![](https://csdnimg.cn/release/download_crawler_static/31627114/bg4.jpg)
VoiceXML 开发指南
2
1.3. 工作原理
一般来说, VoiceXML 和语音浏览器通过为语音技术和内容传递提供标准界面,从而可以帮助
变成人员开发因特网上运行的语音界面。尤其值得注意的是 VoiceXML 提供了一个连接自动语音识
别( ASR)、文本语音转换( TTS )、双音多频( DTMF )、呼叫处理以及其他技术和标准界面。
虽然 VoiceXML 在一定程度上降低了这些技术的复杂性,但是要编写高质量的语音应用程序,
就必须了解它们的复杂性。在下面两个小节中,将对 VoiceXML 程序的输入和输出所使用的一些关
键技术做一个概述。
1.3.1. 应用程序的输入
自动语音识别是一种使口语输入能够被程序所理解的技术。为此需要将口语中的单次分解成为
离散的声音小段,这种声音小段称为音素( phonemues)。然后将这些音素与应用程序开发人员或语
音识别工具提供的词汇相比较。这不是可调整的或自然语言的识别方式。每给一个提示信息,
VoiceXML 应用程序定义一组有限的有效输入,其他用户的应答将不能被应用程序理解。语音识别
可以通过专门的硬件或软件来实现。
双音多频( DTMF )系统通过电话网络中的硬件和软件对按键式电话的键盘输入进行翻译,实
现音频播放。每个按键都能够产生一个可识别的独一无二的音频。该系统使得用户可以使用电话键
盘将数字信息输入 VoiceXML 应用程序,并且游程序负责接收和理解这些数字信息。
1.3.2. 应用程序的输出
文本语音转换技术( TTS )能够将输出的文本转换成“语音” (实际上是一种数字音频格式) 。
这使得应用程序能够拥有灵活的输出方式,将开发人员没有预料到的事情告诉用户。 TTS 的功能与
ASR 基本上相反,它将文字转变为音素,这些音素具有相对应的数字声音。
另一种语音输出是用某种标准格式存储的录制的声音文件。 这些声音文件格式包括 WAVE 和脉
冲编码调制( PCM )。这些声音文件在应用程序启动以前已经被编写和录制好了。所有录制的语音
输出都必须事先确定。因此, TTS 是一种更灵活的输出方式。尽管 TTS 技术在过去的几年里有了显
著的改进,但是商用 TTS 语音输出的声音往往仍然比较死板。
VoiceXML 还为电话网络本身提供了转移功能。 它使得程序能够将用户从当前运行的 VoiceXML
应用程序转到另一个电话号码。
2. VoiceXML 基本编程
2.1. 程序结构
2.1.1. Welcome 示例程序
<?xml version= ” 1.0 ”>
<!-- Welcome 示例程序 -->
<vxml version= ” 1.0 ”>
<form id= ”welcome”>
<block> 欢迎访问声软科技 </block>