié)議中獲取數(shù)據(jù)用于語(yǔ)音瀏覽或處理的協(xié)議。

   

• 安全層，其中包括
  
  • 語(yǔ)音認(rèn)證協(xié)議，以語(yǔ)音方式認(rèn)證身份的協(xié)議。
  • 數(shù)據(jù)完整檢查，確保用戶提交的數(shù)據(jù)在傳輸和處理中保持完整一致。
  • 獨(dú)立保密，確保用戶唯一終端和應(yīng)用服務(wù)器處理線程的對(duì)應(yīng)。
  • 拒絕服務(wù)保護(hù)，對(duì)于沒(méi)有認(rèn)證或重復(fù)請(qǐng)求的數(shù)據(jù)，安全層予以拒絕服務(wù)。
  • 安全層也可以用于身份認(rèn)證，語(yǔ)音數(shù)字簽名以及電子商務(wù)交易安全保證。

   

• 控制層，其中包括
  
  • 語(yǔ)音控制協(xié)議，指在內(nèi)嵌語(yǔ)音識(shí)別或合成引擎，或裝有微型語(yǔ)音瀏覽器的智能終端設(shè)備、PC、IP設(shè)備等終端中語(yǔ)音控制的協(xié)議。
  • 語(yǔ)音控制信號(hào)協(xié)議，以非識(shí)別性的語(yǔ)音信號(hào)傳送于語(yǔ)音終端和語(yǔ)音網(wǎng)關(guān)中的控制信號(hào)協(xié)議。

   

• 信號(hào)層，其中包括
  
  • 語(yǔ)音壓縮協(xié)議，在語(yǔ)音應(yīng)用系統(tǒng)中所確定的規(guī)范壓縮和編碼協(xié)議。

   

語(yǔ)音應(yīng)用協(xié)議不僅僅為實(shí)現(xiàn)語(yǔ)音應(yīng)用技術(shù)而設(shè)計(jì)，它的設(shè)計(jì)中使語(yǔ)音應(yīng)用可以操作多種不同的應(yīng)用，如短消息、WAP等。其在每個(gè)層次上都提供擴(kuò)展性的已定義好的接口，使其不僅僅限制于語(yǔ)音應(yīng)用協(xié)議（VAP）所描述和定義的范圍內(nèi)。

四 語(yǔ)音應(yīng)用協(xié)議方案的好處

語(yǔ)音應(yīng)用協(xié)議（VAP）用以實(shí)現(xiàn)互聯(lián)網(wǎng)絡(luò)與有線電話、移動(dòng)電話等簡(jiǎn)單終端進(jìn)行交互，將信息應(yīng)用技術(shù)和服務(wù)，以及移動(dòng)互聯(lián)服務(wù)最大限度的帶到用戶身邊。其關(guān)注于語(yǔ)音應(yīng)用服務(wù)的開發(fā)和實(shí)現(xiàn)，將為為移動(dòng)互聯(lián)和信息服務(wù)帶來(lái)巨大影響。

4．1．提供了良好的用戶界面模型

作為最為親切友好的人機(jī)界面交互方式，語(yǔ)音應(yīng)用協(xié)議（VAP）為電話終端以及其它終端提供了遨游信息世界良好的擁護(hù)界面。傳統(tǒng)的鍵盤、鼠標(biāo)和屏幕為自然對(duì)話的交互方式所代替。語(yǔ)音應(yīng)用協(xié)議（VAP）不僅僅通過(guò)語(yǔ)音交互協(xié)議、語(yǔ)音標(biāo)記語(yǔ)言、對(duì)話標(biāo)記語(yǔ)言和語(yǔ)音瀏覽器規(guī)范等定義了“說(shuō)”和“聽”的交互界面，而且語(yǔ)音應(yīng)用協(xié)議（VAP）使用已有的Internet模型作為起點(diǎn)，提供了和在傳統(tǒng)PC機(jī)的瀏覽器一樣熟悉的Web瀏覽習(xí)慣。

