陈聪 2002/03/18

　　VoiceXML1.0面向互联网的语音支持功能为进一步开掘互联网资源的价值铺平了道路。VoiceXML2.0的出现，又为互联网语音应用的开发者提供了更强大的词汇和语法生成及扩充工具。

　　VoiceXML促进语音上网

　　围绕VoiceXML标记语言，业界差不多已经讨论了三年。通过VoiceXML，互联网语音应用运营商能向电话用户发布他们感兴趣的信息，就像管理Web页的网管人员向Web服务器发布网页内容那样，而且发布的信息内容也与一般的垂直服务网站所提供的内容差不多，如订货信息、股票查询、航班时刻等等，不一而足。

　　在VoiceXML应用环境中，VoiceXML “页”与HTML页一样，无论发出页面请求的浏览器与提供指定页面的服务器相距多么遥远，都能通过HTTP协议在服务器间链接或返回。与IVR（交互式语音应答系统）“一个号码一根线”这种简单的服务平台相比，VoiceXML浏览的是一种真正意义上自由漫游的语音Web页。与HTML不同的是，VoiceXML中的浏览器不在用户端，它实际上是由一组由用户导航命令、用户定制命令、语音识别以及TTS算法（文本转换成语音）等组件构成的VoiceXML解释软件。由于电话主叫用户在访问VoiceXML页时只有语音和电话按键这两种交互方式，因此对用户来说，只相当于有了键盘、鼠标和浏览器显示屏幕，而不具有浏览器本身。

　　新版更易用

　　随着VoiceXML的问世，众多服务器平台和浏览器产品纷纷涌现。截至目前，VoiceXML已身历两代。2000年5月，由AT&T、Lucent、Motorola和IBM几大公司组成的VoiceXML论坛向W3C提交了VoiceXML1.0。此后，由60多家公司组成的W3C语音浏览器工作组酝酿产生了VoiceXML2.0，并于去年10月公开发布，旨在征求各方意见。最终的“推荐标准”预计将于今年年底公布。

　　不断成熟的VoiceXML一直在追求更强的功能、更简洁的表达方式，并尽量少地让开发者自己去做类似于编写动态语法代码这样的工作。VoiceXML2.0进一步对TTS控制和语音识别语法格式进行了标准化，对全局会话描述的结构增加了更严密的定义。

　　业内专家对VoiceXML2.0的修改意见主要集中在三个方面。一、对应用平台间和文档间的互操作特性进行规范。要做的工作主要有：进一步明晰VoiceXML1.0中某些表述含混的地方；确定VoiceXML解释平台的最低配置要求；对语法和用户提示进行标准化；为验证一致性，开发一个测试协议。二、在VoiceXML不依靠低级代码所完成的最基本功能之外，再增添一些增强型组件。三、增强可读性。

　　W3C语音浏览器的另一个工作小组目前正在制订呼叫控制规范，内容包括呼叫初始化和第三方会议等，当前的研究目标是使呼叫控制实现协议的独立。如果要实现更复杂的呼叫控制功能，就可能需要一种单独的呼叫控制语言对现行各种电话标准进行重组。目前，已经有中间件提供商在VoiceXML上增加了自定义的呼叫控制标记，还有像Voxeo这样的厂商甚至还开发了自己的呼叫控制标记语言。

　　这样，VoiceXML2.0标准增强了实用性和易用性，更方便实现语音在互联网之上的交互，使简易终端设备访问互联网成为现实，可以与数据库、HTML、WML以及其它文档处理和发布系统进行无缝资料交换。

　　国内语音应用标准在形成

　　结合语音上网的趋势，国内的语音厂商们，包括无限商机、言丰等也积极推进VoiceXML浏览器、解释器的研发。目前，自主产权的中文VoiceXML解释器已经发布，CMIS正基于VoiceXML起草中国语音互联的技术标准及产品规范，可望成为中国语音应用的规范性标准（VAP）。

中国计算机报