Voicexml对现有应用程序的改造和整合

复旦大学 黄伟峰  
01-11-22 下午 01:33:45

--------------------------------------------------------------------------------

从头开始生成一个基于Voicexml的应用程序并不难，但是怎样才能使现有的应用程序也能进行基于语音的交流和播放，就不太好办了，下面将主要讨论使现有应用程序语音化。
一、语音在一些方面的应用
首先，让我们看一看，从语音的角度使我们感兴趣的几个不同的应用。
1、企业的SQL数据库
许多企业都有基干SQL的关系型数据库，用来处理事务和分析数据。如Microsoft的SQL Server，Oracle8i，Informix，IBM DB2和Sybase，以及一些小型的个人数据库，如Access，Excel 等。
2、合作成交流的系统
通常我们都使用E-mail来作为交流的工具，如许多公司都使用一些这样的系统，如Microsoft 的Exchange Server，Lotus Domino和Iplanet Messaging Server。除了E-mail.这些系统还提供诸如日历，通讯薄，任务和共享文档的使用，作为基干Voicexml企业门户的一个组成部分，使得公司员工通讯普通的电话来“收发”邮件或日期安排成为可能。
3、企业级的应用程序
许多中大型的企业开始使用一些大型的ERP系统，如SAP，Peoplesoft，Oracle，Baan，J.D.Edwards来提高企业的生产和运营能力。例如，一家公司投资购买了Peoplesoft公司的HRMS（人力资源管理系统）系统，从而使得公司的员工通过基干Voicexml的语音来享受如下的服务，如查询个人信息，参加竞争招聘，交纳个人所得税等等。这些大型的应用程序或系统都有定义好的API接口，从而使得与其他应用程序的整合变得非常容易。一个基干Voicexml的应用程序可以用这些API接口来把数据传化为xml 文件，然后再通过XSLT,实现Voicexml的转换。
4、企业的目录服务
在企业中可能用到的目录服务主要有Novell的目录服务，微软的NT Directing,微软的Active Directory和基干LDAP的目录服务（如inplanet Directory Server和IBM的 Secureway Directory Server）。目录服务在很多方面都能得到应用，如；存储用户信息，存储用户的私人账号或密码。语音门户可以为员工提供一些自服务，也可以充当人与人交流或沟通的媒介，一个员工可以拨号接通另一位员工的电话，该员工的电话可以是基干语音系统的目录服务。如它可以播出如下的应答（“connect me with Mike on his cell phone”）而不用在公司目录中寻找。
二、开发Voicexml程序的框架和方法。
1、服务器端的脚本编程
服务部的编程可以有好多种语言来选择，如Perl，CGI，ASP，JSP，PHP，Java servelet等。用这些技术实现的应用程序运行在服务端的框架上,如通常所说的Web Application Server, 通过其中引擎（Engine）的解释，就可以实行动态的Web效果和编程，这些Application Server通常指基干J2EE标准的，如IBM的Websphere， BEA的 Bea weblogic server，Oracle的Application server 和sun的inplanet server。以及一些其他的如 Microsoft in IIS，Apache+ Tomcat等。
除了提供动态角本的能力外，Application Server来提供事务处理，持久性可扩展性，高可用性，安全性和可靠性等相关的能力，这些就使得开发者，只要专注于系统商业逻辑的开发，而不用考虑其他的问题，从而减轻了开发人员的负担，同时也增强了系统的性能。
2、应用程序的整合
服务端的角本技术只解决了一个问题，即生成动态的Voicexml的页面。但怎样来整合其他的应用程序，还是一个问题。当然，我们可以使用相同的应用程序接口和组件来整合企业级的应用程序，例如在Microsoft的word中，我们可以使用OLE-DB和ADO接口来和不同的数据库系统整合，用MAPI和合作数据对象同企业消息系统和合作系统整合，用COM接口同许多基干COM应用的后台应用程序进行整合。
同样，在J2EE中，可以用JDBC API来连接各种数据库系统，用Java Mail API 来同企业消息系统整合；用JCA同后台的应用程序如SAP R/3或Peoplesoft 的 HRMS整合。
下图一表示用服务端的角本编程来发布Voicexml的应用程序，并实现同企业数据库和后台应用程序的整合。


三、XML和XSLT
我们可以使用预线定义好的 XML接口或XML的工具箱，如微软的XML Parser 或Apache xerces parser 来生成基干Java/c++/com的xml结构,然后用 XSLT来处理XML文档，生成基干XSLT的文档格式，下图二显示了XML和XSLT结合生成Voicexml的内容。


图二.XML/XSLT的模型

其具体的实现可以使用Apache xml 项目中的基干Java的XML/XSLT的称为Cocoon的工具包，它允许开发者自己定义基干XML的内容发布接口，然后用XSLT处理工具动态的转化为WML，Voicexml, pdf 等不同的格式，附录中的例子,就显示了用它来生成Hello world的Voicexml程序。
四、总结
Voicexml 给计算机应用程序带来了新的活力，通过整合现有的应用程序，以及融合一些诸如文本到语音转化（Text-to-speech, TTS）,自动识音识别（Automatic Speech Recognition ,ASR）,VOIP（Voice over Internet Platform）等技术，从而生成交互的语音应用程序和系统。