CN101621712B - 一种在彩铃系统中实现语音识别的系统及方法 - Google Patents

Abstract

本发明公开了一种在彩铃系统中实现语音识别的系统，包括：业务控制点，用于解析执行业务指令，并由IVR业务逻辑控制完成与媒体服务器之间的信息交互；IVR业务逻辑，用于控制对用户的放音、收号、用户录入信息的处理，并根据用户的选择和业务逻辑设定完成业务功能；媒体服务器，用于根据业务控制点的指示操作，并根据指示与语音识别引擎进行信息交互，将语音识别结果通知IVR业务逻辑；语音识别引擎，用于在业务控制点的控制下，对用户录入的语音进行识别，并上报语音识别结果。本发明还同时公开了一种在彩铃系统中实现语音识别的方法，采用本发明能解决IVR流程中的信息交互问题，完成彩铃IVR流程中的语音识别。

Description

一种在彩铃系统中实现语音识别的系统及方法

技术领域

本发明涉及语音识别和彩铃技术，特别是涉及一种在彩铃系统中实现语音识别的系统及方法。

背景技术

随着语音技术的不断发展，语音识别技术在计算机领域获得了广泛的应用，所涉及到范围也越来越广泛，例如，语音录入、各种声控终端等等。虽然语音识别技术本身已日渐成熟，但在通讯领域的应用还远未普及，目前的应用大多限于在应用程序接口(API)接口的开发。

另一方面，在彩铃业务的日益发展过程中，语音技术如交互式语音应答(IVR)流程也逐渐被应用于彩铃系统中。但是，由于彩铃业务本身的特点，其个性化的需求特别多，存在大量用户可以自己定制的功能，而现有的IVR流程只能接收用户一些简单的按键信息，对于彩铃业务用户定制功能中，一些需要用户输入文本信息的应用，如按歌曲名称搜索等，还无法利用IVR流程实现。

这里，所述彩铃业务是一种智能多媒体业务，在由端局、业务控制点(SCP)、业务交换点(SSP)、语音平台组成的移动智能平台上实现，通常，用户终端通过拨打特定的业务接入码，接入移动智能平台的SSP，触发彩铃业务的业务逻辑，完成彩铃业务的实现。

现有技术中，对于彩铃业务中需要用户输入文本信息的应用，大多只能通过web方式来实现。虽然，web方式的使用在交互信息上具有很大的优势，但其使用还是受到使用环境、使用人群的限制，比如：需要提供支持web运行的环境，需要用户掌握如何使用web方式等等。而对于IVR流程，则没有这些使用环境的要求，只要通过通信终端触发IVR业务逻辑即可；并且，IVR业务具有使用方便、操作简单的优势，那么，如何在彩铃系统中利用IVR流程实现更多的用户定制功能，目前亟待解决的是IVR流程中的信息交互问题。

发明内容

有鉴于此，本发明的主要目的在于提供一种在彩铃系统中实现语音识别的系统及方法，能解决IVR流程中的信息交互问题，完成彩铃IVR流程中语音的识别。

为达到上述目的，本发明的技术方案是这样实现的：

本发明提供了一种在彩铃系统中实现语音识别的系统，包括：业务控制点、交互式语音应答IVR业务逻辑、媒体服务器和语音识别引擎；其中，

所述业务控制点，用于解析执行业务指令，并由IVR业务逻辑控制完成与媒体服务器之间的信息交互；

所述IVR业务逻辑，用于控制对用户的放音、收号、用户录入信息的处理，并根据用户的选择和业务逻辑设定完成业务功能；

所述媒体服务器，用于根据业务控制点的指示操作，并根据指示与语音识别引擎进行信息交互，将语音识别结果通知IVR业务逻辑；

所述语音识别引擎，用于在业务控制点的控制下，对用户录入的语音进行识别，并上报语音识别结果。

其中，该系统还包括交换机，用于接收用户拨打的接入码，并向业务控制点发起邀请；所述业务控制点，还进一步由IVR业务逻辑控制完成与交换机之间的信息交互。

上述方案中，所述业务控制点与媒体服务器通过扩展的Parlay的SENDUI接口交互信息。所述媒体服务器与语音识别引擎进行信息交互包括：通知语音识别引擎开始语音识别、接收语音识别引擎返回的语音识别结果。

