首頁(yè)>>廠(chǎng)商>>語(yǔ)音識別與合成>> 北京無(wú)限商機

語(yǔ)音系統開(kāi)發(fā)的新平臺：VoiceXML瀏覽器

張欣 2001/10/19

VoiceXML將語(yǔ)音交互引入了數據瀏覽的世界，使電話(huà)等以語(yǔ)音為主要形式的設備成為新型的網(wǎng)絡(luò )終端，其自然、簡(jiǎn)單，具備了更為廣泛的普及性和友好性。本文對無(wú)限商機公司的VoiceXML語(yǔ)音瀏覽器的介紹，將幫助讀者進(jìn)一步了解它的功能和用途。

無(wú)限商機公司的VoiceXML語(yǔ)音瀏覽器是為解決用戶(hù)的多種需求而設計的，在實(shí)現過(guò)程中，分別設計了控制層、安全層、事務(wù)層、會(huì )話(huà)層和應用層，并開(kāi)放了除控制層之外的所有層的接口。

1．VoiceXML語(yǔ)音瀏覽器的組成部分

一個(gè)完整的VoiceXML語(yǔ)音瀏覽器，由VoiceXML 解析器、語(yǔ)音識別引擎、語(yǔ)音合成引擎、語(yǔ)音通道等幾個(gè)部分組成。

（1）VoiceXML 解析器

VoiceXML解析器是整個(gè)語(yǔ)音瀏覽器的核心部分，在語(yǔ)音瀏覽器中擔負控制中心的角色。VoiceXML解析器通過(guò)網(wǎng)絡(luò )協(xié)議，如HTTP協(xié)議等，獲取VoiceXML 腳本語(yǔ)言所描述的應用文檔；解析該應用文檔，解釋其中各個(gè)標志，生成相應的控制命令，控制其他部件進(jìn)行相應的動(dòng)作，并獲取結果；根據結果決定應用的執行方向和順序流。

（2）語(yǔ)音識別引擎

語(yǔ)音識別引擎是VoiceXML語(yǔ)音瀏覽器的生命力所在，它使計算機能理解用戶(hù)的語(yǔ)音命令，將產(chǎn)生的相應的文字結果送回VoiceXML解析器進(jìn)行處理。

在VoiceXML語(yǔ)音瀏覽器中，語(yǔ)音識別引擎為命令式的識別引擎，其根據有限的語(yǔ)法來(lái)識別用戶(hù)的語(yǔ)音信號，產(chǎn)生對應語(yǔ)法定義的識別結果。所以，語(yǔ)法便成為了VoiceXML語(yǔ)音瀏覽器中的重要概念。在VoiceXML語(yǔ)音瀏覽器中，語(yǔ)法決定了用戶(hù)能說(shuō)什么、如何說(shuō)。好的語(yǔ)法能帶給用戶(hù)良好的交互感覺(jué)，也能從邏輯上提高語(yǔ)音識別引擎的識別率，使整個(gè)語(yǔ)音應用的瀏覽流暢而輕松。

在VoiceXML語(yǔ)音瀏覽器中，語(yǔ)音識別引擎不僅需要處理對用戶(hù)語(yǔ)音信號的識別，同時(shí)也需要處理對用戶(hù)按鍵的識別，按鍵和語(yǔ)音以同樣的機制被處理和傳遞。

（3）語(yǔ)音合成引擎

VoiceXML語(yǔ)音合成引擎可以將文字轉換成語(yǔ)音文件，也可以轉換成語(yǔ)音數據流，或者直接將事先錄制好的語(yǔ)音文件直接播放或以流的方式播放給語(yǔ)音通道。

語(yǔ)音合成引擎將文字轉化為聲音的品質(zhì)，決定了用戶(hù)對系統的直接感覺(jué)。因此，如何提高語(yǔ)音合成引擎的合成品質(zhì)，已成為影響語(yǔ)音應用效果的重要因素。

