CN1168264C - 电话语音交互的信息服务系统及方法 - Google Patents

Abstract

一种电话语音交互的信息服务系统及方法，包括城市节点，城市节点包括：业务控制、业务数据、接入与交换、业务管理、远程通信、语音识别服务及语音合成服务等模块；各模块通过计算机网络连接；本方法步骤为：用户通过电话网接入服务器端；用户的语音信号经接入与交换模块接收，并经语音识别服务模块识别业务类别及所在地；目的城市节点的服务器端，经业务控制模块进入业务的流程，用户可与系统交互。本发明可完全实现用户和系统通过语言交流的远程信息服务。

Description

电话语音交互的信息服务系统及方法

本发明涉及电话信息服务技术，特别是一种电话语音交互的信息服务系统及方法。

现有的电话信息服务技术，如图1所示，其为以自动信息服务台168为代表的声信服务系统的示意图。其典型特征是使用信息查询的代码检索和信息内容的录音存储。该类系统一般由用户电话、电话网、城市节点三部分组成。城市节点主要包括：接入与交换模块、业务管理模块、语音文件库模块及数据库模块；用户查询信息时，以用户电话的数字键输入固定的信息代码，信息代码通过电话网传送至城市节点，城市节点的接入与交换模块接收到信息代码，检索出与该信息代码对应的录音文件，并通过语音卡播放该录音文件，语音信号通过电话网传送到用户电话，用户听到信息内容。该类系统具有如下特征：

以用户电话为信息查询终端，以按电话机上的数字键的方式提出查询要求；

用户提出查询要求时，通过电话网由用户电话端向城市节点传送的是表示0-9的双音多频(DTMF)信号；

信息的存储是以录音方式，存储的内容是录音文件；

各个城市的声信系统各自孤立运行，系统之间不互联，数据不共享。

自动信息服务台168为代表的传统声信服务系统存在如下不足：

信息查询要求以数字代码方式提出，要求用户记忆信息代码或随身携带代码本。但是，声信服务的内容庞杂，每条内容对应一个数字代码，要求用户记忆代码几乎不可能。同时，由于用户使用声信服务的随机性很大，随身携带代码本的可能性也很小。缺乏一个响应用户查询要求的便捷方法是阻碍传统声信系统迅速发展的主要瓶颈之一；

信息存储以录音方式，信息内容的任何更新都得经过录音、编辑、替换等过程，信息内容无法具备实时性，这是阻碍传统声信系统迅速发展的主要瓶颈之二；

城市节点需要存储巨量的录音文件，要求城市节点存储量巨大。巨量的语音数据同时需要由复杂的大型数据库进行管理，造成系统投资居高不下。一个中等城市传统声信服务系统的投资一般都在近千万元人民币。同时，随着每条信息的更新都必须进行录音、替换，系统维护成本也居高不下。

