VoiceServer 2.0產(chǎn)品白皮書
——基于VoiceXML的可編程語音平臺

2002/09/29

　　信息技術革命將人類社會推進到信息社會，企業(yè)的經(jīng)營管理、個人的休閑理財都離不開信息。人們比以前的任何時期都更加渴望能夠隨時隨地得到信息。而語音作為人類最原始、最自然的交流方式，最受人們的青睞。Evans Group Research對250個使用不同語音系統(tǒng)的用戶進行的調(diào)查表明， 83%的用戶更喜歡使用語音系統(tǒng)而不是按鍵式系統(tǒng)。

　　在激烈的市場競爭中，企業(yè)、服務提供商一直在尋求完善客戶服務的途徑。金融、電信等領域實施呼叫中心的成功經(jīng)驗，使企業(yè)、服務提供商體會到語音服務帶來的經(jīng)濟效益和社會效益。提供更為人性化、智能化的語音服務系統(tǒng)，提供24小時全天候的自助服務系統(tǒng)，已成為企業(yè)和服務提供商重要的市場策略。

1.2. 技術基礎

　　近幾年來，計算機語音識別（ASR）和語音合成（TTS）技術的突破給語音應用提供了堅實的基礎，與此同時VoiceXML的標準化更使語音應用生機勃勃。

　　語音識別技術是指將人說話的音頻信號轉換為可被計算機所識別的文字信息，而語音合成技術則是指將文字信息轉變?yōu)橐纛l信息的技術。事實上，語音識別產(chǎn)品進入大眾視野只有短短的4年。1998 年IBM 率先推出ViaVoice引發(fā)了語音應用的熱潮，研究機構和企業(yè)廠家紛紛研制各具特色的語音產(chǎn)品。通過識別算法的改良，同時得益于硬件能力的提高，今天優(yōu)秀的語音識別系統(tǒng)的識別率高達95%以上，完全能夠滿足商業(yè)應用的需求。而語音合成技術則已經(jīng)能夠實現(xiàn)自然、流暢的文字合成。

　　VoiceXML 是由IBM 、Lucent、Motorola 和AT&T 四家公司于2000年提出的一種應用于語音瀏覽的標記語言。如下圖所示，VoiceXML是各廠商多年經(jīng)驗積累的產(chǎn)物，VoiceXML Forum更是得到業(yè)界廣泛的支持，同時VoiceXML由W3C組織標準化，成為事實上的工業(yè)標準。

1.3. 市場機遇

語音應用市場的構成如下圖所示：

• 企業(yè)用戶可以在其電子商務或呼叫中心平臺的基礎上提供語音訪問界面，以為最終用戶提供更為體貼、便利的服務；


• 服務提供商可以提供語音應用托管業(yè)務，或直接提供各具特色的語音應用；


• 應用軟件開發(fā)商、系統(tǒng)集成商可以在應用中集成語音功能，為用戶提供語音訪問界面；


• 語音應用專業(yè)IT廠商則提供應用軟件(Application Software)層以下以及工具(Tools)部分，為各類語音應用提供堅實的平臺以及開發(fā)、管理和維護環(huán)境。

• 電話是最終用戶聯(lián)系企業(yè)的主要聯(lián)系方式，VoiceXML以其簡潔易用性，為企業(yè)提供語音門戶，使企業(yè)可以提供更為豐富的24小時客戶服務、信息查詢、在線交易等自助服務，樹立企業(yè)品牌形象，產(chǎn)生更為可觀的經(jīng)濟效益和社會效益；

　
• VoiceXML平臺可以作為低成本的呼叫中心，或者作為以Web為中心的電子商務平臺的補充，使企業(yè)在充分保護現(xiàn)有投資的基礎上，進一步開拓銷售渠道、完善客戶服務、提高運作效率、降低運作成本；

　　
• VoiceXML符合國際標準，建立在XML和Ｗeb技術的基礎上，使得企業(yè)用戶可以擺脫對專用語音系統(tǒng)廠商的依賴，利用企業(yè)自身技術力量，特別是利用企業(yè)對自身客戶需求的深刻理解，在最短的時間內(nèi)推出滿足市場需求、符合企業(yè)發(fā)展目標的語音應用；

　　
• 傳統(tǒng)的語音應用主要以用戶呼入為主，VoiceXML由于其流程控制的簡易性，使企業(yè)可以方便地建立各類用戶回訪、電話確認、電話通知應用，從而更好地體現(xiàn)企業(yè)"用戶至上"的宗旨。