本发明还提供了一种在彩铃系统中实现语音识别的方法，先触发IVR业务逻辑；该方法还包括：

媒体服务器根据来自IVR业务逻辑通过业务控制点发送的指示准备放音，并通知用户准备录入语音；

媒体服务器连接语音识别引擎，语音识别引擎识别用户录入的语音，并将语音识别结果发送给媒体服务器；媒体服务器通过业务控制点通知IVR业务逻辑语音识别结果；其中，业务控制点与媒体服务器通过扩展的Parlay的SENDUI接口交互信息。

其中，所述触发IVR业务逻辑为：用户拨打彩铃IVR流程的接入码触发IVR业务逻辑。

上述方案中，所述媒体服务器根据来自IVR业务逻辑通过业务控制点发送的指示准备放音具体包括：IVR业务逻辑向业务控制点发送生成UI消息，指示业务控制点呼叫媒体服务器；业务控制点向媒体服务器发送邀请INVITE请求，呼叫媒体服务器；

媒体服务器收到邀请请求后，分配语音资源准备放音，完成后向业务控制点返回200OK消息；业务控制点收到200OK后向媒体服务器返回ACK消息；

业务控制点向交换机返回200OK消息，指示交换机连接到媒体服务器分配的语音资源上；交换机连接成功后向业务控制点返回ACK消息；

业务控制点通知IVR业务逻辑放音设备已经准备就绪，IVR业务逻辑通知媒体服务器放音。

上述方案中，所述通知用户准备录入语音包括：

IVR业务逻辑向业务控制点发送SendUI消息，通知媒体服务器放音；

业务控制点将SendUI消息转换成INFO消息通知媒体服务器，媒体服务器开始向用户播放通知音；

媒体服务器通知业务控制点放音成功；业务控制点通知IVR业务逻辑放音已经成功。

上述方案中，所述媒体服务器连接语音识别引擎之前，该方法还包括：

IVR业务逻辑向业务控制点发送SendUI消息，该消息中包括语音识别引擎的地址、语音识别使用的语法规则；

业务控制点将SendUI消息转换成INFO消息，并将相关的语音识别信息封装在INFO消息中，发送给媒体服务器；

所述媒体服务器根据INFO消息中的语音识别引擎地址、语法规则，连接语音识别引擎。

上述方案中，所述媒体服务器通过业务控制点通知IVR业务逻辑语音识别结果具体为：

媒体服务器向业务控制点报告语音识别结果，业务控制点向IVR业务逻辑上报语音识别结果。

本发明所提供的在彩铃系统中实现语音识别的系统及方法，用户通过拨打接入码，触发IVR业务逻辑，由IVR业务逻辑控制语音识别引擎识别用户录入的语音，并将语音识别结果返回IVR业务逻辑。如此，可使用户将需要输入的信息通过语音录入，并通过语音识别引擎进行识别，之后将语音识别结果送至IVR业务逻辑，提供给彩铃业务在需要时使用。

本发明通过将业务控制点、媒体服务器和语音识别引擎结合使用，由IVR业务逻辑控制用户语音的录入和识别，只需对Parlay的SENDUI接口进行扩展，使其能携带语音识别所需的参数信息，不仅解决了彩铃业务IVR流程中的信息交互问题，而且，操作简单、方便、灵活、易于实现。