（4）語(yǔ)音通道

語(yǔ)音通道是在VoiceXML語(yǔ)音瀏覽器中傳輸用戶(hù)語(yǔ)音數據信號和由合成引擎所產(chǎn)生的聲音數據信號的傳遞通道，它在物理上連接語(yǔ)音采集和播放設備、語(yǔ)音識別引擎的語(yǔ)音輸入端和語(yǔ)音合成引擎的語(yǔ)音輸出端。

在基于電信平臺的語(yǔ)音應用系統中，語(yǔ)音通道的物理設備主要是語(yǔ)音卡、語(yǔ)音信道或是以數字編碼形式存在的虛擬通道，如IP的語(yǔ)音編碼數據包等；而在PC平臺上，聲卡則成為主要的語(yǔ)音通道。

對不同平臺的語(yǔ)音通道物理設備的支持，決定了VoiceXML語(yǔ)音瀏覽器是一個(gè)可實(shí)際應用的平臺。

2．VoiceXML語(yǔ)音瀏覽器各部分的協(xié)作

VoiceXML語(yǔ)音瀏覽器的協(xié)作核心是VoiceXML解析器，其通過(guò)建立應用和會(huì )話(huà)，獲取包含控制命令的文檔，根據文檔中的標志建立對話(huà)，從而解釋各個(gè)對話(huà)，控制語(yǔ)音識別、語(yǔ)音合成引擎以及語(yǔ)音通道的觸發(fā)、開(kāi)啟關(guān)閉和掛起等，實(shí)現與用戶(hù)的會(huì )話(huà)式的交互，并根據對用戶(hù)反饋的識別結果進(jìn)行導向判斷，進(jìn)行文檔之間的轉移和應用之間的轉移。

3．VoiceXML語(yǔ)音瀏覽器的開(kāi)放機制

在無(wú)限商機公司的VoiceXML語(yǔ)音瀏覽器中，對識別引擎和合成引擎進(jìn)行了開(kāi)放性的接口設計，實(shí)現了與引擎無(wú)關(guān)的設計。根據此接口，開(kāi)發(fā)商可以開(kāi)發(fā)用于其他識別或合成引擎的封裝模塊，從而在無(wú)限商機的VoiceXML語(yǔ)音瀏覽器中使用其他的識別或合成引擎。其可建立于電話(huà)服務(wù)器、PC 、嵌入式設備中，支持國內外語(yǔ)音卡，支持IP等語(yǔ)音信道。

無(wú)限商機公司VoiceXML語(yǔ)音瀏覽器中，所有開(kāi)發(fā)接口是以CORBA規范設計的，開(kāi)發(fā)商可以用各種編程語(yǔ)言，如C、C++、Java等，在不同的平臺和操作系統上實(shí)現，從而實(shí)現對各種操作系統平臺的支持。并且，利用CORBA強大的分布式機制，整個(gè)VoiceXML語(yǔ)音瀏覽器可以建立于跨越各種物理平臺、操作系統之上的分布式網(wǎng)絡(luò )中。

4．在VoiceXML語(yǔ)音瀏覽器上開(kāi)發(fā)語(yǔ)音應用

在VoiceXML語(yǔ)音瀏覽器上開(kāi)發(fā)語(yǔ)音應用，如同開(kāi)發(fā)Web應用一樣輕松簡(jiǎn)單，只需要有XML的知識，就可以開(kāi)發(fā)VoiceXML應用。基于VoiceXML的語(yǔ)音應用系統，可以很好地與其他已有的Web 應用系統或數據應用系統實(shí)現良好結合。

在VoiceXML語(yǔ)音瀏覽器基礎上的應用開(kāi)發(fā)，改變了傳統的CTI系統的開(kāi)發(fā)概念。開(kāi)發(fā)人員不必關(guān)心復雜的流程和模塊，不必為數據接口編寫(xiě)程序模塊，不必重新建立已有系統的邏輯實(shí)現，也不必一次次地重復某個(gè)模塊的開(kāi)發(fā)。

計算機世界網(wǎng) 2001/10/19