解決語(yǔ)音門(mén)戶(hù)

2002/06/17

。。語(yǔ)音合成技術(shù)在網(wǎng)站語(yǔ)音門(mén)戶(hù)中的應用可以提供諸如有聲電子郵件、語(yǔ)音聊天室、電話(huà)購物等服務(wù)。在不遠的將來(lái)，語(yǔ)音門(mén)戶(hù)系統必將成為一個(gè)全能的“翻譯器”，將無(wú)窮的互聯(lián)網(wǎng)資源通過(guò)電話(huà)提供給用戶(hù)，為用戶(hù)提供全天候、全方位的服務(wù)。

語(yǔ)音門(mén)戶(hù)的核心技術(shù)

。。語(yǔ)音門(mén)戶(hù)要求系統可以進(jìn)行動(dòng)態(tài)、海量信息的數據查詢(xún)以及互聯(lián)網(wǎng)絡(luò )上信息的訪(fǎng)問(wèn)，需使用的核心技術(shù)有：

。。語(yǔ)音合成技術(shù)（TTS）：用以將文本信息轉換為語(yǔ)音信息提供給用戶(hù)

。。語(yǔ)音識別技術(shù)（ASR）：用以取代繁瑣的按鍵輸入，使輸入更為便捷和人性化。

。。VXML技術(shù)：用以IVR平臺與互聯(lián)網(wǎng)絡(luò )交互信息。（IVR：Interactive Voice Response，交互式語(yǔ)音應答系統。）

。。對于信息服務(wù)來(lái)說(shuō)，TTS和ASR的融合意味著(zhù)兩重含義。其一，由于聲音更加接近人類(lèi)的語(yǔ)言，改進(jìn)后的TTS增強了用戶(hù)對該技術(shù)的認可程度；其二，更加自然的TTS和高質(zhì)量的語(yǔ)音識別器能讓計算機和人們進(jìn)行真正意義上的對話(huà)，這樣，計算機就能理解對方（人）說(shuō)的是什么，并且在自己模糊不清的時(shí)候，向對方（人）詢(xún)問(wèn)，在交流中明晰客戶(hù)的需求。

核心技術(shù)描述

。。語(yǔ)音合成技術(shù)的本質(zhì)是將文本信息轉化為語(yǔ)音信息，是實(shí)現人機語(yǔ)音通信，建立一個(gè)有聽(tīng)和講能力的口語(yǔ)系統所必需的關(guān)鍵技術(shù)之一。

。。語(yǔ)音門(mén)戶(hù)系統是以先進(jìn)的CTI技術(shù)以及開(kāi)放的Voice XML工業(yè)標準為基礎，架構在ChinaNet網(wǎng)上的ICP；通過(guò)電話(huà)暢游互聯(lián)網(wǎng)，輕松“聽(tīng)”網(wǎng)上的信息，“說(shuō)”E-mail,“點(diǎn)擊”網(wǎng)上的鏈接。這是對傳統電話(huà)信息服務(wù)的一個(gè)重大改革；因為接入服務(wù)和內容服務(wù)的分離，電話(huà)信息服務(wù)行業(yè)變成了一個(gè)開(kāi)放式的行業(yè)，所有傳統的ICP都可以按照Voice XML的標準提供內容服務(wù)，而豐富多樣的內容又必然會(huì )刺激用戶(hù)的增加以及服務(wù)需求的增長(cháng)。由于引入了VXML相關(guān)技術(shù)，可將平臺的復雜內容屏蔽，無(wú)須熟悉底層平臺即可進(jìn)行高層應用開(kāi)發(fā)；大大地減輕了開(kāi)發(fā)的難度，縮短開(kāi)發(fā)周期，降低人力成本。

語(yǔ)音門(mén)戶(hù)的建設

。。在不影響電信運營(yíng)商現有平臺的結構和業(yè)務(wù)功能的前提下，主要需完成三個(gè)功能模塊的系統建設。在動(dòng)態(tài)信息和海量信息的查詢(xún)業(yè)務(wù)上，首先必須完成的是對原有的數字錄音回放方式向TTS平臺的升級；進(jìn)而在進(jìn)行了TTS改造的平臺上構建互聯(lián)網(wǎng)上的公共信息查詢(xún)服務(wù)和個(gè)性化信息查詢(xún)服務(wù)；考慮到實(shí)際運用情況，在具體業(yè)務(wù)方面建設UMS系統，可以基于此業(yè)務(wù)提供個(gè)人定制信息的服務(wù)，滿(mǎn)足人們對于及時(shí)性、個(gè)性化越來(lái)越高的要求。