各自孤立的系统造成大量的重复投资。同时，各自孤立的系统更制约了信息源的迅速丰富，这是阻碍传统声信系统迅速发展的主要瓶颈之三。

本发明的目的在于提供一种可使用电话语音交互的信息服务系统，称之为“电话因特”。

本发明的另一目的在于提供一种可使用电话语音交互的信息服务方法。

利用本发明的系统及方法可使人们能够利用电话机(包括手机)或传真机等简易终端，通过语音(辅以少量按键)实现信息的获取与发送的信息服务。

为达到上述目的，本发明采取如下措施：

本发明的一种电话语音交互的信息服务系统，包括城市节点，城市节点包括：业务控制模块、业务数据模块、接入与交换模块、业务管理模块；各个模块通过一计算机网络相连接；

其特征在于：城市节点还包括与计算机网络连接的远程通信模块。

其中：所述城市节点还包括与计算机网络连接的语音识别服务模块；

语音识别服务模块对电话语音信号进行自动增益控制处理、自适应噪声滤除及声学模式识别处理。

其中：所述城市节点还包括：与计算机网络连接的语音合成服务模块；

语音合成模块提供从文本到语音的转换，经语法分析词汇分割、基音选择与拼接，以及口腔发音模拟，合成语音信号。

其中：所述城市节点还包括与计算机网络连接的语音合成服务模块；

语音合成模块提供从文本到语音的转换，经语法分析词汇分割、基音选择与拼接，以及口腔发音模拟，合成语音信号。

本发明的另一种电话语音交互的信息服务系统，包括城市节点，城市节点包括：业务控制模块、业务数据模块、接入与交换模块、业务管理模块；各个模块通过一局域网相连接；

其特征在于：还包括各城市节点间的网络连接。

其中：所述城市节点还包括与所述局域网连接的远程通信模块。

其中：所述城市节点还包括与局域网连接的www服务模块。

其中：所述城市节点还包括与局域网相连接的语音识别服务模块。

其中：所述城市节点还包括：与局域网相连接的语音合成服务模块。

其中：所述各城市节点间的网络连接符合TCP/IP协议。

其中：所述各城市节点间的网络连接为IP网络。

本发明的一种电话语音交互的信息服务方法，包括如下步骤：

a、用户通过终端设备，拨特服号，通过电话网与接入中继接入城市节点；

b、用户口述业务名称的语音信号经接入与交换模块接收，并经语音识别服务模块识别业务类别，确定业务类别及其所在地；若不在本地；

c、经远程通信模块及广域网转发至目的城市节点；

d、目的城市的城市节点，经语音识别服务模块识别出业务名称后，经业务控制模块进入该项业务的业务流程；

e、用户进一步与系统交互。

其中：所述步骤b中，经语音识别服务模块识别出业务类别在本地；进行如下步骤：

经业务控制模块进入相应业务的业务流程，用户进一步与系统交互。

其中：如果查询结果(包括接收的Email)为文本格式，则进行以下步骤：语音合成服务模块将文本内容转换成语音信号，最后通过接入与交换模块输出语音信号。

其中：所述步骤b中，系统可以录取用户通过电话话筒口述的邮件内容，并存为某种语音格式，作为电子邮件的内容发送出去。

结合附图及实施例对本发明的具体结构特征及方法特征详细说明如下：

附图简要说明：

图1：现有的自动信息服务台系统中城市节点的电路方框图；

图2：本发明中的城市节点的电路方框图；

图3：本发明的联网示意图；

图4：本发明城市节点中的电话语音识别的流程图；

图5：本发明城市节点中的电话语音合成的流程图。

图6：本发明方法的流程示意图。

本发明的电话语音交互的信息服务系统包括两大部分：各城市节点(见图2)和联网方案(见图3)；如图2所示，城市节点主要由业务控制模块1、业务数据模块2、接入与交换模块3、语音识别服务模块4、语音合成服务模块5、业务管理模块6、www服务模块7、远程通信模块8组成；在逻辑上，各个模块各司其职、协同工作；从结构上，各个模块可以一并运行在一台机器上，也可以运行在两台或多台机器上，这些机器通过局域网9相连接。为了便于完整体现城市节点的工作过程，图2中还包括了用户电话(或手机)10、用户传真机11、外部自动台12、外部人工台13、电话网14和接入中继15。

不同的业务有不同的业务流程，如企业信息查询业务与语音Email业务的业务流程就相差甚远，业务控制模块1上加载着所有业务的业务流程，业务流程通常会有分支，业务控制模块1根据接入与交换模块3上报的事件(如用户发了某条语音命令，或按了某号键)，决定下一步的动作，例如是播放提示音，还是接输入用户的输入信号，还是查询数据库等。业务控制模块1支持业务的动态加载、卸载，而不影响其他业务的运行。

业务数据模块2存放着城市节点的各种数据，包括业务数据、用户数据和计费数据等，业务数据模块2支持大规模并发访问，并且具有实时备份机制。

接入与交换模块3可以看成是计算机与语音/传真卡组合而成的功能强大的交换机，主要功能如下：

通过语音/传真卡连接中继线，具有信令处理能力。

能识别主叫号码、识别用户按键、调用语音识别服务模块4识别用户语音命令、检测呼叫事件，并上报给业务控制模块1。

能够按照业务控制模块1的指令，控制呼叫进程。

能够主动呼出或者转移呼叫到外部自动台12或外部人工台13等。

语音识别服务模块4能够根据电话语音从一系列候选命令列表中识别用户发出的是哪一个语音命令，实现了电话用户输入方式从按键到语音输入的革命。其流程示意图见图4，首先，电话语音信号经自动增益控制处理后，再经自适应噪声滤除，最后利用声学模式识别。

语音合成模块5提供从文本到语音的转换，突破了信息预录音的限制，使实时动态以及海量信息的查询成为可能，语音合成模块在智能网中属于智能外设的范畴。其流程示意图如图5所示，文本经语法分析词汇分割，再经基音选择与拼接，最后，经口腔发音模拟，合成语音。

业务管理模块6用以创建、加载、卸载业务，监测业务运行情况，管理统计各种业务数据、用户数据和计费数据。

WWW服务模块7使用户也可以通过Web浏览器查询城市节点业务数据模块2中的信息，同时也使业务数据模块2中的信息可以被其他城市节点在业务流程中查询。

远程通信模块8是城市节点通往外部信息源(包括Internet上的站点)以及其他城市节点的桥梁，同时包含了防火墙、路由器等功能。

城市节点之间、城市节点与信息源均通过TCP/IP协议互联，从物理上，可以通过ChinaNet、ChinaGBN等公网连接，也可以通过专线连接。这样，所有的信息以分布式存放在各城市节点和信息源，但又充分共享，共同组成一个庞大的分布式信息库。对于一些常用的信息可以在各城市节点作一镜像拷贝，以一定的冗余存储换取访问速度的提高。

