VoiceXML語(yǔ)音門(mén)戶(hù)的引擎

冉隆科 2000/12/11

　　曾幾何時(shí)，人們對XML已耳熟能詳，并將它用于描述圖像和結構復雜的其他數據。Web技術(shù)發(fā)展之快令人驚嘆!現在，業(yè)界又正在展開(kāi)一項XML的新的應用：VoiceXML(話(huà)音可擴展標記語(yǔ)言)，其主要特點(diǎn)是通過(guò)語(yǔ)音輸入和音頻輸出支持人機對話(huà)。

　　1999年，AT&&T、IBM、朗訊科技和摩托羅拉公司等組成了VoiceXML論壇，旨在討論將VoiceXML確定為通過(guò)話(huà)音和電話(huà)利用Internet內容的標準。目前，參加該論壇的公司達150多家。討論所涉及的主要內容包括將VoiceXML作為標準，怎樣用VoiceXML解釋程序取代HTML解釋程序，用人的語(yǔ)音取代鼠標和鍵盤(pán)。

　　下面就VoiceXML的基本功能、VoiceXML 1.0版的主要特性和分布式模型等作一簡(jiǎn)要介紹。


　　VoiceXML的基本功能


　　VoiceXML是萬(wàn)維網(wǎng)集團(W3C)定義的可擴展標記語(yǔ)言(XML)的一種新的應用。或者說(shuō)它是一種域專(zhuān)用語(yǔ)言，根據所播放的音頻文件、要口述的文本、要記錄和識別的語(yǔ)言以及所收集的按鍵音輸入，定義人和計算機之間的對話(huà)。VoiceXML可以描述傳統的語(yǔ)音響應業(yè)務(wù)以及新的混合主動(dòng)式業(yè)務(wù)。

　　VoiceXML保護應用開(kāi)發(fā)程序不受同時(shí)多線(xiàn)程控制——資源供給和平臺專(zhuān)用API等問(wèn)題的影響，因為這些問(wèn)題都由交互式話(huà)音響應(IVR)平臺的VoiceXML客戶(hù)程序去處理。這種保護功能使平臺之間具有更大的業(yè)務(wù)可移植性。

　　VoiceXML與XML相比具有某些重要的優(yōu)點(diǎn)，其中最主要的優(yōu)點(diǎn)是能夠重復使用和容易重組現有的軟件工具，以生成、轉換和分析XML文件，而且還能使VoiceXML利用其他基于XML的補充標準。例如，VoiceXML應用程序有時(shí)需要確定語(yǔ)音合成參數，比如音量、講話(huà)快慢和音調等。

　　從VoiceXML的對話(huà)看，調用程序將電話(huà)號碼撥入具有VoiceXML客戶(hù)程序的IVR平臺。該平臺將電話(huà)號碼送給URL，而客戶(hù)程序把HTTP請求送給專(zhuān)用的URL。Web服務(wù)器用包含同調用程序執行對話(huà)的VoiceXML文件表示響應。客戶(hù)程序解釋該文件，從而與調用程序、播放提示、收集按鍵音輸入的信息交互作用，最后將收集的信息提交給文件本身指定的URL。Web服務(wù)器處理輸入，用處理后的文件表示回答，從而繼續進(jìn)行對話(huà)。


　　VoiceXML的主要特性


　　VoiceXML 1.0版的主要特性可以分為4個(gè)方面：對話(huà)、電話(huà)、平臺和性能。

　　1.對話(huà)特性

　　每個(gè)VoiceXML文件由一次或多次對話(huà)組成。對話(huà)特性包括收集按鍵音輸入、音頻輸出的生成、異步事件的處理、客戶(hù)端編寫(xiě)腳本的性能以及對話(huà)的連續性。VoiceXML支持下面的輸入格式：音頻記錄、自動(dòng)語(yǔ)音識別和按鍵音。輸出可以是預先記錄的音頻文件、 文本對應于語(yǔ)音的生成或二者兼而有之。

　　VoiceXML支持異步事件的生成和處理。異步事件有兩種：一是內部事件，如超時(shí)、未被識別的輸入或請求幫助；二是用戶(hù)定義的事件。事件處理程序一般確定要提供給調用程序的某些新的輸出，以及是否繼續現在的對話(huà)或轉換到另外的對話(huà)。