附图说明

图1为本发明在彩铃系统中实现语音识别的系统组成结构示意图；

图2为本发明在彩铃系统中实现语音识别的方法流程示意图；

图3为本发明在彩铃系统中实现语音识别的网元交互流程示意图。

具体实施方式

本发明的基本思想：用户通过拨打彩铃IVR流程接入码，触发IVR业务逻辑，由IVR业务逻辑控制语音识别引擎识别用户录入的语音，并将语音识别结果返回IVR业务逻辑。

本发明关键在于扩展Parlay的SENDUI接口，使之能够携带语音识别所需要的参数，包括语音识别引擎地址、识别使用的语法规则等信息；IVR业务逻辑将语音识别所需参数信息发送给业务控制点，业务控制点对该扩展SENDUI接口信息进行处理，将SENDUI接口所携带的信息转换成INFO消息，发送到媒体服务器上，使媒体服务器可以依照这些参数，完成与语音识别引擎之间的交互，进而使语音识别引擎完成对用户录入语音的识别。

这里，所述扩展Parlay的SENDUI接口具体就是：在SENDUI接口中增加一个UIASRCriteria字段，通过该字段携带语音识别所需的参数。由于INFO消息是媒体服务器能够识别的标准消息，所述将SENDUI接口所携带的信息转换成INFO消息实际就是：将Parlay协议下的消息转化成SIP协议下的消息。

本发明在彩铃系统中实现语音识别的系统，如图1所示，该系统包括：交换机、业务控制点(SCP)、IVR业务逻辑、媒体服务器(MS)和语音识别引擎(ASR)；其中，

所述交换机，用于接收用户拨打的接入码，向业务控制点发起邀请，触发智能业务；

所述业务控制点，是IVR业务的执行环境，负责解析执行业务指令，并由IVR业务逻辑控制完成与交换机、媒体服务器之间的信息交互；

所述IVR业务逻辑，是根据彩铃业务要求，使用业务生成环境(SCE)开发的业务逻辑；用于控制对用户的放音、收号、用户录入信息的处理，并根据用户的选择和业务逻辑设定，完成业务功能的实现。

所述媒体服务器，用于根据业务控制点的指示，进行放音、收号等操作，并根据指示与语音识别引擎进行信息交互，将语音识别结果透传给业务控制点，经由业务控制点通知IVR业务逻辑；

这里，所述媒体服务器通过扩展的Parlay的SENDUI接口与业务控制点交互信息；所述与语音识别引擎进行信息交互至少包括：通知语音识别引擎开始语音识别、接收语音识别引擎返回的语音识别结果。

所述语音识别引擎，在业务控制点的控制下，对用户录入的语音进行识别，并上报语音识别结果。

基于图1所示系统架构，IVR业务逻辑处于一个核心控制的位置，IVR业务逻辑通过业务控制点控制媒体服务器的放音、以及与语音识别引擎的交互，并对语音识别结果进行处理。本发明在彩铃系统中实现语音识别的方法，如图2所示，包括以下步骤：

步骤201，用户拨打彩铃IVR流程的接入码，触发IVR业务逻辑；

这里，所述彩铃IVR流程的接入码是之前设定好的特定业务接入码，拨打此接入码就表示要触发彩铃IVR流程。具体的，该接入码在交换机上触发智能业务中的IVR业务逻辑，进入彩铃业务的IVR流程。

步骤202，指示媒体服务器准备放音；

具体的，IVR业务逻辑通过业务控制点指示媒体服务器分配好放音资源准备放音，并指示交换机连接到媒体服务器上。

步骤203，指示媒体服务器播放通知音，通知用户准备录入语音；

这里，IVR业务逻辑通过业务控制点指示媒体服务器。

步骤204，指示媒体服务器连接语音识别引擎；

这里，IVR业务逻辑通过业务控制点指示媒体服务器。

步骤205，用户开始录入语音，语音识别引擎开始识别用户录入的语音；

步骤206，语音识别引擎将语音识别结果通知IVR业务逻辑，IVR业务逻辑处理语音识别结果。

这里，语音识别引擎先将语音识别结果发送给媒体服务器，由媒体服务器通过业务控制点通知IVR业务逻辑。IVR业务逻辑对语音识别结果进行处理，以便后续业务需要时使用语音识别结果。

图3为本发明在彩铃系统中实现语音识别过程中，业务控制点、IVR业务逻辑、媒体服务器、语音识别引擎等网元之间的交互流程示意图，如图3所示，本发明在彩铃系统中实现语音识别的交换流程包括以下步骤：

