摘要:交互式語音應(yīng)答(IVR)系統(tǒng)是呼叫中心的重要部分，控制整個業(yè)務(wù)流程。OpenVXI是開源的VoiceXML解釋器。文章設(shè)計了一個基于OpenVXI的語音應(yīng)答系統(tǒng)，并給出了核心部分的具體實現(xiàn)。

關(guān)鍵詞:OpenVXI;VoiceXML語音; 交互式語音應(yīng)答; 呼叫中心

中圖分類號:TP393 文獻標識碼:A 文章編號:1009-3044(2009)15-3942-03

Design and Realization of IVR System Based on OpenVXI

TAO Song1， WU Li-jie2

(1. Anhui Economic Information Center， Hefei 230001， China; 2. Anhui Electrical Engineering Professional Technique College， Hefei 230051， China)

Abstract: Interactive Voice Response System (IVR) is an important part of call center， it controls whole voice flow. OpenVXI is an open source VoiceXML interpreter. Interactive Voice Response System based on OpenVXI has been presented in this paper. Realization of core pan of system has been discussed in the paper.

Key words: OpenVXI; VoiceXML; Interactive Voice Response; Call Center

1 引言

隨著電子商務(wù)、客戶服務(wù)等信息服務(wù)的普遍化，呼叫中心作為電信領(lǐng)域備受關(guān)注的一個熱點，在各種商業(yè)系統(tǒng)中的應(yīng)用越來越廣泛。但目前的呼叫中心系統(tǒng)只是CTI(computer telephony integration)技術(shù)在電話網(wǎng)絡(luò)中的應(yīng)用 。而在呼叫中心對外開放的重要通道，自動語音應(yīng)答平臺的實現(xiàn)上，仍然是采取傳統(tǒng)的方式，具有一定的局限性，存在獲取信息手段單一、組織信息能力差等缺點，為用戶提供的信息量較少，不能滿足人們?nèi)找嬖鲩L的信息需求，限制了呼叫中心的發(fā)展。VoiceXML技術(shù)突破性地實現(xiàn)了互聯(lián)網(wǎng)與電話網(wǎng)的融合，它是跨接在以語音為核心的電話網(wǎng)絡(luò)和以數(shù)據(jù)為核心的互聯(lián)網(wǎng)絡(luò)兩者之間的一座橋梁 VoiceXML提供了一種通過語音設(shè)備便捷地訪問Internet網(wǎng)絡(luò)和獲得服務(wù)的手段，可以使不同系統(tǒng)集成商在統(tǒng)一的語言基礎(chǔ)上進行業(yè)務(wù)流程定義。VoiceXML以其突出特性，成為實現(xiàn)提供完全一體化服務(wù)呼叫中心的關(guān)鍵。業(yè)內(nèi)人士認為，基于VoiceXML的呼叫中心是呼叫中心未來發(fā)展不可逆轉(zhuǎn)的方向。

OpenVXI是跨平臺支持VoiceXML的開源系統(tǒng)，由美國卡內(nèi)基梅隆大學(xué)開發(fā)，它搭建了一個解析VoiceXML語言的框架，支持VoiceXML 2.0，VoiceXML 2.1標準。

本文提出了一種在OpenVXI平臺上實現(xiàn)的基于VoiceXML技術(shù)的交互式語音應(yīng)答系統(tǒng)的設(shè)計方案。本方案用VoiceXML文檔取代了傳統(tǒng)的CTI流程設(shè)計機制，使得語音應(yīng)答流程設(shè)計更加簡單，更加容易操作。

2 VoiceXML技術(shù)

VoiceXML( Voice Extensible Markup Language)是從ATT的PML (Phone Markup Language)和Motorola的VoxML語言發(fā)展而來的，由VoiceXML論壇制定。W3C己經(jīng)把VoiceXML語言作為其語音瀏覽器的對話標識語言標準，當前發(fā)行版本是2.1。VoiceXML規(guī)范中使用的體系結(jié)構(gòu)主要由以下四部分組成，如圖1所示。

1) 文件服務(wù)器(Document server):處理由“解釋器”經(jīng)“解釋器語境”發(fā)送請求，產(chǎn)生VoiceXML頁面并回應(yīng)給“解釋器”，由“解釋器”做進一步處理。

2) 解釋器(VoiceXML Interpreter):VoiceXML解釋程序是一個計算機程序，它解釋一個VoiceXML文件，引導(dǎo)和控制用戶與執(zhí)行平臺之間的交互作用。

3) 解釋器語境(VoiceXML Interpreter Context):Voice XML解釋程序語境也是一個計算機程序，它在VoiceXML解析器工作時可以并行監(jiān)聽用戶的輸人。

4) 實現(xiàn)平臺(Implementation Platform):實現(xiàn)平臺包含了與電話有關(guān)的硬件設(shè)備和一些CT資源，由“解釋器”和“解釋器語境”控制。它將針對用戶的動作和系統(tǒng)狀況產(chǎn)生事件(Event)。這些事件將被“解釋器”，或者“解釋器語境”處理。

