語音為CTI注新活力
段云峰、盛志健
語音應用（VAP）技術(shù)指基于語音進行處理的技術(shù)，包括語音識別技術(shù)和語音合成技術(shù)等。語音應用技術(shù)（以下簡稱VAP技術(shù)）反映了對語音信號進行處理的能力，其發(fā)展的程度，將影響計算機通過語音與人類進行交互的能力，并將影響計算機應用的領(lǐng)域。
下面將就VAP技術(shù)與CTI技術(shù)的結(jié)合進行有關(guān)的介紹。
四大變化
我們知道，目前世界范圍內(nèi)最大的通信網(wǎng)絡仍然是電話網(wǎng)絡。不管將來數(shù)據(jù)網(wǎng)絡技術(shù)如何發(fā)展，人與人之間最方便的交流方式還是語音交流。畢竟對于很多人來說，熟練地操作鍵盤并不是容易的事情。
對于CTI技術(shù)也是一樣。CTI技術(shù)的優(yōu)勢，在于將傳統(tǒng)的電話語音網(wǎng)絡發(fā)展成為用戶獲得各種信息的接入手段，而通過VAP技術(shù)可以極大地加強這種接入手段的能力。例如，通過VAP技術(shù)，用戶可以在旅行的過程中，通過電話“聽”取自己電子郵件的內(nèi)容，并通過語音留言回復有關(guān)的郵件，而不必攜帶笨重的計算機。
CTI技術(shù)的核心是有個龐大的信息庫，通過CTI技術(shù)完成與用戶的交互功能。而采用了VAP技術(shù)后，用戶就可以通過語音，直接對這個信息庫進行24小時的訪問，并十分容易地獲得各種個性化服務，這無疑將會對CTI技術(shù)產(chǎn)生革命性的影響。
1．接入手段的提升
通過VAP技術(shù)，我們可以直接用語音進行有關(guān)的交互工作。其優(yōu)勢表現(xiàn)在如下幾個方面。
第一，效率提高了。例如，目前在聽完了大段的語音提示選單后，我們還要不斷地停下來，按動電話上有限的數(shù)字按鍵，進行相應的選擇，然后繼續(xù)聽下一段的語音提示。
在使用了VAP技術(shù)后，我們可以像與服務員一樣，采用語音的方式，連續(xù)地聽語音選單，并直接通過語音“說”出相關(guān)的選擇，避免了連續(xù)按鍵的過程。
第二，交互的界面更加豐富了。我們知道，傳統(tǒng)的電話僅能通過DTMF信號，傳送有限的幾個數(shù)字及符號按鍵，這使得與用戶的交互界面常常受到限制，而VAP技術(shù)則采用了語音識別的方式，其交互的界面幾乎不受限制，極大地擴展了交互的能力。
第三，信息終端的小型化。在目前，信息終端普遍是計算機，體積大而不便攜帶。采用VAP技術(shù)以后，電話將成為有效的信息終端。用戶在馬路邊的公共電話亭，就可以方便地獲得信息，將產(chǎn)生出許多嶄新的應用。
2．開辟語音服務的廣闊市場
將VAP技術(shù)與CTI技術(shù)相結(jié)合，將產(chǎn)生許多新的業(yè)務應用。這些應用不僅可以強化CTI傳統(tǒng)的一些應用，如語音自動應答業(yè)務等，而且能夠發(fā)展出許多嶄新的業(yè)務應用，既豐富了為用戶服務的形式，也給運營商帶來巨大的利潤。具體的例子詳見本文下面的應用舉例。
3．與移動通信技術(shù)的結(jié)合，促進個人化信息終端的發(fā)展
目前的移動通信技術(shù)，可以使用戶在語音通信方面具有移動性。與VAP技術(shù)結(jié)合后，用戶可以方便地在移動中，通過語音獲得各種信息。
這可以在某種程度上，分擔WAP技術(shù)中顯示屏幕過小所帶來的信息訪問的不便。例如，可以通過WAP進行有關(guān)文字方面的檢索，然后將大段的信息通過語音拼讀以語音的形式通知用戶。
4．促進自動信息服務的發(fā)展
在傳統(tǒng)的IVR系統(tǒng)中，只能事先錄好各種提示音，既占用了大量的存儲資源，又很難靈活應對用戶的交互需求。采用VAP技術(shù)以后，事先可以不用錄制提示音，信息仍以數(shù)字化方式存在，通過語音合成技術(shù)將信息“讀”給用戶聽。這樣，IVR還可以擔負有關(guān)的信息檢索的功能。例如，通過有關(guān)的搜索引擎，可以直接在互聯(lián)網(wǎng)上檢索信息，并將結(jié)果“讀”給用戶。
由于這種技術(shù)是24小時不間斷的，而且服務的內(nèi)容完全可以依據(jù)海量的信息庫自動進行，因此將完全改變現(xiàn)有IVR系統(tǒng)的形式和內(nèi)容。
四大新應用
下面列舉一些VAP技術(shù)與CTI技術(shù)結(jié)合后的應用例子。
1． 電子郵件語音識別