。。TTS系統、VXML系統、UMS系統與已有IVR（電話(huà)語(yǔ)音自動(dòng)應答系統）平臺、Internet、PSTN結合如圖所示。

TTS系統的建設

。。傳統的數字錄音回放方式需要人工進(jìn)行錄音，新興的計算機技術(shù)“語(yǔ)音合成”，可以運用有限的系統資源將無(wú)限的文本信息合成為可聽(tīng)的語(yǔ)音信息，從而可以改進(jìn)傳統的錄音回放方式。在不改變現有平臺的基礎上建立的TTS系統可以在信息服務(wù)的信息源提供上帶來(lái)如下改進(jìn)：

。。就工作量而言，錄音需要大量的人力，在信息量以級數增長(cháng)的今天，錄音往往無(wú)法滿(mǎn)足信息的供給，而語(yǔ)音合成將絕大多數工作由機器代替，人們只需提供現成的文本信息即可輸出聲音信息。

。。對于動(dòng)態(tài)的信息，尤其是對實(shí)時(shí)性要求很高的信息如：股票行情等，如果讓錄音員錄音則至少在半小時(shí)后才能對外提供，而語(yǔ)音合成可以實(shí)現實(shí)時(shí)的轉換，每分鐘可刷新一次。

。。由于信息的高速增長(cháng)，錄音數據存放和查詢(xún)也存在問(wèn)題。將信息以文本形式存儲在計算機中可節約大量系統資源再結合計算機技術(shù)對數據庫中的信息進(jìn)行搜索和整理將輸出的結果用語(yǔ)音合成轉換成聲音，這樣就可以解決信息服務(wù)中海量信息的存儲和查詢(xún)的問(wèn)題。

。。錄音的信息維護、修改的工作量比較大。而文本信息的維護和修改相對要容易得多，通過(guò)語(yǔ)音合成技術(shù)只需對文本信息進(jìn)行修改就可以完成信息內容的更改和維護工作。

VXML系統的建設

。。VXML系統的目的就是為了使電話(huà)和語(yǔ)音可以應用在互聯(lián)網(wǎng)絡(luò )之上，除為消費者服務(wù)外，VXML還支持一些商務(wù)應用，如話(huà)務(wù)中心、銀行交易和電子商務(wù)。通過(guò)VXML技術(shù)可以使語(yǔ)音門(mén)戶(hù)系統訪(fǎng)問(wèn)到Internet Web上的各種信息，并實(shí)現信息的交互。再結合語(yǔ)音合成技術(shù)，將文本信息合成為語(yǔ)音信號，用戶(hù)就可以通過(guò)IVR平臺來(lái)訪(fǎng)問(wèn)Web頁(yè)面上的信息了。

。。結合VXML技術(shù)，語(yǔ)音系統可以提供更多的個(gè)人信息服務(wù)：商品交易、金融交易、求職招聘等。相對傳統的同類(lèi)服務(wù)，此類(lèi)服務(wù)與Internet信息共享，更為貼近用戶(hù)和可以面對更廣泛的人群。

UMS系統建設

。。統一消息系統（UMS）是一個(gè)將各種傳播手段整合的系統，結合了各種網(wǎng)絡(luò )，用戶(hù)可以使用電話(huà)、手機、傳真、呼機、數字移動(dòng)設備和個(gè)人電腦等途徑與系統交互信息。在語(yǔ)音門(mén)戶(hù)平臺中加入UMS系統，將有助于平臺提供更多樣化的服務(wù)，與用戶(hù)結合更為緊密。

。。UMS 是語(yǔ)音與數據融合的產(chǎn)物，一系列的服務(wù)提供商可以通過(guò)提供UMS服務(wù)來(lái)擴展自己的業(yè)務(wù)范圍。UMS服務(wù)可以通過(guò)統一平臺來(lái)提供給用戶(hù)， 也可以由服務(wù)提供商將各種信息儲存設備集成起來(lái)，通過(guò)不同途徑提供給用戶(hù)。

。。有聲電子郵件（Voice-Mail）系統就是UMS系統的一個(gè)具體應用，它通過(guò)電話(huà)、手機等通信工具可以向用戶(hù)提供Internet上的E-mail服務(wù)。因而人們可以不受設備的限制，隨時(shí)隨地的收發(fā)電子郵件，即使身處異地，仍然不會(huì )錯過(guò)E-mail中攜帶的重要商機。

網(wǎng)絡(luò )世界