• 及時推出滿足用戶需求的服務是服務提供商在市場中贏得先機的關鍵，采用VoiceXML可以大大縮短應用開發(fā)周期，同時服務提供商完全可以依托自身的技術力量，推出獨具特色的新業(yè)務；

　　
• 服務提供商可以依托自身豐富的資源給中小型企業(yè)托管語音應用，VoiceXML以其簡潔性，大大降低了服務提供商項目管理、系統(tǒng)維護的支出，從而降低運營成本；

　　
• 由于VoiceXML基于通用技術，相比專用IVR系統(tǒng)，人員培訓、系統(tǒng)維護等費用將有所減少，同時語音應用可以運行在任何支持VoiceXML 的語音平臺。

• 自主產(chǎn)權，軟件開發(fā)工作完全在中國大陸進行，能為客戶提供最為全面的本地化服務，按客戶需求快捷、經(jīng)濟地定制業(yè)務

　　
• 設計靈活，可以作為語音門戶，或作為低成本的呼叫中心實施

　　
• 采用開放技術，能夠與.NET、J2EE或數(shù)據(jù)庫實現(xiàn)的業(yè)務邏輯接口，使客戶無需很大投資即可在現(xiàn)有系統(tǒng)的基礎上引入語音服務

　　
• 支持VoiceXML 2.0規(guī)范，符合國際規(guī)范，業(yè)務邏輯獨立于平臺，使客戶可以自由地選擇平臺提供商

　　
• 具備豐富的VoiceXML開發(fā)、調(diào)試環(huán)境，能高效、快捷地實現(xiàn)滿足客戶需求地業(yè)務邏輯

　　
• 外部數(shù)據(jù)存儲和交換采用XML格式，能與客戶現(xiàn)有地其他信息系統(tǒng)方便地交互

• 支持呼入排隊和呼叫轉移功能，使企業(yè)能夠以最小的投資實現(xiàn)基本的呼叫中心功能

　　
• 支持與呼叫中心CTI服務器接口功能，對已有中、大型呼叫中心的客戶，能供通過采用該平臺提供更為完善的自服務功能

　　
• 支持呼出功能，在呼出成功后執(zhí)行VoiceXML腳本，使服務提供商、企業(yè)提供更為主動的客戶服務成為可能

　　
• 支持傳真功能，使服務提供商與企業(yè)用戶可以通過傳真溝通產(chǎn)品信息、反饋服務意見等

　　
• 支持電話會議，使服務提供商可以提供如電話ICQ功能等

• 采用面向對象分析和設計，具備良好的可擴充性和可維護性，使客戶可以根據(jù)業(yè)務量需求平滑地升級系統(tǒng)

