一、VoiceXML簡介

VoiceXML（Voice eXtensible Markup Language）是由VoiceXML論壇制定的通過電話訪問Internet網(wǎng)絡的標準。1999年3月，由Motorola、Lucent、AT&T和IBM四家公司聯(lián)合發(fā)起成立了VoiceXML論壇，其目的在于為電話和移動設備提供一種便捷的訪問Internet網(wǎng)絡，獲取服務和信息的手段。2000年3月，VoiceXML論壇發(fā)布了VoiceXML 1.0標準。5月，W3C（World Wide Web Consortium）接受了VoiceXML1.0；2003年1月，VoiceXML 2.0正式版發(fā)布。包括我國華為公司等國內外共有數(shù)百家公司支持VoiceXML，Motorola、Lucent等公司已開發(fā)出了基于VoiceXML的產品。

VoiceXML是W3C定義的可擴展標記語言（XML）的一種擴展，根據(jù)播放的提示信息、口述的命令、要記錄和識別的語音或按鍵音輸入，實現(xiàn)人和計算機之間的交互對話。VoiceXML的標準化將簡化Web上具有語音響應服務的個性化界面的創(chuàng)建，使人們能夠通過語音和電話訪問網(wǎng)站上的信息和服務。

VoiceXML的主要目標是希望通過交互式語音界面應用Web上已經有的大量信息，同時VoiceXML希望能夠將開發(fā)人員從最低級的編程和資源處理工作中解放出來。VoiceXML能夠利用人們已經非常熟悉的客戶機/服務器方式，將語音服務和數(shù)據(jù)服務融合起來。

VoiceXML作為一種標記語言，主要有下表1所示的主要特點。

表1：VoiceXML技術的主要特點

二、VoiceXML的結構模型

VocieXML整體結構模型如下圖2所示。一個文檔服務器比如說一個Web服務器，處理一個來自終端應用的請求，這一請求經過了VoiceXML解釋程序和VoiceXML解釋程序環(huán)境處理。作為響應，服務器產生出VoiceXML文檔，在回復當中，要經過VoiceXML解釋程序的處理。

圖2：VocieXML整體結構模型

執(zhí)行平臺是被VoiceXML解釋程序環(huán)境和VoiceXML解釋程序控制的。例如，在一個交互式語音應答應用中，VoiceXML解釋程序環(huán)境能可靠地監(jiān)測到呼叫，獲得初始的VoiceXML文檔，并且回答這一呼叫，在回答之后VoiceXML解釋程序引導這一對話。執(zhí)行平臺產生事件響應用戶的動作（說話或者字符輸入）和系統(tǒng)事件（例如計時器溢出）。這些事件中的一部分依照相應的VoiceXML文檔按照VoiceXML解釋程序的解釋加以執(zhí)行，其他的被VoiceXML解釋程序環(huán)境控制。

VoiceXML解釋程序是一個計算機程序，它解釋一個VoiceXML文檔，引導和控制用戶與執(zhí)行平臺之間的交互作用。VoiceXML解釋程序環(huán)境也是一個計算機程序，用一個VoiceXML解釋程序解釋一個VoiceXML文檔，并且可以與執(zhí)行平臺相互作用而與VoiceXML解釋程序無關。

執(zhí)行平臺是指一個能支持VoiceXML定義的交互作用的計算機。

音的輸入和音頻輸出，包括合成語音的輸出（TTS，text to speech）、音頻文件的輸出、話音輸入的識別（ASR，automated speech recognition）、DTMF輸入的識別、語音輸入的錄音、電話功能像呼叫轉移等。

三、VoiceXML的基本概念

首先舉一個簡單的例子：

<?xml version="1.0"?&gt；

<vxml version="1.0"&gt；

<form&gt；

<block>Hello World!</block&gt；

</form&gt；

</vxml&gt；

這是一個簡單的VoiceXML文檔，執(zhí)行時輸出Hello World!的合成語音。<vxml>可以看作一個包含會話的容器，所有的VoiceXML文檔都是由一系列會話構成的。一個VoiceXML文檔（或稱為請求的一組文檔）構成了一個對話式的有限狀態(tài)機。用戶總是處于某一對話狀態(tài)（或稱為會話）。每一個會話決定要轉移到的下一個會話。轉移由URIs指定，URIs定義下一個要使用的文檔和會話。當一個會話沒有指定后繼者或指明退出對話狀態(tài)時操作才會終止。

VoiceXML中的基本概念主要有：

1、會話和子會話：VoiceXML中定義了兩種類型的會話，表單（forms）和選單（menus）。表單定義了一個獲取一組字段變量的值的交互過程。每一個字段可以指定一個文法，定義了該字段的允許的輸入值。選單提供選項供用戶選擇，然后根據(jù)選擇的結果轉移到另一個會話。

子會話像函數(shù)調用，它引起一個新的交互作用并且返回給上一層的表單。局部的數(shù)據(jù)，文法和狀態(tài)信息被保存，當返回到調用文檔時可以使用。例如，子會話可以用于創(chuàng)建一個在數(shù)據(jù)庫查詢時需要的確認序列；創(chuàng)建在單一請求中的多個文檔共享的一批組件；或創(chuàng)建一個在多個請求中共享的可重用的會話庫。

2、會話期：會話期從用戶與VoiceXML解釋程序語境交互開始，持續(xù)進行文檔的裝載和處理，直到由用戶，文檔或解釋程序環(huán)境發(fā)出終止請求才結束。

3、請求：一個請求就是一組共享同一個請求根文檔的文檔。在一個請求中，無論何時用戶與文檔交互，請求根文檔總是被加載。當用戶在同一個請求中的不同文檔間轉換時，請求根文檔總是被加載，只有用戶轉換到別的請求中的文檔時請求根文檔才被卸載。請求根文檔被加載后，它的變量作為請求變量被其它文檔使用，而且它的文法在請求的持續(xù)時間一直起作用。

4、文法：每一個會話有一個或多個語音和（或）DTMF文法。在定向對話應用中，一個會話的文法只有在使用者與此會話交互時才起作用。在混合主動式對話中，機器和用戶交替控制下一步的操作，一些會話被標記以使它們的文法（如偵聽呼叫）即使當用戶在同一文檔的其它會話時也起作用。在這種情況下，如果用戶進行的操作與另一個會話的有效文法匹配，執(zhí)行就會轉移到另一個會話。混合主動式對話增加了語音應用的適應性和能力。

5、事件：VoiceXML提供一種表單填充機制處理"正常"的用戶輸入。另外，VoiceXML也定義了處理異常事件的機制。如用戶在一定時間內沒有作出應答，請求系統(tǒng)幫助等情況下平臺會產生事件。如果解釋器在VoiceXML文檔中發(fā)現(xiàn)語義性錯誤也會產生事件。

6、鏈接：鏈接支持混合主動式對話，當用戶在鏈接的作用范圍時它指定的文法就起作用。如果用戶的輸入與鏈接的文法匹配，控制就轉移到鏈接的目的URI。<link>可以用來產生一個事件跳轉到目的URI。

欲進一步了解交換設備呼叫處理能力的請進入。