首頁(yè)>>廠(chǎng)商>>CTI系統平臺廠(chǎng)商>>易谷網(wǎng)絡(luò )

基于VoiceXML技術(shù)的可視化IVR系統設計和實(shí)現(三)

上海易谷網(wǎng)絡(luò )科技有限公司 查瑋 2009/12/29

基于VoiceXML技術(shù)的可視化IVR系統設計和實(shí)現(一)

基于VoiceXML技術(shù)的可視化IVR系統設計和實(shí)現(二)

　　從圖4.4所示結構中，通過(guò)主窗體可以訪(fǎng)問(wèn)其它窗體操作，同時(shí)控制窗體與類(lèi)模塊的信息交互。系統中的各個(gè)窗口的實(shí)現均是基于基礎類(lèi)包的。下面詳細介紹IVR系統流程工具各個(gè)部分的實(shí)現。其實(shí)現工具的內容詳見(jiàn)文獻[31]。

　　主程序是IVR系統流程定義工具的主體，它包括各個(gè)窗口的定義、流程類(lèi)的定義、節點(diǎn)類(lèi)定義等。主程序通過(guò)主窗體類(lèi)定義將其它各個(gè)類(lèi)窗體組織在一起，同時(shí)負責各子窗體之間的信息交互。主窗體類(lèi)則定義了流程間的組織結構，它通過(guò)用戶(hù)界面操作協(xié)助用戶(hù)完成流程制作，同時(shí)生成含有VoiceXML標簽的Web頁(yè)面交給執行引擎進(jìn)行解釋執行。

　　主窗體主要負責各個(gè)窗體和類(lèi)模塊之間的信息交互和訪(fǎng)問(wèn)控制。圖4.2描述IVR系統業(yè)務(wù)流程定義工具的主窗體界面。分為工具箱窗體、菜單窗體、流程編輯(畫(huà)布)窗體、屬性窗體，同時(shí)包括流程節點(diǎn)的訪(fǎng)問(wèn)控制。

圖4.2 IVR系統流程定義工具主窗體

　　工具箱窗體：工具箱窗體提供系統支持節點(diǎn)類(lèi)型控件的選擇，用戶(hù)通過(guò)拖拽方式添加節點(diǎn)以制作流程。工具箱窗體類(lèi)主要包括工具箱窗體的事件響應和主窗體交互部分，提供每種實(shí)現方法。

　　菜單窗體：菜單窗體是提供關(guān)于整個(gè)系統流程的打開(kāi)、編輯等操作。

　　屬性設置窗體：屬性窗體為每一類(lèi)節點(diǎn)提供屬性設置功能，其中包括屬性窗體操作、與主窗體信息交互兩大類(lèi)，提供各個(gè)節點(diǎn)所涉及到的每種屬性窗體的實(shí)現方法。

　　流程編輯(畫(huà)布)窗體：此窗體類(lèi)提供了制作流程的畫(huà)布操作。在此窗口定義了一個(gè)畫(huà)布控件;流程編輯窗體接收畫(huà)布對象的事件，提交給主窗體，同時(shí)通過(guò)與主窗體的信息交互控制在畫(huà)布上確保正確制作流程。

　　主程序除了上述4種主要的模塊定義之外，還有一些窗體類(lèi)和類(lèi)模塊定義，主要負責各種屬性的設置和操作:同時(shí)為使流程制作更加人性化，主程序增加了一些通用編輯功能。

　　以上為主程序的設計及其部分實(shí)現。在實(shí)現中通過(guò)引用窗體控件和畫(huà)布窗體類(lèi)定義，集成了對畫(huà)布控件和節點(diǎn)控件的訪(fǎng)問(wèn)操作。

4.2 IVR系統執行引擎的實(shí)現

　　IVR系統執行引擎是整個(gè)IVR系統的核心系統，它負責對之前由IVR系統流程定義工具生成的中間文件(含有VoiceXML標簽的Web頁(yè)面)解釋和驅動(dòng)。本文設計的IVR系統是基于VoiceXML技術(shù)，以開(kāi)源OpenVXI項目為基礎，設計并實(shí)現的IVR系統執行引擎部分。

　　OpenVXI[32] 是一種簡(jiǎn)便的開(kāi)源庫，用來(lái)解釋VoiceXML對話(huà)標記語(yǔ)言(dialog markup language)。為了避免其它私有的標準，它嚴格支持VoiceXML 2.0 草案(現在已經(jīng)支持部分3.0的標準),同時(shí)OpenVXI是一個(gè)跨平臺的開(kāi)發(fā)系統。

