CN102917000A - 智能云语音应用服务技术平台 - Google Patents

Abstract

本发明“新一代智能云语音应用服务技术平台”（简称：SCVP平台）是以自主研发的语音识别技术为核心，融合了NGN（下一代网络）、语音互联（VoiceXML）、Ctag（云标记语言）等技术，而研发的面向智能语音技术应用的系统平台。SCVP平台拥有多项技术创新，并拥有新一代、智能、以及有创新的云计算等特性，而各关键技术都处于一定程度的领先，其系统架构以及技术融合更是具有创新性。SCVP平台经中科院上海查新中心查新给出的结论，本项目具有新颖性，总体水平达到国内先进、国际领先。

Description

智能云语音应用服务技术平台

技术领域

本发明是基于云计算架构，以语音识别技术为核心，融合了NGN（下一代网络）、语音互联（Voice XML）、Ctag（云标记语言）、数据库等技术，面向智能语音技术应用的系统平台软件，属于电子信息系统应用软件技术领域。 

背景技术

电话产生虽然已经有一百多年的历史了，但电话与计算机集成（CTI）的语音技术的开始应用，也仅为近二三十年的事情，如IVR交互式语音应答、呼叫中心等。随着通信和互联网技术的发展，而基于按键的IVR语音已经不能完全满足社会日益发展的需求。语音（讲话）是最为方便、快捷、自然的人际交流手段，采用自然语音作为人与计算机交互的手段，使计算机能像人一样，具有听、说和理解的能力，是智能语音技术应用发展的基础。在其中所需的各种技术中，以语音识别技术最具挑战性，因而被国外众多媒体和专家评为21世纪前十年将对人类生活方式产生重大影响的十大科技进展之一。比尔·盖茨预测：“未来十年语音技术将成为主流。” 

语音识别技术在国外研究得比较早，美国早在50年代就已经开始研究语音识别技术，最早以国防部军方以国防应用为研究目的，后来发展主要以MIT、IBM、NUANCE等研究机构与企业为代表，拥有专业的研发团队和自主知识产权。语音识别技术相当复杂，包括了声学、语言学、数字信号处理、统计模式、概率论和信息论、发声机理和听觉机理、人工智能等多学科技术的一项综合性技术，研究所投入的人力、物力等非常大，所需时间相对也比较长。直到进入90年代，语音识别技术逐渐开始了商业应用，起初主要应用于电信、金融等行业，如美国电信运营商Sprint公司的语音助理、美洲银行的语音银行等，随着智能手机等移动终端和通信网络的发展，应用也开始越来越普遍。经过近二十年的发展，已经形成了一定规模的应用市场。

本发明“智能云语音应用服务技术平台”（简称：SCVP平台）是以自主研发的语音识别技术为核心，融合了NGN（下一代网络）、语音互联（Voice XML）、Ctag（云标记语言）等技术，而研发的面向智能语音技术应用的系统平台。SCVP平台拥有多项技术创新，并拥有新一代、智能、以及有创新的云计算等特性，而各关键技术都处于一定程度的领先，其系统架构以及技术融合更是具有创新性。SCVP平台经中科院上海查新中心查新给出的结论，本项目具有新颖性，总体水平达到国内先进、国际领先。 

发明内容

附图说明：图1是SCVP平台软件结构；图2 SCVP平台系统架构；图3是SCVP平台应用架构；图4是Ctag技术实现原理。 

SCVP平台的发明内容，主要包括以下几个方面： 

一、平台软件结构

SCVP平台软件结构创新，其设计原则如下：

1.SCVP平台在设计时，充分考虑了通信网络的发展趋势，除了具有智能网的设计思想外，更多的融合了NGN下一代通信网络的技术特点，完全符合通信发展的趋势，能够充分利用运营商的各种通信资源，方便快速灵活地开展各项语音增值业务；

2.SCVP平台作为先进的智能语音应用服务平台，平台融合了计算机技术、NGN软交换技术、语音识别与合成技术、网络通讯技术、数据库技术等，并采用了国际标准的VoiceXML作为业务逻辑控制，可实现包括NGN业务以及各种基于语音和通讯在内的各种增值业务的应用；

3.SCVP平台实现业务逻辑与呼叫控制相分离的系统架构设计，不仅有利于平台可集成多种业务，纯软件架构设计，同时也节省系统的投入和开发资源；

4.SCVP平台拥有良好的开放性与兼容性，支持H.323和SIP协议，可以直接与运营商的NGN软交换平台对接，也可以通过TGW与运营商的交换机E1线路联接；

5.SCVP采用国际标准的Voice XML语音标记扩展语言，作为业务控制流程，使建立各种业务，就像写网页一样方便快捷。另外，只要符合Voice XML标准的业务，均可以运行在SCVP上；

6.SCVP平台采用了云计算技术、自创了Ctag(Cloud Tag)标记语言，能让用户建立自己的应用服务端，开发各种应用，而能够避免云计算所带来的用户信息隐私及安全问题；

