VoiceXML語音瀏覽器的實(shí)現(xiàn)與整合.pdf

1、人們可以使用電話或移動(dòng)電話、PC、PDA和其它智能設(shè)備通過語音識別、語音合成的交互技術(shù)，以及語音瀏覽、智能信息處理技術(shù)等實(shí)現(xiàn)訪問互聯(lián)網(wǎng)，實(shí)現(xiàn)個(gè)人服務(wù)和商業(yè)服務(wù)的語音應(yīng)用。其中，作為建立于網(wǎng)絡(luò)與語音通訊之間的橋梁，語音瀏覽技術(shù)發(fā)揮著重要的作用。而作為語音瀏覽技術(shù)以及語音互聯(lián)網(wǎng)的核心，VoiceXML突破性地實(shí)現(xiàn)了互聯(lián)網(wǎng)與電話網(wǎng)的融合，為語音應(yīng)用領(lǐng)域展現(xiàn)了一個(gè)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(shù)的基礎(chǔ)上，完成了基于窄帶智能網(wǎng)的VoiceXML語音瀏覽平臺的原型系統(tǒng)設(shè)計(jì)并對系統(tǒng)結(jié)構(gòu)、設(shè)計(jì)思想進(jìn)行了詳細(xì)介紹。本語音瀏覽平臺以卡耐基梅隆大學(xué)的開源項(xiàng)目OpenVXI為核心，分為執(zhí)行平臺，VoiceXML語音瀏覽器和文檔服務(wù)器三部分，本文重點(diǎn)介紹了VoiceXML語音瀏覽器的設(shè)計(jì)、實(shí)現(xiàn)、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(biāo)準(zhǔn)的INAP/UIScript消息與執(zhí)行平臺進(jìn)行交互

3、，使其很容易、快速地部署到現(xiàn)有的窄帶智能網(wǎng)平臺中，并可以輕松地在不同設(shè)備制造商的智能網(wǎng)平臺間遷移。 本語音瀏覽器的設(shè)計(jì)充分考慮了大規(guī)模商業(yè)應(yīng)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(yīng)用環(huán)境下的大話務(wù)量并發(fā)呼叫請求。 由于OpenVXI沒有對語音文件播放進(jìn)行緩存，常常導(dǎo)致不必要的語音文件重復(fù)下載，嚴(yán)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(shí)現(xiàn)對語音

4、文件的緩存，從而極大地提高了整個(gè)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(dòng)測試工具Vxm1Emu1，該工具可以模擬窄帶智能網(wǎng)的功能，在不需要SCP、SSP、媒體處理等智能網(wǎng)設(shè)備的參與下對語音瀏覽器進(jìn)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(shí)了其實(shí)際可行性. 本文的研究工作為進(jìn)一步的產(chǎn)品化研究和商業(yè)應(yīng)用奠定了一定的基礎(chǔ)，并具有實(shí)