VoiceXML - VoiceXML

VoiceXML (VXML) - это стандарт цифрового документа для определения интерактивных медиа и голосовых диалогов между людьми и компьютерами. Он используется для разработки приложений аудио и голосового ответа, таких как банковские системы и автоматизированные порталы обслуживания клиентов. Приложения VoiceXML разрабатываются и развертываются аналогично тому, как веб-браузер интерпретирует и визуально воспроизводит Язык гипертекстовой разметки (HTML) он получает от веб сервер. Документы VoiceXML интерпретируются голосовой браузер а в обычных архитектурах развертывания пользователи взаимодействуют с голосовыми браузерами через телефонная сеть общего пользования (ТфОП).

Формат документа VoiceXML основан на расширяемый язык разметки (XML). Это стандарт, разработанный Консорциум World Wide Web (W3C).

Применение

Приложения VoiceXML обычно используются во многих отраслях и сегментах торговли. Эти приложения включают в себя запрос заказа, отслеживание посылок, маршруты проезда, уведомление о чрезвычайных ситуациях, пробуждение, отслеживание рейсов, голосовой доступ к электронной почте, управление взаимоотношениями с клиентами, пополнение рецептов, журналы аудио новостей, голосовой набор, информацию о недвижимости и национальные справочная служба Приложения.^{[нужна цитата ]}

VoiceXML имеет теги, которые указывают голосовой браузер предоставлять синтез речи, автоматический распознавание речи, управление диалогами и воспроизведение звука. Ниже приводится пример документа VoiceXML:

 версия ="2.0" xmlns ="http://www.w3.org/2001/vxml">  <form>    <block>      <prompt>        Привет, мир! </prompt>    </block>  </form></vxml>

При интерпретации интерпретатором VoiceXML будет выведено «Hello world» с синтезированной речью.

Обычно HTTP используется в качестве транспортного протокола для выборки страниц VoiceXML. Некоторые приложения могут использовать статические страницы VoiceXML, в то время как другие полагаются на создание динамических страниц VoiceXML с использованием сервер приложений подобно Кот, Weblogic, IIS, или WebSphere.

Исторически сложилось так, что поставщики платформы VoiceXML реализовывали стандарт по-разному и добавляли проприетарные функции. Но стандарт VoiceXML 2.0, принятый в качестве Рекомендации W3C 16 марта 2004 г., прояснил большинство различий. Форум VoiceXML, отраслевая группа, продвигающая использование стандарта, предоставляет проверка на соответствие процесс, который удостоверяет, что реализации поставщиков соответствуют требованиям.

История

Корпорация AT&T, IBM, Lucent, и Motorola сформировал VoiceXML Forum в марте 1999 года с целью разработки стандартного языка разметки для определения голосовых диалогов. К сентябрю 1999 года Форум выпустил VoiceXML 0.9 для комментариев участников, а в марте 2000 года они опубликовали VoiceXML 1.0. Вскоре после этого Форум передал контроль над стандартом W3C.^[1] W3C выпустил несколько промежуточных версий VoiceXML 2.0, которые достигли финальной стадии «Рекомендации» в марте 2004 года.^[2]

VoiceXML 2.1 добавил относительно небольшой набор дополнительных функций к VoiceXML 2.0, основанный на отзывах реализаций стандарта 2.0. Он обратно совместим с VoiceXML 2.0 и получил статус рекомендации W3C в июне 2007 года.^[3]

Будущие версии стандарта

VoiceXML 3.0 станет следующим основным выпуском VoiceXML с новыми основными функциями. Он включает новый язык описания диаграмм состояний XML, называемый SCXML.

Связанные стандарты

Структура речевого интерфейса W3C также определяет эти другие стандарты, тесно связанные с VoiceXML.

SRGS и SISR

В Спецификация грамматики распознавания речи (SRGS) используется, чтобы сообщить распознавателю речи, какие шаблоны предложений он должен ожидать услышать: эти шаблоны называются грамматиками. Как только распознаватель речи определит наиболее вероятное предложение, которое он услышал, ему необходимо извлечь семантическое значение из этого предложения и вернуть его интерпретатору VoiceXML. Эта семантическая интерпретация указывается через Семантическая интерпретация для распознавания речи (SISR) стандарт. SISR используется внутри SRGS для определения семантических результатов, связанных с грамматиками, то есть набора назначений ECMAScript, которые создают семантическую структуру, возвращаемую распознавателем речи.

SSML

В Язык разметки синтеза речи (SSML) используется для украшения текстовых подсказок информацией о том, как лучше всего их преобразовать в синтетическую речь, например, какой голос синтезатора речи использовать или когда говорить громче или тише.

PLS

В Спецификация слова произношения (PLS) используется для определения того, как произносятся слова. Сгенерированная информация о произношении предназначена для использования как распознавателями речи, так и синтезаторами речи в приложениях для просмотра голоса.

CCXML

В Расширяемый язык разметки для управления вызовами (CCXML) - дополнительный стандарт W3C. Интерпретатор CCXML используется на некоторых платформах VoiceXML для обработки первоначальной установки вызова между вызывающим абонентом и голосовым браузером и для предоставления услуг телефонии, таких как перевод вызова и отключение от голосового браузера. CCXML также можно использовать в контекстах, отличных от VoiceXML.

MSML, MSCML, MediaCTRL

В медиа-сервер приложений, часто необходимо, чтобы несколько ветвей вызова взаимодействовали друг с другом, например, в многосторонней конференции. В VoiceXML для этого приложения были выявлены некоторые недостатки, поэтому компании разработали специальные языки сценариев для работы с этой средой. В Язык разметки медиа-сервера (MSML) был решением Convedia, и Язык разметки управления медиа-сервером (MSCML) был решением Snowshore. Snowshore теперь принадлежит Dialogic, а Convedia теперь принадлежит Radisys. Эти языки также содержат «перехватчики», чтобы внешние сценарии (например, VoiceXML) могли выполняться на этапах вызова, где IVR требуется функциональность.

Была рабочая группа IETF под названием mediactrl («управление мультимедиа»), который работал над преемником этих систем сценариев, который, как ожидается, будет развиваться до открытого и широко принятого стандарта.^[4] Рабочая группа mediactrl завершилась в 2013 году.^[5]