編者按：基于語(yǔ)音識(shí)別和合成技術(shù)的語(yǔ)音門(mén)戶(hù)近來(lái)被炒得沸沸揚(yáng)揚(yáng)。語(yǔ)音門(mén)戶(hù)不僅僅是新的技術(shù)，而已經(jīng)是成熟的產(chǎn)品，只不過(guò)還沒(méi)有被真正引入國(guó)內(nèi)。目前，能夠用于語(yǔ)音門(mén)戶(hù)的語(yǔ)音識(shí)別核心技術(shù)基本上掌握在以下幾家公司手里：PHILIPS、Nuance、IBM、SpeechWorks和InfoTalk。盡管這些公司都有實(shí)際應(yīng)用的案例，但其技術(shù)不一定都能應(yīng)用于語(yǔ)音門(mén)戶(hù)。

　　語(yǔ)音門(mén)戶(hù)在中國(guó)的推廣，核心問(wèn)題不是在技術(shù)上，而是在應(yīng)用開(kāi)發(fā)和服務(wù)上。限于設(shè)計(jì)、建設(shè)和運(yùn)營(yíng)中文語(yǔ)音門(mén)戶(hù)經(jīng)驗(yàn)的欠缺，許多應(yīng)用開(kāi)發(fā)商（ASP）和核心技術(shù)開(kāi)發(fā)商還只是在向用戶(hù)推薦技術(shù)和概念。但如果這些方案并不具備商業(yè)操作價(jià)值，不能在語(yǔ)音門(mén)戶(hù)的運(yùn)營(yíng)上創(chuàng)造價(jià)值，也就沒(méi)有任何應(yīng)用價(jià)值。

　　本專(zhuān)題將以系列報(bào)道的形式連續(xù)、全面地介紹語(yǔ)音門(mén)戶(hù)，澄清一些誤解，并探討如何在中國(guó)建設(shè)語(yǔ)音門(mén)戶(hù)。

語(yǔ)音門(mén)戶(hù)介紹

　　語(yǔ)音門(mén)戶(hù)（Voice Portal）是溝通電信用戶(hù)、電信網(wǎng)絡(luò)及其他信息系統(tǒng)的橋梁，它是一種產(chǎn)品，而不是一種技術(shù)。語(yǔ)音門(mén)戶(hù)的主要特點(diǎn)包括：

• 為固定和移動(dòng)通信用戶(hù)和運(yùn)營(yíng)商提供服務(wù)；

• 一個(gè)號(hào)碼接入: 用戶(hù)撥入一個(gè)特服號(hào)碼，享受全部服務(wù)；

• 以自動(dòng)語(yǔ)音識(shí)別（ASR）提供導(dǎo)航和服務(wù)；

• 提供個(gè)性化和人性化綜合服務(wù)和統(tǒng)一消息服務(wù)。

　　 具體地說(shuō)，語(yǔ)音門(mén)戶(hù)應(yīng)該是建立在電信運(yùn)營(yíng)商的電信網(wǎng)絡(luò)上，為客戶(hù)提供個(gè)性化和人性化的客戶(hù)服務(wù)、信息服務(wù)、轉(zhuǎn)接服務(wù)和個(gè)人定制服務(wù)的平臺(tái)。在這個(gè)平臺(tái)上，用戶(hù)通過(guò)語(yǔ)音界面，可以更快捷、更方便地獲得比傳統(tǒng)IVR系統(tǒng)更豐富的信息和更完善的服務(wù)。

成功案例

　　從20世紀(jì)90年代末以來(lái)，隨著語(yǔ)音技術(shù)的成熟和逐步實(shí)用化，由于計(jì)算機(jī)硬件性能的飛速提高，語(yǔ)音門(mén)戶(hù)開(kāi)始在世界發(fā)達(dá)國(guó)家出現(xiàn)。特別是在歐洲和美洲，較高的用戶(hù)消費(fèi)水平能夠消化吸收較昂貴的新技術(shù)，語(yǔ)音技術(shù)開(kāi)始進(jìn)入客戶(hù)服務(wù)和信息服務(wù)領(lǐng)域，并逐漸與互聯(lián)網(wǎng)融合在一起，為客戶(hù)提供個(gè)性化和人性化的服務(wù)。目前，國(guó)際上比較成功的案例有：

• Vodafone：綜合信息系統(tǒng)，提供個(gè)性化統(tǒng)一消息服務(wù)。

• Mannesmann Arcor：在德國(guó)推出了Talking Web。這項(xiàng)創(chuàng)新技術(shù)使語(yǔ)音入口的內(nèi)容不再必須從指定數(shù)據(jù)庫(kù)中檢索，而可以直接從Web服務(wù)器上訪(fǎng)問(wèn)。

• Omnitel：1999年5月開(kāi)通，電信增值服務(wù)平臺(tái)。提供財(cái)經(jīng)、生活、娛樂(lè)等各種信息服務(wù)和轉(zhuǎn)接服務(wù)。

• 臺(tái)灣和信電訊Ms.600：2000年8月開(kāi)通，移動(dòng)通信增值服務(wù)平臺(tái)。提供信息服務(wù)、轉(zhuǎn)接服務(wù)、統(tǒng)一消息服務(wù)。（詳細(xì)資料請(qǐng)參考http://www.kgt .com.tw/sitemap/qminfo_08.html）