　　為使服務(wù)器的響應時(shí)間最短，VoiceXML允許在一次對話(huà)中收集多個(gè)數據段，并允許用這種數據段編寫(xiě)客戶(hù)端腳本。對話(huà)還確定何時(shí)根據用戶(hù)的輸入將數據提交給另一個(gè)URL服務(wù)邏輯，以及何時(shí)轉換成不同的對話(huà)。

　　VoiceXML還支持傳統的IVR系統，即選單、定向對話(huà)以及新的混合主動(dòng)式人機交互樣式。選單交互樣式允許調用程序從一系列的選項中選擇幾個(gè)選項。定向對話(huà)交互樣式可使調用程序連續收集數據集。混合主動(dòng)式對話(huà)交互樣式可使調用程序以單一語(yǔ)調輸入多個(gè)數據段，并提供部分信息。

　　這里以天氣信息為例，表明不同的人機交互樣式提供的信息各不相同，但主動(dòng)式更快捷(見(jiàn)表1)。

　　2.電話(huà)特性

　　VoiceXML對電話(huà)連接實(shí)施基本控制。它允許文件制作者規定何時(shí)拆接，何時(shí)傳送呼叫。傳送是一種跟隨特性，即只要呼叫被成功傳送，并連接到被呼叫人，例如客戶(hù)的業(yè)務(wù)代表，便立即隱藏端接VoiceXML對話(huà)的傳送，暫停VoiceXML對話(huà)。與被呼叫人的對話(huà)結束后，VoiceXML對話(huà)繼續進(jìn)行。這一特性可節省呼叫傳送時(shí)間，有利于在后續URL請求中提交其他數據。

　　3.平臺特性

　　VoiceXML在提供描述對話(huà)的標準方法的同時(shí)，還能提供容納單個(gè)平臺的機制。這包括調用平臺專(zhuān)用功能和控制平臺專(zhuān)用屬性。例如，一個(gè)平臺具有先進(jìn)的講話(huà)人驗證組件，而另一個(gè)平臺可能具有定制信用卡對話(huà)，可以控制其專(zhuān)用的語(yǔ)音識別參數。無(wú)線(xiàn)環(huán)境里的客戶(hù)程序可以提供主叫用戶(hù)的位置。所有這些專(zhuān)用平臺特性都可借助VoiceXML平臺一種或幾種特性得以實(shí)現。

　　4.性能特性

　　VoiceXML文件和這些文件所使用的資源，以及URL確定的每一種資源的位置都是基于Web的。這些資源包括音頻文件、輸入語(yǔ)法、腳本和對象。VoiceXML客戶(hù)程序必須在使用這些資源之前查找和安裝這些資源。VoiceXML服務(wù)提供商要面對的一個(gè)問(wèn)題是在讀取資源的同時(shí)，主叫用戶(hù)聽(tīng)到的是極其微弱的“靜音”。當系統查找資源時(shí)，采用可視瀏覽器的PC用戶(hù)看到一個(gè)旋轉圖標，但是與VoiceXML平臺保持聯(lián)系的主叫用戶(hù)也可能察覺(jué)不到這種業(yè)務(wù)是基于Web的，因此有可能把“靜音”看作是失去聯(lián)系的信號。

　　VoiceXML提供幾種消除或隱藏與查找Web資源有關(guān)的靜音的裝置。像可視瀏覽器一樣，VoiceXML客戶(hù)程序可以使用高速緩存而無(wú)需讀出數據。與可視瀏覽器所不同的是，VoiceXML客戶(hù)程序不必再裝入按鈕，這樣VoiceXML便讓文件編制人能夠確定是否使用高速緩存資源，或查找新的拷貝。

　　當必須查找新的資源拷貝時(shí)，文件編制人可以指定查找需等候的時(shí)間，對于某些資源還可以在讀取期間確定要播放的音頻文件。

　　VoiceXML還了解有些客戶(hù)程序在使用資源之前可能讀取資源。只要裝入音頻文件，文件編制人員就可以提示與可能要讀取的資源有關(guān)的客戶(hù)程序。這種資源讀取可能與文件解釋同時(shí)進(jìn)行，其目的在于按二者所需的時(shí)間利用資源和解釋文件。


　　VoiceXML分布式模型


　　Web為每個(gè)用戶(hù)提供全球范圍的信息，同時(shí)給每個(gè)信息和服務(wù)提供商提供全球范圍的用戶(hù)。因此，分布式應用模型是Web的基本模型；VoiceXML建立在與基于Web的相同的模型上。圖1表示通過(guò)電話(huà)訪(fǎng)問(wèn)的VoiceXML業(yè)務(wù)使用的基于Web的分布式應用模型。