7.SCVP平台符合电信设计的技术规范要求，只要硬件稳定，就能够保证系统每天24小时不间断运行，而且不管业务的新增或修改，都不需要重启系统。

SCVP平台软件结构见图1所示。SCVP平台采用分层结构，从下至上分别为接入层、呼叫控制层、会话层、流程解析层和业务流程控制层，另外通过TCP/IP方式与各种外部服务或第三方产品保持通信。现分别介绍如下： 

1.接入层

接入层包括平台对接模块与终端用户接入模块，平台接入模块支持H.323协议和SIP协议；终端用户接入模块支持SIP类型的终端注册到SCVP平台上；

2.呼叫控制层

呼叫控制层实现呼入呼出、呼叫状态分析、电话转接、录放音、接收DTMF、转接坐席等各种与呼叫相关的功能，以及和计费服务器的通信和计费服务；

3.会话层

会话层主要实现用户与系统的对话过程，包括媒体处理、语音识别声音采样、文本合成媒体输出等功能，以及与语音识别服务、文本合成服务的接口和交互处理；

4.流程解析层

流程解析层主要实现Voice XML的流程脚本解析功能，根据来自业务流程控制层的业务请求，控制着用户的业务流程；

5.业务流程控制层

业务流程控制层接收来自应用服务器的业务请求，经过判断分析，将该业务请求交付给流程解析层处理；

6.外部接口模块

外部接口模块主要包括应用服务器（包括数据库服务器和Web服务器）、计费服务器、语音识别服务器、文本合成服务器、内容服务器、人工坐席、IP终端、管理和维护终端等。

  

二、SCVP平台系统架构

SCVP平台各服务之间采用一种分布式的架构，如图2所示：

1.软交换服务器

实现与运营商软交换或TGW通信互联；

2.呼叫管理服务器

主要实现呼叫管理及控制；

3.SCVP处理服务器

主要实现媒体处理、流程解析以及识别与合成客户端；

4.语音识别服务器

处理来自语音识别客户端的语音识别请求，并将识别结果返还给语音识别客户端；

5.文本合成服务器

处理来自文本合成客户端的文本合成请求，并将合成结果回复给文本合成客户端；

6.应用服务器

各种应用业务应用流程，可以与数据库等信息交互。

该系统架构主要创新点如下： 

1.云计算（分布式）结构

SCVP资源管理器在各服务器间进行载入均衡，从而保证硬件的利用效率。对CPU强度大的识别可以由非运行应用程序和音频接口的远程机器来执行；

2.高密度接口

SCVP客户端的少量处理从CPU密集型的服务器处理隔离，允许SCVP客户端有高密度的接口又能提高服务器端CPU的使用效率；

3.容错和可靠性

即使个别服务器失效，也不会使系统崩溃，甚至不会错过一个服务请求。当某一个服务器失效时，SCVP资源管理器自动停止向其发送请求，当服务器恢复时，自动开始向它发送请求；

4.维护方便

可以关闭一个SCVP服务器进行维修，而对整个系统的性能没有影响，或者影响很小。一些类型的维护甚至可以不关闭SCVP服务器进行；

5.可伸缩性

随着SCVP客户端请求的增加，可增加SCVP服务器和应用的实例，无须停止任何运行着的应用程序或关闭系统；

6.多渠道请求

系统支持来自互联网（TCP/IP和SIP协议）和电话网（固话和移动）等不同网络的识别服务请求。

  

 三、SCVP平台应用架构

SCVP平台的应用架构如图3所示：

上层：在SCVP平台上可开发的各种应用程序

中层：SCVP智能语音技术平台

下层：硬件设备、线路、网络等

终端用户：用户可通过普通电话、手机、智能移动终端、便携式电脑、个人电脑等终端设备，通过电话网或互联网接入SCVP平台来使用各种应用服务，可按需和自动服务，即付即用；用户也可以在企业内部或互联网上建立私有云，包括应用程序和数据库，可保障用户数据安全和私密性，同时亦给用户提供了更灵活的业务部署选择。

  

四、“Ctag”云标记语言

“Ctag”（Cloud Tag Languages）云标记语言，是SCVP平台面向应用的开发语言之一, “Ctag”符合可扩展标记语言规范，是本发明首次创新性的推出，希望能够成为云计算应用开发的行业标准之一。主要具有以下特点：

1.“Ctag”与“Voice XML”一起作为SCVP平台应用开发语言，能够让应用开发易于入手和更少的开发周期；

2.“Ctag”应用程序和数据也可以放置在互联网的任意节点上或云端（用户可创建轻量级私有云），能够为用户的应用部署提供多种选择，可解决目前云计算所面临的信息安全与用户资料保密等问题；

“Ctag”实现原理结构如图4所示。Ctag浏览器（Ctag Browser） 是整个平台的枢纽部分，负责流程文件的取得和解析，以及与其它服务的交互部分。Web Server Interface负责与Web Server 或应用服务器交互，根据配置参数和流程需要，取得相应流程文件（Ctag）。