步骤301，用户拨打IVR接入码，在交换机上触发智能业务中的IVR业务逻辑，交换机发送邀请INVITE请求到业务控制点，将后续业务处理流程的控制交给业务控制点负责；

这里，所述INVITE请求中携带有业务键信息，所述业务键信息是一个业务的标识，表示本次需要触发的是彩铃业务还是其他某种业务，业务键信息的内容就是一个数字，比如：彩铃业务采用59表示。

步骤302，业务控制点根据INVITE消息中的业务键信息，通过ParlaySENDUI接口的地址事件通知报告消息AddressEventNotifyReport，触发彩铃业务中的IVR业务逻辑；

步骤303，IVR业务逻辑在完成对用户的合法性、权限等信息认证后，向业务控制点发送生成UI消息CreateUI，指示业务控制点呼叫媒体服务器；

步骤304，业务控制点向媒体服务器发送邀请INVITE请求，呼叫媒体服务器；

步骤305，媒体服务器收到邀请请求后，开始分配语音资源准备放音，完成后向业务控制点返回确认消息200OK；

步骤306，业务控制点收到200OK后向媒体服务器返回应答消息ACK；

步骤307，业务控制点向交换机返回200OK消息，指示交换机连接到媒体服务器分配的语音资源上；

这里，业务控制点收到媒体服务器的200OK确认信息后，知道媒体服务器已经做好放音准备，所以向交换机返回200OK消息，通知交换机可以连接媒体服务器。

步骤308，交换机连接到媒体服务器的语音资源上，连接成功后向业务控制点返回ACK消息；

步骤309，业务控制点收到交换机返回的ACK后，向IVR业务逻辑返回CreateUI响应，通知IVR业务逻辑放音设备已经准备就绪；

步骤310，IVR业务逻辑收到后向业务控制点发送SendUI消息，通知媒体服务器放音；

步骤311，业务控制点将SendUI消息转换成INFO消息通知媒体服务器，媒体服务器开始向用户播放通知音；

步骤312，媒体服务器向业务控制点返回200OK，通知业务控制点放音成功；

步骤313，业务控制点向IVR业务逻辑发送SendUI响应，通知IVR业务逻辑放音已经成功；

步骤314，IVR业务逻辑再次向业务控制点发送SendUI消息；

其中，该SendUI消息中包括语音识别引擎的地址、语音识别使用的语法规则等信息；

步骤315，业务控制点将SendUI消息转换成INFO消息，并将相关的语音识别信息封装在INFO消息中，发送给媒体服务器；

这里，所述相关的语音识别信息包括语音识别引擎的地址、语音识别使用的语法规则等信息；

步骤316，媒体服务器根据INFO消息中的语音识别引擎地址、语法规则，连接语音识别引擎，通知语音识别引擎开始语音识别；

步骤317，媒体服务器发送200OK消息，表示与语音识别引擎已经连接完毕；之后，用户开始录入语音，语音识别引擎根据指定的语法规则进行识别；

这里，所述的语法规则为已有技术，是现有语音识别系统已经使用的技术，主要用于对准备识别的语音进行规则定义，比如：对“你的号码为13911112222”这句话进行识别，对应的语法规则就是“文本+数字”；相应的，具体语音识别引擎如何对用户录入语音进行识别为已有技术，在此不再详述。

步骤318，语音录入完毕，语音识别引擎将语音识别结果报告给媒体服务器；

步骤319，媒体服务器向业务控制点发送INFO消息，向业务控制点报告语音识别结果；

步骤320，业务控制点向IVR业务逻辑发送SendUI响应，上报语音识别结果；

步骤321，业务控制点收到后，向媒体服务器发送200OK消息，表示语音识别结束；

步骤322，媒体服务器断开与语音识别引擎的连接，释放语音资源；

步骤323，IVR业务逻辑根据用户录入的语音内容，进行后续处理，以提供给彩铃业务使用。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种在彩铃系统中实现语音识别的系统，其特征在于，该系统包括：业务控制点、交互式语音应答IVR业务逻辑、媒体服务器和语音识别引擎；其中，