3 IVR系統(tǒng)的設(shè)計與實現(xiàn)

系統(tǒng)通過解析VoiceXML，以提示音、按鍵等方式進行人機交互完成交互式語音應(yīng)答流程，以O(shè)penVXI3.4開源項目的VoiceXML Interpreter為核心，基于微軟語音識別系統(tǒng)(ASR)SpeechSDK，中科大訊飛語音合成(TTS)服務(wù)，實現(xiàn)了Recognize API， Prompt API， Telephony API。系統(tǒng)采用Java Servlet動態(tài)生成VoiceXML文檔，通過Tomcat Web Server與后臺的MySQL數(shù)據(jù)庫訪問，實現(xiàn)信息查詢。

3.1 系統(tǒng)架構(gòu)

系統(tǒng)架構(gòu)如圖2所示，系統(tǒng)以三層結(jié)構(gòu)框架來設(shè)計:前端PSTN用戶、中間端的處理服務(wù)器與后端VoiceXML文檔構(gòu)成。前端用戶經(jīng)過PSTN，與VoiceXML Telephony service相接。而中間端主要是針對用戶的請求，如DTMF按鍵、語音輸入，將VoiceXML文檔剖析并轉(zhuǎn)為語音，并進行呼叫控制的VoiceXML服務(wù)器構(gòu)成。后端則為放置在Web Server上提供業(yè)務(wù)服務(wù)功能的vxml文件及數(shù)據(jù)庫構(gòu)成。

VoiceXML服務(wù)器是整個系統(tǒng)的樞紐部分，由負責(zé)解析VoiceXML文檔VoiceXML解析器以及實時顯示各個通路的狀態(tài)、連接語音和電話組建、資源管理組成。VoiceXML解析器負責(zé)VoiceXML的獲取和解析，以及與其它服務(wù)的交互。其主要任務(wù)是解析VoiceXML文檔并依據(jù)VoiceXML文檔的需要，協(xié)調(diào)Telephony、ASR、與TTS運作，達到系統(tǒng)所要求的功能。

3.2 關(guān)鍵技術(shù)實現(xiàn)

3.2.1 文檔解析技術(shù)

文檔解析模塊用以解析VoiceXML文檔，是整個平臺的核心。本文采用了OpenVXI 3.4作為VoiceXML文檔解析器。OpenVXI是VoiceXML平臺的一個組件，且提供了ASR語音識別，TTS語音合成和呼叫處理的功能接口，可使開發(fā)人員在不需要跟蹤VoiceXML語法體系的情況下，快捷地整合生成自己的系統(tǒng)。

OpenVXI包括VXI解釋模塊、網(wǎng)絡(luò)接口模塊、XML語法分析模塊、Javascript接口模塊、日志模塊以及一系列平臺需要實現(xiàn)的API，包括識別模塊接口、提示語模塊接口和電話模塊接口，如圖3所示。其中，VXI模塊是核心，負責(zé)解釋VoiceXML并主控業(yè)務(wù)流;XML Parser提供XML DOM解析能力，此處直接調(diào)用開放源碼Apache Xerces SAX and DOM parser APIs。它是一個第3方提供的XML通用解釋器。Internet模塊直接調(diào)用開放源碼W3C Libwww library，使平臺可以通過http://和file://方法獲得應(yīng)用文檔，同時支持posting數(shù)據(jù)返回應(yīng)用服務(wù)器。ECMAScript模塊提供ECMAScript執(zhí)行能力，此處直接調(diào)用開放源碼Mozilla SpiderMonkey engine，一個解析JavaScript的第3方庫。Logging模塊負責(zé)報告錯誤、事件和診斷消息給系統(tǒng)操作員，并可以通過文件來存儲日志。

圖3中虛線以下部分是OpenVXI提供的API接口及其對應(yīng)功能模塊。其中，電話接口模塊提供呼叫控制的服務(wù)，包括發(fā)送電話事件、電話轉(zhuǎn)接和掛斷呼叫等:提示語接口模塊提供完整的提示服務(wù)，支持音頻提取等。識別接口模塊提供語法管理和自動語音識別服務(wù)接口，包括動態(tài)語法構(gòu)造和語法激活等;對象接口模塊是VoiceXML語言可擴展的部分，有一些平臺操作如傳真、座席功能在VoiceXML規(guī)范中并沒有顯式說明，這些功能可通過對VoiceXML的

object＞標記進行擴展實現(xiàn)。

由于OpenVXI提供的只是一個VoiceXML語言解析的框架，所以上述各接口都是虛接口，還需要重載各模塊的接口函數(shù)，實現(xiàn)TTS、Telephony、ASR與解析器的集成。需要重載的接口函數(shù)主要包括Telephony接口的VXItelTransferBridge、VXItelTransferBlind和VXItelDisconnect等函數(shù);Prompt接口的VXIpromptWait、VXIpromptQueue和VXlpromptPlay等函數(shù);Recognition接口的VXIRecActivateGrammar、VXIRecRecord、VXIRecRecognizer等函數(shù)。

3.2.2 語音技術(shù)