采用VAP技術(shù)后，用戶可以直接通過撥打一個電話，而“聽”自己的新郵件內(nèi)容，并通過電話直接進行語音回復。在撥通號碼的時候，系統(tǒng)首先進行有關(guān)的用戶身份鑒別，然后檢查郵箱。如果有新的電子郵件到達，將通過語音合成技術(shù)，將郵件的題目和發(fā)信人直接“讀”給用戶聽，然后通過語音識別技術(shù)判斷用戶的選擇，如果用戶想知道郵件的內(nèi)容，則繼續(xù)通過語音合成技術(shù)，將郵件的內(nèi)容讀給用戶聽。當用戶需要進行立刻回復時，系統(tǒng)將自動錄取用戶的回復內(nèi)容，并將該錄音文件通過電子郵件系統(tǒng)回復給發(fā)信人。
如果用戶想發(fā)新的郵件，可以通過語音識別技術(shù)，告訴系統(tǒng)收信人地址，然后將該郵件直接發(fā)給收信人。如果“語音”郵件不方便閱讀，則可以通過語音識別技術(shù)將用戶的語音信息轉(zhuǎn)成文字信息，然后傳給有關(guān)的閱信人。
2． 虛擬主持人
通過語音合成技術(shù)，目前已經(jīng)出現(xiàn)了虛擬主持人主持的新聞節(jié)目。用戶在互聯(lián)網(wǎng)上有關(guān)站點檢索到自己感興趣的內(nèi)容后，屏幕上將顯示一個虛擬的主持人形象（一般是通過動畫技術(shù)來顯示），這位主持人將根據(jù)信息的內(nèi)容，自動地通過語音合成技術(shù)將這些信息播放給用戶，同時嘴唇做相應的動作，就像新聞播音員直接進行報道一樣。這種虛擬主持人技術(shù)，可以提供24小時的全天候報道，報道的內(nèi)容根據(jù)用戶選擇的內(nèi)容決定。
這種虛擬的主持人技術(shù)，可以應用到新聞、娛樂等不同的領(lǐng)域，如果與電視應用結(jié)合，還會產(chǎn)生出更多的應用內(nèi)容。
3． 聲紋密碼識別
目前，我們的身份識別可以采用指紋、照片等方式進行。另一方面，每個人的聲音也包含了其自身的特點，如果將其作為身份鑒別的一種依據(jù)，就要考慮聲紋密碼識別技術(shù)。
能夠通過聲紋識別技術(shù)，可以完全確定一個人的身份，就可以極大地加強在語音方面的應用領(lǐng)域。例如，在現(xiàn)有的電話系統(tǒng)中，如果沒有專用的端加密設(shè)備，通過DTMF信號輸入身份密碼，很容易就可能被別人竊取。而如果是通過聲紋鑒別技術(shù)，可十分安全地保證系統(tǒng)的可靠性，同時別人無法模仿，即使竊取了也沒有用處。這樣，將來就可以很容易地進行有關(guān)的電話銀行業(yè)務的處理。通過電話，用戶就可以進行各種銀行業(yè)務，遠遠超出今天電話銀行所能夠提供的業(yè)務內(nèi)容。
另一方面，在CTI應用中，傳統(tǒng)的“Screen Pop”功能，僅能夠通過用戶的主叫號碼進行用戶身份的自動識別，而電話號碼并不能唯一地確定用戶的身份。通過聲紋識別技術(shù)，可以唯一地確定用戶的身份，因此能更加快捷地為用戶提供“個性化”服務。
同時，在電話訂購商品方面，也將有極大的推動作用。廠家可以根據(jù)有關(guān)的聲紋識別技術(shù)，判斷這些信息的可信度如何，并據(jù)此決定是否送貨等，由此可以大大地提高電話訂購商品的效率，推動“電話商務”的發(fā)展。
4． 語音瀏覽互聯(lián)網(wǎng)
目前，互聯(lián)網(wǎng)是世界上最大的信息庫，而通過計算機進行信息檢索，對移動用戶等十分地不便。如果通過電話網(wǎng)絡，就可以在互聯(lián)網(wǎng)上進行信息檢索，無疑具有十分誘人的前景。通過語音合成技術(shù)，可以將檢索到的信息以簡單的形式播放給用戶聽，然后用戶可選擇是否聽詳細的內(nèi)容。
以上僅列舉了一些應用的內(nèi)容。因為CTI技術(shù)代表的是與電話網(wǎng)絡的接口，而VAP技術(shù)則代表了通過語音技術(shù)進行信息處理的能力。因此，兩者的結(jié)合，能夠產(chǎn)生出更多的、目前無法預料的業(yè)務應用。
影響力還會更深
目前的VAP技術(shù)，還存在許多的技術(shù)難點。英語方面研究較多，也比較成熟，有些方面已經(jīng)可以進行商用。但在漢語方面，還有很多的工作要做。另一方面，由于VAP技術(shù)還比較新，因此在CTI產(chǎn)業(yè)中還沒有形成影響力，缺乏一支相應的產(chǎn)業(yè)化隊伍進行推動。
為此，應加大在兩者相互結(jié)合方面的研究工作。同時，結(jié)合一些已經(jīng)可以商用的VAP技術(shù)，尋找可以商用的應用業(yè)務，為用戶帶來真正的實惠。
在VAP技術(shù)與CTI技術(shù)結(jié)合方面，還要做大量的宣傳工作，吸引兩方面企業(yè)聯(lián)合，共同開拓有關(guān)的市場。
《賽迪網(wǎng)》2000/09/28