　　OpenVXI本身只是VoiceXML平臺的一個(gè)組件[32]，它只是提供了簡(jiǎn)單的語(yǔ)音識別、語(yǔ)音提示和TTS(text-to-speech)功能。而對于電話(huà)功能，由于語(yǔ)音卡的種類(lèi)繁多，同時(shí)VoIP(Voice over IP)技術(shù)的快速發(fā)展，就需要使用者自己提供實(shí)際的組件和函數進(jìn)行整合。既便如此，OpenVXI還是提供一個(gè)強大的基本框架讓使用者構建自己的語(yǔ)音平臺。

4.4.1 OpenVXI的系統架構

　　根據圖2.3描述的VoiceXML平臺的基本體系結構分析，OpenVXI符合基本架構，具體的系統架構圖如圖4.3所示。整個(gè)平臺執行VoiceXML頁(yè)面，并提供與電話(huà)網(wǎng)絡(luò )連接的服務(wù)，平臺總共分4個(gè)部分：

　　1．主進(jìn)程、操作管理和維護系統：一個(gè)收集系統管理和錯誤報告的工具。這個(gè)核心組件通過(guò)創(chuàng )建線(xiàn)程的方式來(lái)喚醒VoiceXML瀏覽器。

　　2．OpenVXI：負責解釋VoiceXML標記語(yǔ)言和語(yǔ)音平臺返回的呼叫標志信息(通過(guò)返回相應的事件信息)。

　　3．OpenSpeech Browser PIK：提供了為系統運行所必要的高層次(high-level)服務(wù)，包括識別引擎、語(yǔ)音引導引擎、Internet fetch庫(提供通過(guò)URL對web服務(wù)器訪(fǎng)問(wèn)的庫)、ECMA Script[32]引擎。OpenVXI通過(guò)系統提供的函數接口來(lái)訪(fǎng)問(wèn)這些組件，這些接口不需要定義和實(shí)現各種機制來(lái)滿(mǎn)足與底層電話(huà)系統軟件系統之間的通訊，而是通過(guò)使用支持Client/Server模式的TCP/IP協(xié)議來(lái)實(shí)現。

　　4．Telephony and base services:需要能接收到電話(huà)的基本操作系統服務(wù)和電話(huà)服務(wù)。

圖4.3 OpenVXI系統架構圖

4.4.2 OpenSpeech Browser PIK組件結構

　　圖4.4描述了OpenSpeech Browser PIK 的架構和組件構成，包括為完成語(yǔ)音識別和TTS功能整合的產(chǎn)品SpeechWorks。 所有的組件都被設計成很容易的去訪(fǎng)問(wèn)。這個(gè)語(yǔ)音瀏覽器(Speech Browser)包括：

　　1．VXI：解析所有的VoiceXML標記，并且擔當程序中的主控作用。VXI實(shí)現了VoiceXML 1.0中所有必需(mandatory)的部分和大部分的可選功能。

　　2．XML Parser Interface：提供對XML DOM解析器的訪(fǎng)問(wèn)，現在的實(shí)現方式是通過(guò)直接調用開(kāi)源的Apache Xerces SAX and DOM parse解析接口。

　　3．Internet Interface：通過(guò)http://和file://的方式訪(fǎng)問(wèn)應用文檔(即URL的方式訪(fǎng)問(wèn)Web頁(yè)面)，同時(shí)也支持POST的方式給應用服務(wù)器返回數據。這方面的實(shí)現是整合了開(kāi)源W3C Libwww開(kāi)發(fā)庫。

　　4．ECMAScript(JavaScript) Interface ：提供了對ECMAScript執行服務(wù)的訪(fǎng)問(wèn)。相關(guān)的實(shí)現整合了Mozilla SpiderMonkey開(kāi)源引擎。

　　5．Logging Interface：用來(lái)報告系統級別的錯誤、事件和診斷信息。它是將日志存儲成日志文件，并且可以選擇進(jìn)行標準的輸出。

核心瀏覽器中與語(yǔ)音平臺相關(guān)的API主要包括：

　　1．Recognizer Interface：提供語(yǔ)法管理和由VoiceXML指定的識別服務(wù)(例如：收取DTMF碼)，包括動(dòng)態(tài)語(yǔ)法創(chuàng )建和語(yǔ)法構建。它通過(guò)Telephony Service來(lái)獲取呼叫信息，并且已經(jīng)在OpenSpeech Browser中整合。