澄清一些概念

　　（1）VoiceXML不是語(yǔ)音門(mén)戶(hù)標(biāo)準(zhǔn)

　　經(jīng)常有人把VoiceXML說(shuō)成語(yǔ)音門(mén)戶(hù)的標(biāo)準(zhǔn)。實(shí)際上，在VoiceXML出現(xiàn)之前，語(yǔ)音門(mén)戶(hù)就存在了。VoiceXML不是語(yǔ)音門(mén)戶(hù)的標(biāo)準(zhǔn)，只是用于解決互聯(lián)網(wǎng)與語(yǔ)音界面的接口問(wèn)題。VoiceXML目前還存在一些問(wèn)題，主要表現(xiàn)在：

• VoiceXML的標(biāo)準(zhǔn)還在制訂和完善過(guò)程中；

• 目前還沒(méi)有解決雙向的問(wèn)題，只有提問(wèn)，沒(méi)有回答，只能下載Web page；

• 目前世界上大部分網(wǎng)站用的都是HTML或WML標(biāo)識(shí)語(yǔ)言，如果要求所有的網(wǎng)站都支持VXML的標(biāo)識(shí)語(yǔ)言，還有相當(dāng)?shù)木嚯x。

　　 目前，計(jì)算機(jī)硬件、操作系統(tǒng)、電信、網(wǎng)絡(luò)和語(yǔ)音識(shí)別的主導(dǎo)廠(chǎng)商正在起草一個(gè)新的語(yǔ)音處理標(biāo)準(zhǔn)—語(yǔ)音應(yīng)用語(yǔ)言標(biāo)識(shí)（SALT，Speech Application Language Tags），它能夠兼容HTML、xHTML和XML。參與制訂這一新標(biāo)準(zhǔn)的廠(chǎng)商有：Cisco、Intel、Microsoft、Phillips和SpeechWorks等。詳細(xì)信息請(qǐng)參考其網(wǎng)站：www.saltforum.org。因此，VoiceXML的前途如何，還有很大的疑問(wèn)。

　　（2）不同領(lǐng)域的語(yǔ)音識(shí)別技術(shù)

　　并非所有的語(yǔ)音識(shí)別技術(shù)都能應(yīng)用于語(yǔ)音門(mén)戶(hù)。語(yǔ)音識(shí)別技術(shù)可以分為3種：

• 個(gè)人終端設(shè)備上的技術(shù)——以固化語(yǔ)音模塊形式嵌入PDA、手機(jī)、玩具、家用電器等產(chǎn)品。其特點(diǎn)是：簡(jiǎn)單功能，小詞匯量、針對(duì)特定用戶(hù)（需要用戶(hù)事先訓(xùn)練機(jī)器才能聽(tīng)懂）。目前也有一些更小詞匯量的，針對(duì)非特定用戶(hù)的產(chǎn)品。

• 基于PC的技術(shù)——語(yǔ)音指令控制PC動(dòng)作、聽(tīng)寫(xiě)錄入。支持大詞匯量、針對(duì)特定用戶(hù)，使用前必須訓(xùn)練，要求安靜的使用環(huán)境。

• 基于電信網(wǎng)絡(luò)的技術(shù)——應(yīng)用于電信網(wǎng)絡(luò)中，提供大詞匯量識(shí)別、與用戶(hù)無(wú)關(guān)。這個(gè)領(lǐng)域中的語(yǔ)音識(shí)別系統(tǒng)，由于受到語(yǔ)音傳輸頻寬、環(huán)境噪聲、系統(tǒng)回聲、電磁干擾、不允許實(shí)現(xiàn)訓(xùn)練等更加苛刻的約束，對(duì)技術(shù)的要求就更高。

　　之所以要區(qū)分這三種技術(shù)，是因?yàn)檫@三種技術(shù)應(yīng)用于不同的領(lǐng)域，其技術(shù)結(jié)構(gòu)有非常大的差別。一個(gè)領(lǐng)域的產(chǎn)品，轉(zhuǎn)化為另一領(lǐng)域的產(chǎn)品是十分困難的。用戶(hù)在選擇語(yǔ)音識(shí)別技術(shù)的時(shí)候，要看其專(zhuān)長(zhǎng)在哪個(gè)領(lǐng)域。

　　（3）語(yǔ)音門(mén)戶(hù)不是語(yǔ)音網(wǎng)站

　　一提到語(yǔ)音門(mén)戶(hù)，總有人把他說(shuō)成語(yǔ)音門(mén)戶(hù)網(wǎng)站。實(shí)際上，語(yǔ)音網(wǎng)站僅僅是語(yǔ)音門(mén)戶(hù)的一個(gè)很小的部分。如前所述，語(yǔ)音門(mén)戶(hù)集成了電信網(wǎng)絡(luò)、計(jì)算機(jī)網(wǎng)絡(luò)和互聯(lián)網(wǎng)，提供統(tǒng)一消息服務(wù)，遠(yuǎn)比語(yǔ)音網(wǎng)站豐富和強(qiáng)大。

核心技術(shù)與流程設(shè)計(jì) 語(yǔ)音門(mén)戶(hù)的兩扇門(mén)