VoiceXML語音瀏覽器的實現與整合.pdf

1、人們可以使用電話或移動電話、PC、PDA和其它智能設備通過語音識別、語音合成的交互技術，以及語音瀏覽、智能信息處理技術等實現訪問互聯(lián)網，實現個人服務和商業(yè)服務的語音應用。其中，作為建立于網絡與語音通訊之間的橋梁，語音瀏覽技術發(fā)揮著重要的作用。而作為語音瀏覽技術以及語音互聯(lián)網的核心，VoiceXML突破性地實現了互聯(lián)網與電話網的融合，為語音應用領域展現了一個更為廣闊的未來。 本文在分析VoiceXML、語音識別、語音合成、文檔解析

2、等技術的基礎上，完成了基于窄帶智能網的VoiceXML語音瀏覽平臺的原型系統(tǒng)設計并對系統(tǒng)結構、設計思想進行了詳細介紹。本語音瀏覽平臺以卡耐基梅隆大學的開源項目OpenVXI為核心，分為執(zhí)行平臺，VoiceXML語音瀏覽器和文檔服務器三部分，本文重點介紹了VoiceXML語音瀏覽器的設計、實現、優(yōu)化以及與執(zhí)行平臺的整合。 針對語音瀏覽器與執(zhí)行平臺高度耦合的局限，本語音瀏覽器采用標準的INAP/UIScript消息與執(zhí)行平臺進行交互

3、，使其很容易、快速地部署到現有的窄帶智能網平臺中，并可以輕松地在不同設備制造商的智能網平臺間遷移。 本語音瀏覽器的設計充分考慮了大規(guī)模商業(yè)應用的需要，通過采用多線程多通道的呼叫控制模型滿足了商業(yè)應用環(huán)境下的大話務量并發(fā)呼叫請求。 由于OpenVXI沒有對語音文件播放進行緩存，常常導致不必要的語音文件重復下載，嚴重地影響語音瀏覽平臺的性能。因此本文提出了一種對語音瀏覽器的優(yōu)化方案，通過引入VoiceAgent模塊實現對語音

4、文件的緩存，從而極大地提高了整個語音瀏覽平臺的性能。 為了更方便快捷地測試語音本瀏覽器的功能和性能，本文提出了自主開發(fā)的自動測試工具Vxm1Emu1，該工具可以模擬窄帶智能網的功能，在不需要SCP、SSP、媒體處理等智能網設備的參與下對語音瀏覽器進行測試。 文章的最后使用Vxm1Emu1完成了對語音瀏覽器的測試和性能分析，證實了其實際可行性. 本文的研究工作為進一步的產品化研究和商業(yè)應用奠定了一定的基礎，并具有實