　　2．Prompting Interface：提供完整的放音服務(wù)，包括播放可變語(yǔ)音。它必須處理語(yǔ)音文件并且提供語(yǔ)音服務(wù)。OpenSpeech Browser PIK已經(jīng)整合了支持幾種語(yǔ)言的TTS。

　　3．Telephony Interface：提供呼叫控制服務(wù)，包括發(fā)送語(yǔ)音平臺的時(shí)間、轉接和掛斷電話(huà)。OpenSpeech Browser PIK已經(jīng)實(shí)現了與底層的語(yǔ)音平臺交互，并抽象了API來(lái)提供呼叫控制服務(wù)。

　　4．Object Interface：提供了對對象的訪(fǎng)問(wèn)。通過(guò)對象元素，平臺可以訪(fǎng)問(wèn)定義的那些對VoiceXML語(yǔ)音的擴展。對象可以很容易的被定義成適合語(yǔ)音平臺需要的呼叫控制擴展、CTI系統的彈屏顯示或者其它一些需求。

圖4.4 OpenSpeech Browser PIK 組件構成圖

　　通過(guò)對OpenVXI的描述，可以看出：模塊化和分層次的設計使得在平臺里的各個(gè)組件之間即相對獨立，又相互聯(lián)系、互相協(xié)作來(lái)完成整個(gè)平臺的功能。使用者可以通過(guò)實(shí)現平臺提供的各種接口來(lái)實(shí)現對基于各種硬件或者軟件的語(yǔ)音系統的整合。本文設計的IVR系統所涉及到的是模擬語(yǔ)音卡，所以對與錄音、放音、取鍵都由語(yǔ)音卡所提供的API來(lái)完成即可。

4.4.3 接口實(shí)現（取鍵、錄音、放音、轉接）

　　OpenSpeech Browser PIK自身就是支持標準的VoiceXML 2.0的標準，同時(shí)對VoiceXML的解析能力比較強大，又同時(shí)整合了Apache的XML解析器、W3C的LIBWWW進(jìn)行Web訪(fǎng)問(wèn)和Mozilla Spider Monkey作為ECMA Script的執行器，本文主要是通過(guò)實(shí)現相應的語(yǔ)音平臺接口來(lái)實(shí)現IVR系統的執行引擎。沒(méi)有對VoiceXML解析功能做過(guò)多的修改。

Recognizer Interface(識別接口)的實(shí)現

　　對應Recognizer的接口,OpenVXI分別針對收取用戶(hù)按鍵(DTMF碼)和語(yǔ)音識別(speech recognize)的接口，但是由于現在語(yǔ)音識別的技術(shù)并不是很成熟，特別是對中文的識別率不是很高，本文設計的IVR系統就沒(méi)有涉及到該功能，只是留下接口等待以后實(shí)現。需要實(shí)現的具體接口函數有收取用戶(hù)按鍵和錄音。

收鍵接口，函數體描述如下：

VXIpromptResult Recognize (struct VXIrecInterface* pThis,
const VXIMap* properties,
VXIrecRecognitionResult** recogResult)

圖4.5描述了實(shí)現該接口的流程圖。

圖4.5 使用Recognize接口實(shí)現收DTMF碼流程圖

　　1)獲取連接實(shí)例，其數據是從語(yǔ)音卡檢測到的信令，發(fā)送給語(yǔ)音平臺。通過(guò)GetImplementaionName來(lái)獲得實(shí)例名稱(chēng)，進(jìn)入下一步；

　　2)使用BeginSession來(lái)創(chuàng )建session，并且通過(guò)LoadGrammarURI來(lái)裝載語(yǔ)法。這時(shí)候開(kāi)始啟動(dòng)收鍵，進(jìn)入下一步；

　　3)啟動(dòng)計時(shí)器，等待事件觸發(fā)；

　　4)如果接收到SC_EVENT_DISCCONET事件，表示用戶(hù)主動(dòng)放棄，返回REC_FAILURE，調用EndSession，流程結束；如果接收到SC_EVENT_TIMEOUT事件，表示用戶(hù)在計時(shí)器的時(shí)間內沒(méi)有輸入，返回REC_NOINPUT，調用EndSession，流程結束；如果接收到SC_EVENT_DTMF_RECEIVED事件，表示用戶(hù)輸入完畢，進(jìn)入下一步；