　　
• 通過引入服務適配層將核心邏輯獨立于硬件設備和第三方引擎，能方便地和不同地硬件設備、第三方引擎集成

　　
• 支持各種組件技術、通訊技術實現(xiàn)與后臺業(yè)務平臺的通訊，最大程度地復用客戶現(xiàn)有地信息資源，大大地減少投資

• 采用C++編程

　　
• 采用異步模式提供實時服務

　　
• 采用多線程技術并發(fā)處理

• 提供負載平衡的資源管理，能提供不間斷的服務

　　
• 提供信令、資源的備份方案

• 采用SNMP協(xié)議

　　
• 提供遠程、本地的實時監(jiān)控功能

　　
• 支持在線更新業(yè)務

　　
• 提供完整的報表統(tǒng)計功能。

3.3.1. 語音識別

　　可選功能。
　　系統(tǒng)支持語音識別功能，并且系統(tǒng)能同時支持語音輸入和DTMF鍵輸入。

3.3.2. 語音合成

　　可選功能。
　　系統(tǒng)支持語音合成功能，支持中文普通話、中文粵語、英語等。語音菜單、語音提示均可以通過語音合成后播放。

3.3.3. 收發(fā)傳真

　　可選功能。
　　系統(tǒng)支持傳真功能，用戶可以通過該系統(tǒng)接收、發(fā)送TIFF文件。

3.3.4. 呼入排隊

　　可選功能。
　　系統(tǒng)支持按話務員組、技能組等路由的呼入排隊功能。

3.3.5. 電話呼出

　　可選功能。
　　系統(tǒng)支持呼出功能，其呼出任務管理系統(tǒng)支持呼出的重試、超時等功能。
　　5基于VoiceXML的可編程語音平臺

3.3.6. 呼叫轉移

　　可選功能。
　　系統(tǒng)支持呼叫轉移功能，提供呼叫轉移、電話會議等功能。

3.3.7. 錄制語音

　　基本功能。
　　系統(tǒng)支持錄音功能，錄音內(nèi)容可以回放、保存等。

3.3.8. 播放語音

　　基本功能。
　　系統(tǒng)可以播放預先錄制的語音文件，支持的語音文件格式包括PCM linear、PCM a-law,、PCM u-law、ADPCM等。

3.3.9. 接收按鍵

　　基本功能。
　　系統(tǒng)可以接收用戶可以通過DTMF鍵輸入的信息或選擇的菜單。

3.3.10. 業(yè)務詳單

　　基本功能。
　　系統(tǒng)產(chǎn)生XML格式的詳細話單供帳務系統(tǒng)處理。

3.3.11. Javascript

　　基本功能。
　　系統(tǒng)支持在VoiceXML中的javascript及標準的Session變量，支持的預定義類型包括數(shù)字等。

3.3.12. 流程控制

　　基本功能。
　　系統(tǒng)提供javascript實現(xiàn)的VoiceXML流程控制模板，以提供編寫結構化VoiceXML的方式。

3.3.13. 業(yè)務組件

　　可選功能。
　　系統(tǒng)支持在VoiceXML中使用客戶定制的業(yè)務組件。

3.3.14. 平臺管理

　　基本功能。
　　系統(tǒng)提供平臺管理系統(tǒng)，提供業(yè)務統(tǒng)計、業(yè)務監(jiān)控功能。

3.4. 系統(tǒng)結構

3.4.1. 系統(tǒng)結構圖

3.4.2. 語音瀏覽器

　　VoiceXML 語音瀏覽器（Voice Browser）是系統(tǒng)的控制中心，包括VoiceXML解析和會話控制兩部分。其中，VoiceXML 解析部分功能如下：

• 通過文件系統(tǒng)或http獲取VoiceXML腳本

　
• 采用XML DOM解析程序解析腳本

　
• 根據(jù)VoiceXML規(guī)范中定義的Form解釋算法解釋執(zhí)行腳本

　
• 根據(jù)不同標記（tag） ，或執(zhí)行控制流，或執(zhí)行javascript腳本，或產(chǎn)生相應的控制命令。

• 根據(jù)VoiceXML解析器的控制命令按要求執(zhí)行其同步、異步的操作


• 驅動服務提供層完成呼叫控制、語音錄放、語音識別、語音合成等操作


• 協(xié)調(diào)各服務提供者間的時序


• 向VoiceXML解析器返回操作結果。

3.4.4. 服務提供層
　　服務提供層(Service Provider Layer)實現(xiàn)服務適配層的接口。系統(tǒng)目前提供的服務提供者包括：

3.4.5. 應用服務器

　　應用服務器(Application Server)用于存放或產(chǎn)生VoiceXML腳本，可以是文件系統(tǒng)或Web服務器。一般的，文件系統(tǒng)應用于靜態(tài)腳本，Web 服務器應用于動態(tài)腳本。對于動態(tài)腳本，ASP、JSP、PHP等任何用于動態(tài)產(chǎn)生HTML腳本的技術均適用于VoiceXML。對于動態(tài)腳本，應用服務器還負責與后臺業(yè)務邏輯服務器接口。

3.4.6. 業(yè)務訪問層

　　業(yè)務訪問層(Business Access Layer)用于訪問企業(yè)、服務提供商的后臺業(yè)務邏輯，系統(tǒng)支持服務器端和客戶端兩種方式。

　　服務器端方式一般用于動態(tài)VoiceXML腳本，在ASP/JSP/PHP中訪問后臺業(yè)務邏輯，并根據(jù)業(yè)務操作結果向語音瀏覽器返回VoiceXML腳本。

　　客戶端方式利用VoiceXML<object>的標記，在語音瀏覽器中執(zhí)行業(yè)務操作。系統(tǒng)支持將DLL、COM/COM+組件、JavaBean、xml/http等作為<object>訪問后臺業(yè)務邏輯。

3.4.7. 操作、管理和維護（OA&M）

　　操作管理維護終端提供業(yè)務監(jiān)控、業(yè)務管理和業(yè)務統(tǒng)計功能。
　　8基于VoiceXML的可編程語音平臺

4. 語音應用

　　VoiceServer具有廣泛的應用前景，可以應用于：
　　信息查詢
　　自助服務
　　通知服務
　　消息服務。
　　部分應用舉例如下表所示：

聲軟科技公司供稿 CTI論壇編輯

下載白皮書（PDF格式）