平臺中需要用到的語音技術(shù)包括語音識別和語音合成技術(shù)，語音識別包括ASR和DTMF，語音合成包括TTS和語音轉(zhuǎn)換等。在語音識別中，當計算機收到用戶語音或按鍵，通過語音識別模塊產(chǎn)生識別結(jié)果，返回給VoiceXML解析器處理。當然，其中需要調(diào)用VoiceXML文件中的語法輔助識別;在語音合成中，可以將文本轉(zhuǎn)換成語音數(shù)據(jù)流，或者直接調(diào)用已錄制好的語音文件對語音通道進行放音?？紤]到系統(tǒng)的通用性，在平臺集成中，采用微軟的語音處理引擎SpeechSDK5.1。

4 典型應(yīng)用

以銀行客戶服務(wù)中心系統(tǒng)為例，利用VoiceXML來實現(xiàn)呼叫中心的語音業(yè)務(wù)邏輯，它的語音業(yè)務(wù)邏輯可分為根文檔、業(yè)務(wù)咨詢文檔、業(yè)務(wù)查詢文檔、投訴建議文檔及業(yè)務(wù)受理文檔。我們以根文檔和業(yè)務(wù)查詢文檔為例說明。

根文檔是用戶進人語音交互服務(wù)后首先執(zhí)行的文檔。主要任務(wù)是提供給用戶可選擇的菜單，根據(jù)用戶的選擇進人相應(yīng)業(yè)務(wù)文檔。具體實現(xiàn):

?xml version=\"1.0\" encoding=\"UTF-8\"?＞

vxml version=\"2.1\" xmlns=\"http://www.w3.org/2001/vxml\"＞

menu dtmf=\"true\"＞

prompt timeout=\"10s\"＞

業(yè)務(wù)咨詢請按1，業(yè)務(wù)查詢請按2，投訴申告請按3，業(yè)務(wù)受理請按4

/prompt＞

choice next =\"http://localhost/voicexml/inquery.xml\"/＞

!--用戶按\"1\"，轉(zhuǎn)到業(yè)務(wù)咨詢文檔--＞

choice next =\" http://localhost/voicexml/query.xml \"＞

!--用戶按\"2\"，轉(zhuǎn)到業(yè)務(wù)查詢文檔--＞

choice next =\" http://localhost/voicexml/appeal.xml \"＞

!--用戶按\"3\"，轉(zhuǎn)到投訴建議文檔--＞

choice next=\" http://localhost/voicexml/accept.xml \"＞

!--用戶按\"4\"，轉(zhuǎn)到業(yè)務(wù)受理文檔--＞

/menu＞

/vxml＞

系統(tǒng)應(yīng)用程序可能對話如下:

用戶呼入，業(yè)務(wù)對話開始。系統(tǒng):“業(yè)務(wù)咨詢請按1，業(yè)務(wù)查詢請按2，投訴申告請按3，業(yè)務(wù)受理請按4”。用戶鍵入2。系統(tǒng):轉(zhuǎn)到業(yè)務(wù)查詢文檔。

可以通過Java Servlet動態(tài)生成不同的業(yè)務(wù)。通過此交互式語音應(yīng)答系統(tǒng)解釋執(zhí)行，可以快速、方便地開發(fā)不同的交互式語音應(yīng)答業(yè)務(wù)。

5 結(jié)束語

IVR系統(tǒng)是呼叫中心的重要組成部分，本文討論了一種基于VoiceXML交互式語音應(yīng)答系統(tǒng)的設(shè)計和實現(xiàn)，此系統(tǒng)可以不受具體業(yè)務(wù)的影響，具有很強的擴展性。下一步的工作重點就是對此系統(tǒng)進行優(yōu)化，提高系統(tǒng)的吞吐性能以及系統(tǒng)的魯棒性，力爭早日把這個系統(tǒng)早日應(yīng)用到實際的項目中。

參考文獻:

[1] 桑慶兵，須文波.基于CTI Builder技術(shù)的環(huán)保12369呼叫中心設(shè)計與實現(xiàn)[J].微計算機信息，2005(33):122-124.

[2] Voice Extensible Markup Language (VoiceXML) Version 2.0[EB/OL]. http://www.w3.org/TR/voicexml20/.

[3] 鄧鑒，劉鋒.呼叫中心盈利模式探討[M].北京:人民郵電出版社，2002.

[4] Kenneth J T.Analyzing interactive voice services[J].Computer Networks，2004，45(5):665-685.

[5] OpenVXI3.4[EB/OL]. http://sourceforge.net/projects/openvxi.

[6] 馬小明，薛賀，鄧正宏.基于VoiceXML的交互式語音應(yīng)答(IVR)系統(tǒng)的設(shè)計與實現(xiàn)[J].微電子與計算機，2006，23(3):100-108.

[7] 崔健，吳芙，張建忠，等.VoiceXML語言解釋器的設(shè)計與實現(xiàn)[J].計算機工程，2005，31(22):95-97.

[8] Daniel M，Shi H.Voice user interface design for telephone application using VoiceXML[C]. Lecture Notes in Computer Science，2005:1058-1061.