第1页：研究W3C VoiceXML标准背后的技术第2页：研究W3C VoiceXML标准背后的技术第3页:研究W3C VoiceXML标准背后的技术

用户输入

元素<grammar>用来提供一个口头的语法或者双音多频（DTMF）语法。语音语法用来指定一组由用户说出来执行一个行为或提供信息的发声，然后返回一个相应的语义解释，得到匹配的话语。下面（列表C）一个例子是一个由W3C语音识别语法规范（SRGS）的XML窗体定义的内嵌语法（grammar1.xml.txt）。

列表 C

<grammar mode="voice" xml:lang="en-US" version="1.0" root="command">
  <!-- Command is an action on an object -->
  <!-- e.g. "open a window" -->
  <rule id="command" scope="public">
    <rulerefuri="#action"/> <rulerefuri="#object"/>
  </rule>

  <rule id="action">
    <one-of>
      <item> open </item>
      <item> close </item>
      <item> delete </item>
      <item> move </item>
    </one-of>
  </rule>

  <rule id="object">
   <item repeat="0-1">
      <one-of> <item> the </item> <item> a </item> </one-of>
    </item>
    <one-of>
      <item> window </item>
      <item> file </item>
      <item> menu </item>
    </one-of>
  </rule>
</grammar>

双音多频（DTMF）语法规定了一组用户可以用来执行一个行为或提供信息的按键，然后返回一个相应的语义解释，得到相匹配的双音多频（DTMF）输入。所有的VoiceXML平台都要求支持双音多频（DTMF）语法XML格式。以下（列表D）是一个简单的内嵌XML双音多频（DTMF）语法的例子，用来接受“1 2 3”或“#”这样的输入。（grammar2.xml.txt）。

列表 D

<grammar mode="dtmf" version="1.0" root="root">
  <rule id="root" scope="public">
    <one-of>
      <item> 1 2 3 </item>
      <item> # </item>
    </one-of>
  </rule>
</grammar>

系统输出

元素<prompt>控制着合成语音和事先录制的音频的输出。从概念上来说，提示音会即时列队播放，所以直到用户需要提供输入的时候，才开始解释。在这里，提示音被播放，系统等待用户的输入。一旦语音识别子系统（或DTMF识别器）接收到输入，就开始解释了。

元素<prompt>的内容由W3C语音合成标记语言（SSML）来规定。一个对SSML的好的介绍也可以在网上找到。

超越平凡

当然，这篇文章只是对VoiceXML的一个简介，不可能包括所有的详细资料和特性。VoiceXML是一种W3C认可的标记语言，它使得开发者可以很简易地写出最近几年才敢想到的先进的电话应用程序。VoiceXML使得一般的网页开发者能够轻松和简易写出电话应用程序，就像编写一般的HTML网页一样。因为VXML是一种以标识为基础的标记语言，所以它的结构在很多方面都和HTML类似，但是VoiceXML是一种听觉的媒介而不是最初的视觉手段，它允许终端用户通过使用其语音命令来操纵它的“电话页”，而不是在网页上点击按钮。随着VoiceXML的应用，你不必再为昂贵的电话应用程序的软、硬件投资，也不再需要一个专门的场所来储存你的电话设备。许多语音应用程序的主人和提供商如Skype即将为你提供免费的语音应用程序，或者支付一点附加费用获得功能性增强的语音。

责任编辑：张琎

查看本文的国际来源