用CTI实现与Web交谈

最终将语音浏览器与微型浏览器融合在一起，可以实现多种形式的交互性。比如一个旅行的应用，使用者讲出他的起始点和终点及其首选的航班时间，这些对于PDA来说是非常不容易输入的。融合的微型浏览器对输入做出反应，给他一个航班选择的菜单。他选择预约的航班只需说“第三个”……实现语音输入，图形界面输出。

什么是VoiceXML

首先我们来看一看VoiceXML的模型。(见图1)

一个文件服务器比如说一个Web服务器，处理一个来自终端应用的请求，这一请求经过了VoiceXML解释程序和VoiceXML解释程序语境处理。作为响应，服务器产生出VoiceXML文件，在回复当中，要经过VoiceXML解释程序的处理。

执行平台是被VoiceXML解释程序语境和VoiceXML解释程序控制的。例如，在一个交互式语音应答应用中，VoiceXML解释程序语境能可靠的监测到呼叫，获得初始的VoiceXML文件，并且回答这一呼叫，在回答之后VoiceXML解释程序引导这一对话。执行平台产生事件响应用户的动作（说话或者字符输入）和系统事件（例如计时器溢出）。这些事件中的一部分依照相应的VoiceXML文件按照VoiceXML解释程序的解释加以执行，其他的被VoiceXML解释程序语境控制。

VoiceXML解释程序是一个计算机程序，它解释一个VoiceXML文件，引导和控制用户与执行平台之间的交互作用。VoiceXML解释程序语境也是一个计算机程序，用一个VoiceXML解释程序解释一个VoiceXML文件，并且可以与执行平台相互作用而与VoiceXML解释程序无关。

执行平台，是指一个能支持VoiceXML定义的交互作用的计算机，它上面要加载相应的软件和硬件，比如，ASR、TTS。

VoiceXML的主要目标是要将Web上已经有的大量应用、丰富的内容，让交互式语音界面也能够全部享受。而在这一过程中，VoiceXML希望能够将应用开发人员们从最低级的编程和资源处理工作中解放出来。VoiceXML能够利用人们已经非常熟悉的客户机/服务器方式，将语音服务和数据服务融合起来。

在这里一个语音服务被看作是用户和执行平台之间所进行的一系列交互式语音对话。对话由一个文件服务器来提供，文件服务器可能会是执行平台之外的一个设备。文件服务器提供了全部的服务逻辑、数据库的访问、系统的运行并且产生对话。在VoiceXML中，对话指的是一次交互式的作用，而用户的操作已经在VoiceXML文件中指定了。

一个VoiceXML文件指定每一个交互式的对话要被VoiceXML解释程序所引导。用户的输入将影响对话的解释，而用户的输入同时将被收集成为请求，提交给文件服务器。文件服务器可能通过回答另一个VoiceXML文件让用户通过其他的对话继续其会议。这里，会议指的是用户和执行平台之间的联系，像一个用户和语音应答系统的电话通信，一个会议会关联到不下一个的VoiceXML文件。