編者按：基于語音識別和合成技術的語音門戶近來被炒得沸沸揚揚。語音門戶不僅僅是新的技術，而已經(jīng)是成熟的產(chǎn)品，只不過還沒有被真正引入國內(nèi)。目前，能夠用于語音門戶的語音識別核心技術基本上掌握在以下幾家公司手里：PHILIPS、Nuance、IBM、SpeechWorks和InfoTalk。盡管這些公司都有實際應用的案例，但其技術不一定都能應用于語音門戶。

　　語音門戶在中國的推廣，核心問題不是在技術上，而是在應用開發(fā)和服務上。限于設計、建設和運營中文語音門戶經(jīng)驗的欠缺，許多應用開發(fā)商（ASP）和核心技術開發(fā)商還只是在向用戶推薦技術和概念。但如果這些方案并不具備商業(yè)操作價值，不能在語音門戶的運營上創(chuàng)造價值，也就沒有任何應用價值。

　　本專題將以系列報道的形式連續(xù)、全面地介紹語音門戶，澄清一些誤解，并探討如何在中國建設語音門戶。

語音門戶介紹

　　語音門戶（Voice Portal）是溝通電信用戶、電信網(wǎng)絡及其他信息系統(tǒng)的橋梁，它是一種產(chǎn)品，而不是一種技術。語音門戶的主要特點包括：

• 為固定和移動通信用戶和運營商提供服務；

• 一個號碼接入: 用戶撥入一個特服號碼，享受全部服務；

• 以自動語音識別（ASR）提供導航和服務；

• 提供個性化和人性化綜合服務和統(tǒng)一消息服務。

　　 具體地說，語音門戶應該是建立在電信運營商的電信網(wǎng)絡上，為客戶提供個性化和人性化的客戶服務、信息服務、轉(zhuǎn)接服務和個人定制服務的平臺。在這個平臺上，用戶通過語音界面，可以更快捷、更方便地獲得比傳統(tǒng)IVR系統(tǒng)更豐富的信息和更完善的服務。

成功案例

　　從20世紀90年代末以來，隨著語音技術的成熟和逐步實用化，由于計算機硬件性能的飛速提高，語音門戶開始在世界發(fā)達國家出現(xiàn)。特別是在歐洲和美洲，較高的用戶消費水平能夠消化吸收較昂貴的新技術，語音技術開始進入客戶服務和信息服務領域，并逐漸與互聯(lián)網(wǎng)融合在一起，為客戶提供個性化和人性化的服務。目前，國際上比較成功的案例有：

• Vodafone：綜合信息系統(tǒng)，提供個性化統(tǒng)一消息服務。

• Mannesmann Arcor：在德國推出了Talking Web。這項創(chuàng)新技術使語音入口的內(nèi)容不再必須從指定數(shù)據(jù)庫中檢索，而可以直接從Web服務器上訪問。

• Omnitel：1999年5月開通，電信增值服務平臺。提供財經(jīng)、生活、娛樂等各種信息服務和轉(zhuǎn)接服務。

• 臺灣和信電訊Ms.600：2000年8月開通，移動通信增值服務平臺。提供信息服務、轉(zhuǎn)接服務、統(tǒng)一消息服務。（詳細資料請參考http://www.kgt .com.tw/sitemap/qminfo_08.html）

澄清一些概念

　　（1）VoiceXML不是語音門戶標準

　　經(jīng)常有人把VoiceXML說成語音門戶的標準。實際上，在VoiceXML出現(xiàn)之前，語音門戶就存在了。VoiceXML不是語音門戶的標準，只是用于解決互聯(lián)網(wǎng)與語音界面的接口問題。VoiceXML目前還存在一些問題，主要表現(xiàn)在：

• VoiceXML的標準還在制訂和完善過程中；

• 目前還沒有解決雙向的問題，只有提問，沒有回答，只能下載Web page；

• 目前世界上大部分網(wǎng)站用的都是HTML或WML標識語言，如果要求所有的網(wǎng)站都支持VXML的標識語言，還有相當?shù)木嚯x。

　　 目前，計算機硬件、操作系統(tǒng)、電信、網(wǎng)絡和語音識別的主導廠商正在起草一個新的語音處理標準—語音應用語言標識（SALT，Speech Application Language Tags），它能夠兼容HTML、xHTML和XML。參與制訂這一新標準的廠商有：Cisco、Intel、Microsoft、Phillips和SpeechWorks等。詳細信息請參考其網(wǎng)站：www.saltforum.org。因此，VoiceXML的前途如何，還有很大的疑問。

　　（2）不同領域的語音識別技術

　　并非所有的語音識別技術都能應用于語音門戶。語音識別技術可以分為3種：

• 個人終端設備上的技術——以固化語音模塊形式嵌入PDA、手機、玩具、家用電器等產(chǎn)品。其特點是：簡單功能，小詞匯量、針對特定用戶（需要用戶事先訓練機器才能聽懂）。目前也有一些更小詞匯量的，針對非特定用戶的產(chǎn)品。

• 基于PC的技術——語音指令控制PC動作、聽寫錄入。支持大詞匯量、針對特定用戶，使用前必須訓練，要求安靜的使用環(huán)境。

• 基于電信網(wǎng)絡的技術——應用于電信網(wǎng)絡中，提供大詞匯量識別、與用戶無關。這個領域中的語音識別系統(tǒng)，由于受到語音傳輸頻寬、環(huán)境噪聲、系統(tǒng)回聲、電磁干擾、不允許實現(xiàn)訓練等更加苛刻的約束，對技術的要求就更高。

　　之所以要區(qū)分這三種技術，是因為這三種技術應用于不同的領域，其技術結(jié)構(gòu)有非常大的差別。一個領域的產(chǎn)品，轉(zhuǎn)化為另一領域的產(chǎn)品是十分困難的。用戶在選擇語音識別技術的時候，要看其專長在哪個領域。

　　（3）語音門戶不是語音網(wǎng)站

　　一提到語音門戶，總有人把他說成語音門戶網(wǎng)站。實際上，語音網(wǎng)站僅僅是語音門戶的一個很小的部分。如前所述，語音門戶集成了電信網(wǎng)絡、計算機網(wǎng)絡和互聯(lián)網(wǎng)，提供統(tǒng)一消息服務，遠比語音網(wǎng)站豐富和強大。

核心技術與流程設計 語音門戶的兩扇門