　　5)檢查語(yǔ)法的符合性，通過(guò)檢查是否滿(mǎn)足在.gram文件里設置的正則表達式來(lái)判斷，如果符合轉6，不符合轉7；

　　6)符合語(yǔ)法，返回REC_SUCESS，調用EndSession，流程結束；

　　7)不符合語(yǔ)法，返回REC_NOMATCH，調用EndSession，流程結束。

錄音接口，接口函數體描述如下：

VXIrecResult Record (struct VXIrecInterface* pThis,
const VXIMap* propertites,
VXIrecRecordResult** recordResult)

圖4.6描述了實(shí)現該接口的流程圖。

圖4.6使用Record接口實(shí)現錄音流程圖

　　1)獲取連接實(shí)例，其數據是從語(yǔ)音卡檢測到的信令，發(fā)送給語(yǔ)音平臺。通過(guò)GetImplementaionName來(lái)獲得實(shí)例名稱(chēng)，進(jìn)入下一步；

　　2)創(chuàng )建錄音文件名，進(jìn)入下一步；

　　3) 使用BeginSession來(lái)創(chuàng )建session，并且通過(guò)LoadGrammarURI來(lái)裝載語(yǔ)法。這時(shí)候開(kāi)始啟動(dòng)錄音功能，進(jìn)入下一步；

　　4)啟動(dòng)計時(shí)器，等待事件觸發(fā)；

　　5)如果接收到SC_EVENT_DISCCONET事件，表示用戶(hù)主動(dòng)放棄，轉到步驟7；如果接收到SC_EVENT_TIMEOUT事件，表示用戶(hù)在計時(shí)器的時(shí)間內沒(méi)有輸入，返回REC_NOINPUT，調用EndSession，流程結束；如果接收到SC_EVENT_RECORD_RECEIVED事件，表示用戶(hù)錄音完畢，進(jìn)入下一步；

　　6)返回REC_SUCCESS，進(jìn)入下一步；

　　7)檢查錄音文件是否有數據。如果錄音文件沒(méi)有數據不存在數據，表示錄音不成功，返回REC_FAILURE，調用EndSession，流程結束；如果錄音文件有數據，表示錄音成功，返回成功，調用EndSession，流程結束。

Prompting Interface(放音接口)的實(shí)現

　　對于放音接口，所需要關(guān)注的是3個(gè)函數的實(shí)現：Queue()接口、Play()接口和Wait()接口。

　　Queue接口僅僅是將所要播放或者重復播放的語(yǔ)音文件放入隊列中，并不擔當放音的功能， Play()接口才是啟動(dòng)播放動(dòng)作的。這個(gè)調用會(huì )一直阻塞直到放音數據返回以便于調用者可以確認是否需要重播。接口函數體描述如下：

VXIpromptResult Queue (struct VXIproptInterface* pThis,
const VXIchar* type,
const VXIchar* content,
const VXIchar* text,
const VXIMap* properties)


　　在實(shí)現過(guò)程中，本文設計的IVR系統只是涉及到語(yǔ)音文件的播放，所以只是需要通過(guò)調用語(yǔ)音卡API將語(yǔ)音文件放入播放隊列即可，而需要重復播放的語(yǔ)音文件，只要重復放入到語(yǔ)音隊列當中便可實(shí)現。

　　Play接口是完成放音動(dòng)作的接口。實(shí)現非常簡(jiǎn)單，只需要調用語(yǔ)音卡放音API去播放存在播放隊列里的語(yǔ)音文件。接口函數體描述如下：

VXIpromptResult Queue (struct VXIproptInterface* pThis)

　　Wait接口是等待所有的放音文件都結束，去捕獲放音時(shí)間結束。接口函數體描述如下：

VXIpromptResult Wait (struct VXIproptInterface* pThis
VXIpromptResult* playResutl)