所述业务控制点，用于解析执行业务指令，并由IVR业务逻辑控制完成与媒体服务器之间的信息交互；

所述IVR业务逻辑，用于控制对用户的放音、收号、用户录入信息的处理，并根据用户的选择和业务逻辑设定完成业务功能；

所述媒体服务器，用于根据业务控制点的指示操作，并根据指示与语音识别引擎进行信息交互，将语音识别结果通知IVR业务逻辑；

所述语音识别引擎，用于在业务控制点的控制下，对用户录入的语音进行识别，并上报语音识别结果。

2.根据权利要求1所述的系统，其特征在于，该系统还包括交换机，用于接收用户拨打的接入码，并向业务控制点发起邀请；

所述业务控制点，还进一步由IVR业务逻辑控制完成与交换机之间的信息交互。

3.根据权利要求1或2所述的系统，其特征在于，所述业务控制点与媒体服务器通过扩展的Parlay的SENDUI接口交互信息。

4.根据权利要求1或2所述的系统，其特征在于，所述媒体服务器与语音识别引擎进行信息交互包括：通知语音识别引擎开始语音识别、接收语音识别引擎返回的语音识别结果。

5.一种在彩铃系统中实现语音识别的方法，其特征在于，触发IVR业务逻辑；该方法还包括：

媒体服务器根据来自IVR业务逻辑通过业务控制点发送的指示准备放音，并通知用户准备录入语音；

媒体服务器连接语音识别引擎，语音识别引擎识别用户录入的语音，并将语音识别结果发送给媒体服务器；媒体服务器通过业务控制点通知IVR业务逻辑语音识别结果；

其中，业务控制点与媒体服务器通过扩展的Parlay的SENDUI接口交互信息。

6.根据权利要求5所述的方法，其特征在于，所述触发IVR业务逻辑为：用户拨打彩铃IVR流程的接入码触发IVR业务逻辑。

7.根据权利要求5或6所述的方法，其特征在于，所述媒体服务器根据来自IVR业务逻辑通过业务控制点发送的指示准备放音具体包括：

IVR业务逻辑向业务控制点发送生成UI消息，指示业务控制点呼叫媒体服务器；业务控制点向媒体服务器发送邀请INVITE请求，呼叫媒体服务器；

媒体服务器收到邀请请求后，分配语音资源准备放音，完成后向业务控制点返回200OK消息；业务控制点收到200OK后向媒体服务器返回ACK消息；

业务控制点向交换机返回200OK消息，指示交换机连接到媒体服务器分配的语音资源上；交换机连接成功后向业务控制点返回ACK消息；

业务控制点通知IVR业务逻辑放音设备已经准备就绪，IVR业务逻辑通知媒体服务器放音。

8.根据权利要求7所述的方法，其特征在于，所述通知用户准备录入语音包括：

IVR业务逻辑向业务控制点发送SendUI消息，通知媒体服务器放音；

业务控制点将SendUI消息转换成INFO消息通知媒体服务器，媒体服务器开始向用户播放通知音；

媒体服务器通知业务控制点放音成功；业务控制点通知IVR业务逻辑放音已经成功。

9.根据权利要求8所述的方法，其特征在于，所述媒体服务器连接语音识别引擎之前，该方法还包括：

IVR业务逻辑向业务控制点发送SendUI消息，该消息中包括语音识别引擎的地址、语音识别使用的语法规则；

业务控制点将SendUI消息转换成INFO消息，并将相关的语音识别信息封装在INFO消息中，发送给媒体服务器；

所述媒体服务器根据INFO消息中的语音识别引擎地址、语法规则，连接语音识别引擎。

10.根据权利要求9所述的方法，其特征在于，所述媒体服务器通过业务控制点通知IVR业务逻辑语音识别结果具体为：

媒体服务器向业务控制点报告语音识别结果，业务控制点向IVR业务逻辑上报语音识别结果。

Images