　　在這種應用模型中，除HTML解釋程序(Web瀏覽器)被VoiceXML解釋程序取代，語(yǔ)音取代作為用戶(hù)接口媒介的鼠標和鍵盤(pán)外，VoiceXML結構與可視Web模型的結構基本相同。除其核心能力外，VoiceXML提供更先進(jìn)的功能特性，包括本地驗證和處理、音頻回放和記錄，以及支持上下文特有的修剪，并支持可重用的附屬對話(huà)。

　　用戶(hù)輸入的本地處理和驗證是通過(guò)收集提供標準編程模型的諸多元素實(shí)現的。一個(gè)“程序塊”元素允許代碼在收集輸入的過(guò)程中的任何一點(diǎn)運行。一個(gè)“填充”元素可使輸入驗證代碼，根據用戶(hù)輸入的任何一組數據提高控制效能；該元素對混合主動(dòng)式對話(huà)特別有用，因為在該模型中用戶(hù)能夠用任何指令應用輸入。“腳本”元素可使JavaScript程序碎段在對話(huà)過(guò)程中的任何一點(diǎn)運行。（下轉E11版）

　　預先記錄的音頻提示的回放是通過(guò)“音頻”元素完成的。用戶(hù)信息的記錄是通過(guò)“記錄”元素完成的；而后，記錄的音頻可以通過(guò)“音頻”元素回放，或者上裝到服務(wù)器，供存儲、處理或以后回放使用。

　　同時(shí)，上下文特有的修剪幫助由內部事件系統和事件處理程序提供。例如，VoiceXML定義一系列相對于用戶(hù)請求幫助的事件。這種應用還可以在任何給定的上下文中(包括表格或字段)，提供相對于特定上下文的特定的事件。

　　最后，VoiceXML對附屬對話(huà)(所執行的完整的表格)提供支持，對話(huà)的結果是對另一個(gè)表格提供輸入字段。這一功能特性有兩個(gè)用途，一是對輸入消除多義性或確認對話(huà)，二是支持可重用的附屬對話(huà)。


　　青出于藍而勝于藍


　　盡管VoiceXML重用許多HTML的概念和設計，但由于可視和語(yǔ)音交互之間的區別，它在幾個(gè)方面具有不同的特點(diǎn)。例如，HTML文件是從統一資源識別符確定的網(wǎng)絡(luò )資源中讀出的單個(gè)元素，并同時(shí)將所有的元素提供給用戶(hù)。VoiceXML則不同，它包含若干對話(huà)元素(選單、表格)，依次順序地將這些元素提供給用戶(hù)。這種區別歸因于可視媒介能夠同時(shí)顯示若干選項，而話(huà)音媒介本來(lái)就具有連續性特點(diǎn)。

　　因此，盡管特定的VoiceXML文件可以包含與相對應的HTML文件的相同的信息，但VoiceXML文件不同的結構反映了話(huà)音媒介的連續性，而HTML只相當于前面所述的VoiceXML文件中的選單。

　　就HTML而言，沒(méi)有必要把這種選單視為一個(gè)元素，或者使用標記結構把它與同一頁(yè)面上的其他元素分隔開(kāi)來(lái)。但是，VoiceXML要求把對話(huà)元素(選單和表格)看作是不同的元素，以便一次對用戶(hù)提供一個(gè)元素。因此，HTML文件實(shí)際上起單一對話(huà)元素的作用，而 VoiceXML文件是對話(huà)元素(如選單和表格)的一個(gè)容器，每個(gè)容器包含對文本元素排列解釋程序的邏輯。

　　話(huà)音媒介連續性的再一個(gè)不同特點(diǎn)是要求標記包含應用邏輯，以用于在對話(huà)元素之間排列程序。這一要求反映在順序邏輯元素的集成方面，VoiceXML比HTML更緊湊。例如，VoiceXML包含順序控制元素，而在HTML中，這種控制只能通過(guò)更麻煩的編寫(xiě)腳本的方法才能實(shí)現。

　　W3C語(yǔ)音瀏覽器工作組已將VoiceXML 1.0版確定為對話(huà)標記語(yǔ)言的基礎。VoiceXML客戶(hù)程序和VoiceXML應用業(yè)務(wù)，目前已在許多公司中開(kāi)始實(shí)用。

《賽迪市場(chǎng)專(zhuān)家》2000/12/11