 关键技术 

关键技术

SCVP平台的关键技术主要包括：

1.语音识别技术

我们所提供的产品和服务，基本上都应用到了语音识别技术，该技术是SCVP平台的核心基础，而语音识别技术的逐渐成熟，也使SCVP在智能语音技术领域，推出越来越多的应用与服务；

2.平台融合技术

再好的技术也要变成产品才能够提供给用户，一个产品往往涉及到多项技术，SCVP平台正是融合了包括语音识别技术在内的多项技术，打造出基于云计算的新一代智能应用服务平台，平台设计思想、整体架构、性能与稳定性、开放性、经济性等等方面，也都需要突破和提升的。

 技术路线 

技术总是不断在发展的，SCVP平台的技术路线，主要包括以下几个方面和发展阶段：

1.语音识别技术

  单纯识别-〉连续语音识别->模糊识别->自然语言理解->语意理解

2.应用平台

  单业务->多业务-〉分布式->云计算-〉超云计算

3.应用网络

  传统电话网-〉移动网-〉IP网络（互联网、移动互联网）-〉三网融合

4.用户终端

  普通话机-〉移动电话-〉IP电话-〉智能移动终端-〉电子终端 。

SCVP平台应用产品参考 

在SCVP平台可快速开发出各种基于智能语音的产品，并以服务的方式提供给用户。下面是列出部分产品，供参考：

1.语音搜索（简称：SVS）

SVS让用户通过各种终端（PC、电话、手机、IPAD等）以语音（讲话）的方式，查询所需的信息，而这些查询结果，或者以文字形式、或者文本信息合成为语音后播报给用户。SVS最大的特点是随时、随地，自然语音对话，可不依赖IP网络，方便、快捷。比如，用户在开车时，就可以说一句，“查询一下淮海路的粤菜馆”，系统就会检索信息并将查询结果语音播报给用户，甚至自动为用户电话转接至目标餐馆定位。相比目前的互联网搜索，SVS基本上可实现全部搜索功能。而且，SVS将重点定位于垂直搜索领域，可提供餐饮、道路、交通、定位、旅游等方面的精准搜索服务与扩展服务；

2.语音短信（简称：SVM）

SVM是用户在发送短信时，只需说出想要发送的内容，系统会自动识别用户的输入，并把用户的语音表达转换成相应的文字发送给对方。与传统文字短信相比，SVM更加方便、快捷，尤其在某种行动或视觉不便的环境下，如驾驶汽车，盲人等；

3.e时通（简称：SET）

SET主要实现电脑和电话的即时信息互动，可重点应用于电子商务服务等领域。例如，淘宝买家通过淘宝旺旺跟卖家沟通，可此时卖家并不在线。那怎么能够保持双方即时互动呢，SET就可以解决了，而且非常的方便。此时，卖家可通过电话，以语音方式和该买家即时聊天了，卖家的语音，经系统识别后转换成文字，发送给买方，而买方输入的文字，系统合成语音后播放给卖家，双方实现无缝即时聊天了。SET可为电子商务提高了服务保障和带来更多的商业机会，在其他通信、联络等方面都将有广泛的应用；

4语音支付（简称：SVP）

SVP能够让用户，通过语音验证的方式，实现实时在线支付等，具有非常高的安全性和便捷性。与指纹、瞳孔等生物特征的唯一性一样，人的声纹也是具有唯一性。我们在语音识别技术基础上，开发出了声纹验证技术，并结合支付技术等，推出的语音支付产品。用户只需讲几句话，就轻松实现了支付功能，方便、快捷，并安全性极高。SVP将是继移动支付后，又一个在支付领域的重大技术创新。

 总之，SCVP平台各项技术创新已经在市场应用中得到了良好的反馈，技术创新推动应用创新，而市场需求又推动着技术的不断发展，本发明今后还会陆续推出更多的创新，满足社会日益发展革新所带来的各种需求。 

Claims (6)

1.一种基于云计算的智能语音应用服务技术平台的软件结构，其特征是高效灵活的柔性处理机制。

2.一种基于云计算的智能语音应用服务技术平台的系统架构，其特征是在不影响平台运行时可任意进行系统维护、扩容、异常处理。

3.一种基于云计算的智能语音应用服务技术平台的应用架构，其特征是平台上各种应用端部署可以放置到互联网上的任意节点。

4.一种基于云计算的智能语音应用服务技术平台的“Ctag”云标记语言，其特征是开发应用程序如同写网页一样简单快捷，并具有高度安全性。

5.一种基于云计算的智能语音应用服务技术平台的容错与可靠性，其特征是即使个别服务器失效，也不会使系统崩溃，甚至不会错过一个服务请求。

6.一种基于云计算的智能语音应用服务技术平台的可伸缩性，其特征是随着SCVP客户端请求的增加，可增加SCVP服务器和应用的实例，无须停止任何运行着的应用程序。

Images