同時(shí)通過(guò)數(shù)據(jù)轉(zhuǎn)換協(xié)議、語(yǔ)音控制協(xié)議等協(xié)議，提供了兼容WAP的電話鍵盤輸入的界面。而可以內(nèi)嵌于智能終端設(shè)備中的語(yǔ)音控制器和微型語(yǔ)音瀏覽器，可以使用戶不僅以對(duì)話方式獲取信息和服務(wù)，而且可以用語(yǔ)音指揮終端設(shè)備，做到“聽、說(shuō)、看”的全面交互。

4．2．提供了語(yǔ)音技術(shù)與信息技術(shù)的集成規(guī)范

語(yǔ)音應(yīng)用協(xié)議（VAP）中，語(yǔ)音網(wǎng)關(guān)（Voice Gateway）中制定的語(yǔ)音瀏覽器規(guī)范，作為應(yīng)用協(xié)議的語(yǔ)音標(biāo)記語(yǔ)言的解釋器，語(yǔ)音瀏覽器解析 Voice XML 所描述的應(yīng)用。而作為語(yǔ)音識(shí)別語(yǔ)法描述規(guī)范的JSGF規(guī)范和VAP語(yǔ)音識(shí)別引擎接口規(guī)范（基于JSAPI和SAPI）使人機(jī)間的交互以一種自然的，對(duì)話式的方式進(jìn)行。語(yǔ)音應(yīng)用協(xié)議（VAP）的這些規(guī)范對(duì)于對(duì)話瀏覽和語(yǔ)音識(shí)別、合成引擎之間的工作和數(shù)據(jù)交換等集成電路工作提供了標(biāo)準(zhǔn)。而語(yǔ)音瀏覽器、語(yǔ)音合成、識(shí)別引擎、CTI平臺(tái)之間的集成開發(fā)工作變得輕松而規(guī)范。

4．3．提供了安全的連接

語(yǔ)音應(yīng)用協(xié)議（VAP）對(duì)語(yǔ)音認(rèn)證、語(yǔ)音數(shù)字簽名等安全制定了協(xié)議，使語(yǔ)音應(yīng)用和語(yǔ)音電子商務(wù)的交易和安全更有保障。在基于Web機(jī)制的Transport Layer Security （TLS）協(xié)議基礎(chǔ)上，語(yǔ)音引協(xié)議（VAP）增加了在電話網(wǎng)絡(luò)中基于語(yǔ)音數(shù)據(jù)的安全機(jī)制以及基于個(gè)人聲紋認(rèn)證的安全驗(yàn)證。在語(yǔ)音應(yīng)用協(xié)議（VAP）中，語(yǔ)音網(wǎng)關(guān)（Voice Gateway）自動(dòng)的高度覺(jué)察性的管理數(shù)據(jù)安全。

4．4．提供了容易簡(jiǎn)單的應(yīng)用開發(fā)機(jī)制和工具

利用語(yǔ)音標(biāo)記語(yǔ)言（Voice XML），用開發(fā)HTML頁(yè)面和Web應(yīng)用的方式就可以簡(jiǎn)單的開發(fā)復(fù)雜的語(yǔ)音應(yīng)用。Voice XML 是一種XML文檔語(yǔ)言，其與數(shù)據(jù)庫(kù)、HTML、WML以及其它文檔處理和發(fā)布系統(tǒng)的資料交換幾乎沒(méi)有障礙。而語(yǔ)音應(yīng)用協(xié)議（VAP）中使用http協(xié)議作為語(yǔ)音網(wǎng)關(guān)（Voice Gateway）與語(yǔ)音服務(wù)器（Voice Server）之間的通訊協(xié)議，所以在Web所能使用的CGI、Perl、ASP等動(dòng)態(tài)數(shù)據(jù)機(jī)制同樣適用于語(yǔ)音應(yīng)用。而語(yǔ)音應(yīng)用交換方式基于java 的設(shè)計(jì)，使Jsp 這樣的動(dòng)態(tài)數(shù)據(jù)機(jī)制可以更容易的應(yīng)用于語(yǔ)音應(yīng)用。

五 獲益者

語(yǔ)音應(yīng)用協(xié)議（VAP）不僅僅使廣大電話和手機(jī)用戶獲得輕松快捷享受信息服務(wù)和移動(dòng)互聯(lián)服務(wù)，而且為整個(gè)社會(huì)和信息產(chǎn)業(yè)帶來(lái)更大的效益。