　　圖4.7描述了這三個(gè)接口實(shí)現流程圖。

圖4.7 Queue、Play、Wait接口實(shí)現流程圖

Queue接口實(shí)現如下：

　　1)獲取連接實(shí)例，其數據是從語(yǔ)音卡檢測到的信令，發(fā)送給語(yǔ)音平臺，進(jìn)入下一步；

　　2)判斷語(yǔ)音文件是否合法，如果合法轉3，不合法返回PROMPT_FAILURE，流程結束；

　　3)將要播放的文件名放入播放隊列中等待播放，返回PROMPT_SUCCESS，流程結束。

Play接口實(shí)現如下：

　　1)獲取連接實(shí)例，其數據是從語(yǔ)音卡檢測到的信令，發(fā)送給語(yǔ)音平臺，進(jìn)入下一步；

　　2)判斷播放隊列是否為空，如果為空返回PROMPT_SUCCESS，流程結束；如果不為空，轉3；

　　3)調用語(yǔ)音卡放音API實(shí)現放音功能，轉2。

Wait接口實(shí)現如下：

　　1)獲取連接實(shí)例，其數據是從語(yǔ)音卡檢測到的信令，發(fā)送給語(yǔ)音平臺，進(jìn)入下一步；

　　2)啟動(dòng)計時(shí)器，等待事件觸發(fā)；

　　3)如果收到SC_EVENT_DISCONNECT事件，表示話(huà)路斷開(kāi)，返回PROMPT_FAILURE，流程結束；如果收到SC_EVENT_PROMPT_END,返回PROMPT_SUCCESS，流程結束。

Telephony Interface(轉接接口)的實(shí)現

　　對于電話(huà)接口，需要實(shí)現的方法有GetStatus、Disconnect、TransferBlind，而TransferBridge指的是通過(guò)橋接的方式去轉接。首先，他需要平臺的支持，其次還要進(jìn)行大量的配置，同時(shí)占有很多的資源，非常的不實(shí)用。對于IVR系統來(lái)說(shuō)，不需要這么復雜的操作。對于大型的呼叫中心，IVR系統只是前置于整個(gè)呼叫平臺，更多的話(huà)路操作還需要交給CTI系統去完成。

　　下面給出每個(gè)接口實(shí)現的流程圖，如圖4.8所示。

圖4.8 GetStatus、Disconnect、TransferBlind接口流程圖

GetStatus函數體描述如下：

VXItelResult GetStatus(struct VXItelInterface* pThis,
VXItelStatus* status)

接口實(shí)現如下：

　　1)獲取連接實(shí)例，其數據是從語(yǔ)音卡檢測到的信令，發(fā)送給語(yǔ)音平臺，進(jìn)入下一步；

　　2)調用語(yǔ)音卡API去查看通道狀態(tài)，進(jìn)入下一步；

　　3)將獲得狀態(tài)返回，如果通道中有電話(huà)返回VXI_STATUS_ACTIVE；如果通道是空閑狀態(tài)則返回VXI_STATUS_INACTIVE流程結束。

Disconnect函數體描述如下

VXItelResult Disconnect(struct VXItelInterface* pThis)

接口實(shí)現如下：

　　1)獲取連接實(shí)例，其數據是從語(yǔ)音卡檢測到的信令，發(fā)送給語(yǔ)音平臺，進(jìn)入下一步；

　　2)調用語(yǔ)音卡API去檢查語(yǔ)音連接是否存在，如果存在，則進(jìn)入下一步；如果不存在，轉4；

　　3)調用語(yǔ)音卡API去掛斷電話(huà)，進(jìn)入下一步；

　　4) 調用語(yǔ)音卡API釋放所有資源，流程結束。

TransferBlind函數體描述如下

VXItelResult TransferBlind (struct VXItelInterface* pThis,
const VXIMap* properties，
const VXIChar* transferDestination,
VXIMap** resp)


接口實(shí)現如下：

　　1)獲取連接實(shí)例，其數據是從語(yǔ)音卡檢測到的信令，發(fā)送給語(yǔ)音平臺，進(jìn)入下一步；

　　2)調用語(yǔ)音卡API去檢查語(yǔ)音連接是否存在，如果存在，則進(jìn)入下一步；如果不存在，轉4；

　　3)調用語(yǔ)音卡API去轉接電話(huà)(因為是采用的是“盲轉”方式轉接，IVR系統只要將電話(huà)轉移到話(huà)機上即可，不需要管理轉接后的狀態(tài))，返回成功，流程結束；

　　4)返回失敗，流程結束。

4.3本章小結

　　本章在基于整個(gè)IVR系統的詳細設計基礎上，基于MFC技術(shù)和OpenVXI的開(kāi)源項目，實(shí)現了IVR系統可視化的過(guò)程定義工具和IVR系統的執行引擎。

基于VoiceXML技術(shù)可視化IVR設計和實(shí)現(四)

作者獨家提供CTI論壇稿件，其它媒體謝絕轉載

CTI論壇報道