5．1．服務(wù)提供商的獲益

不僅僅信息服務(wù)的提供商可以為他們現(xiàn)有的信息服務(wù)系統(tǒng)增加語(yǔ)音應(yīng)用服務(wù)和龐大的用戶群，而且電信運(yùn)行商將從語(yǔ)音應(yīng)用為他們帶來(lái)的增值服務(wù)中獲得巨大收益。語(yǔ)音應(yīng)用的普及和推廣，必然使語(yǔ)音話務(wù)通訊的數(shù)量大大增加。而個(gè)性化的自然親切的語(yǔ)音應(yīng)用，將為服務(wù)提供商帶來(lái)巨大的新的服務(wù)內(nèi)容和語(yǔ)音電子商務(wù)行為。

而依靠Voice XML和對(duì)話標(biāo)記語(yǔ)言（Dialog-ML）,服務(wù)提供商可以用開發(fā)Web服務(wù)一樣簡(jiǎn)單的方式開發(fā)他們的語(yǔ)音應(yīng)用，并可以輕松發(fā)布和維護(hù)。而語(yǔ)音應(yīng)用協(xié)議（VAP）帶來(lái)電話服務(wù)語(yǔ)音應(yīng)用（例如個(gè)人撥號(hào)服務(wù)、電話會(huì)議、電話遠(yuǎn)程管理等）將為電信服務(wù)商帶來(lái)巨大商機(jī)。

5．2．設(shè)備廠商的獲益

集成語(yǔ)音應(yīng)用協(xié)議（VAP）中語(yǔ)音控制器的智能終端，以及內(nèi)嵌微型語(yǔ)音瀏覽器的信息終端設(shè)備，將為設(shè)備生產(chǎn)廠商帶來(lái)新的產(chǎn)品和收入。而智能語(yǔ)音家電設(shè)備、遠(yuǎn)端控制設(shè)備等將更為廣大用戶所關(guān)注。語(yǔ)音應(yīng)用協(xié)議（VAP）產(chǎn)生了大量新的語(yǔ)音應(yīng)用的產(chǎn)品，將為設(shè)備廠商帶來(lái)廣闊的市場(chǎng)。

5．3．開發(fā)商的收益

語(yǔ)音應(yīng)用的開發(fā)商也許將無(wú)法估計(jì)他們從語(yǔ)音應(yīng)用中獲得的收益，以語(yǔ)音應(yīng)用協(xié)議（VAP）為工業(yè)標(biāo)準(zhǔn)而進(jìn)行開發(fā)，他們將能輕松的開發(fā)各種各樣的豐富的語(yǔ)音應(yīng)用系統(tǒng)。而作為語(yǔ)音技術(shù)產(chǎn)品的開發(fā)商，如語(yǔ)音識(shí)別、語(yǔ)音合成引擎的開發(fā)商，語(yǔ)音瀏覽器開發(fā)商，語(yǔ)音網(wǎng)關(guān)開發(fā)商等等，他們將不再需要自己解決語(yǔ)音應(yīng)用系統(tǒng)中的所有其它他們不關(guān)心的部分，統(tǒng)一的規(guī)范使他們可以自由的選擇其它部分配合自己的開發(fā)。而語(yǔ)音應(yīng)用協(xié)議（VAP）也為開發(fā)商帶來(lái)了簡(jiǎn)單的開發(fā)規(guī)范和工具。

六 未來(lái)展望

我們可以預(yù)見，在不久的將來(lái)電話作為信息訪問(wèn)的終端將遠(yuǎn)遠(yuǎn)超過(guò)電腦的數(shù)量。語(yǔ)音應(yīng)用技術(shù)將成為統(tǒng)一信息、統(tǒng)一網(wǎng)絡(luò)的移動(dòng)互聯(lián)中的重要技術(shù)成分。作為高科技的網(wǎng)絡(luò)信息對(duì)廣大的中國(guó)百姓將不在神秘，中國(guó)百姓將隨時(shí)隨地在對(duì)電話機(jī)或手機(jī)說(shuō)話，享受語(yǔ)音應(yīng)用技術(shù)為他們帶來(lái)的美好服務(wù)。