如图6所示，总工作流程包括如下步骤：步骤601：用户通过电话机(或手机)10、传真机11等终端设备，拨特服号(全国统一号码，如：17999)通过电话网14与接入中继15接入系统；再进行步骤602：系统通过语音卡播放欢迎词；进行步骤603：用户口述业务名称(如“股票行情”)；进行步骤604：经语音识别服务模块4识别出业务名称；进行步骤605：业务控制模块1判断业务所在地，如该业务所在地不是本地；进行步骤606：转接到业务所在城市节点，同时传递了统一业务编号；进行步骤607：按业务流程继续与用户交互，如提示用户口述企业名称语音识别服务模块识别出用户口述的企业名称后，提取企业信息，经语音合成服务模块5合成，并播放给用户；如该业务所在地是本地，也进行步骤607。

在步骤607，利用本系统，用户可以进一步通过语音命令或者按键与系统交互，针对不同的业务或者根据用户的输入查询本节点业务数据模块2，或者通过远程通信模块8查询甚至修改远程信息源，或者发送信息(如Email)给远程对象。对于查询信息的情况，如果查询结果为文本格式，语音合成服务模块5能将结果文本转换成清晰自然的语音，最后通过接入与交换模块3播放给用户听；如果用户终端为传真机11，系统也能够将文本和图形传真给用户。一些业务会将用户的呼叫通过接入与交换模块3转移到外部自动台12(如民航的电话查询系统)或外部人工台13(如电话门诊热线)，以充分利用现有资源和拓展服务范围。

目前可开通的服务包括：实时股票行情、个人通信本、语音邮件、全国工商企业查询、航班查询、部分商品行情等。

以下结合实施例说明本发明各服务项目的具体工作流程：

1、用户查询实时股票行情

用户通过电话机10，拨特服号，通过电话网14与接入中继15接入系统，用户口述业务名称“股票行情”，语音识别服务模块4识别出业务名称“股票行情”后，经业务控制模块1进入该项业务的业务流程，这时，用户可以口述股票名称，语音识别服务模块4识别出股票名称后，经业务数据模块得到最新行情，经语音合成服务模块将最新行情数据合成为语音，经接入与交换模块播放给用户。

2、个人通信本

用户通过电话机10，拨通系统特服号，通过电话网14与接入中继15接入系统，口述“通信本”，语音识别服务模块4识别出业务名称“通信本“，系统提示：“请输入帐号”，用户输入账号后，系统调出其个人通信本，提示：“请问您找谁”，用户答：“某某某”，语音识别服务模块4识别出联系人姓名后，经业务数据模块得到其电话号码，经语音合成服务模块合成为语音，经接入与交换模块播放：“某某某，电话号码：******，请问接通还是重选？”，如用户口述“接通”，接入与交换模块替用户转接到该号码。

3、发送语音邮件

用户拨通系统特服号，通过电话网14与接入中继15接入系统，说：“发邮件”，语音识别服务模块4识别出业务名称之后，系统问：“发送给谁？”，用户答：“某某某”，系统提示：“请口述邮件内容”，用户即可开始口述邮件内容，口述完毕按一个键，系统录下用户口述的邮件内容，并存为某种语音格式(如ADPCM格式)，作为Email的内容发送出去。

4、接收语音邮件

用户拨通系统特服号，通过电话网14与接入中继15接入系统，说：“收邮件”，语音识别服务模块4识别出业务名称之后，系统从用户设定的邮件服务器上接收邮件，如邮件内容为文本，则通过语音合成服务模块合成为语音播放给用户听，如邮件内容为某种格式的语音，则转换为语音卡可以播放的格式后播放给用户。

与现有技术相比，本发明具有如下效果：

由于本发明在各城市节点中设置了语音识别服务模块及语音合成服务模块，本发明可完全实现人和系统通过自然语言交流，实现远程信息检索。

不同年龄、不同性别的用户在不同地方、使用不同的话机拨通同一个特服号码(如：17999)均可用自然语言实现与系统的对话；

一般使用条件下，系统的一次识别率可在90％以上，二次识别率达98％；

用户发出检索要求到听到检索结果的时间为1～3秒；

语音合成的自然度、清晰度为4分(5分为播音员水平)；

综上所述，本发明创造了一种人与系统通过自然语言交流实现信息查询的方法，本系统实现了以下突破：

1、用户以自然语言取代数字代码提出查询需求，突破了传统技术使用不便的制约瓶颈；

2、信息以文本形式存储，以语音合成技术实现文本到语音的实时转换，实现了信息更新的实时响应；

3、以文本形式存储的信息文件占用硬盘资源不到录音文件的1％。同时，语音合成技术自动实现了信息由文本到语音的转换，省去了庞杂的录音、剪辑、替换过程，大幅降低了系统的维护成本。

4、以TCP/IP协议实现各城市节点的全国联网，以分布式信息库形式实现各信息源的共享。该结构保证了大量优质的信息源可以以外挂形式由全国的系统共享。声信领域属于信息服务领域，信息服务领域成功的关键是信息源的丰富和实用，全国联网、信息源外挂并由各自专业的信息源供应商负责维护还保障了信息源的准确和实时。

Claims (8)

1、一种电话语音交互的信息服务系统，包括：

电话终端(10)，输入用于浏览信息的语音指令并接收反馈信息；

语音服务器(1，3，4，5，7)，包括：

接入与交换模块(3)，作为到电话终端接口，具有信令处理和

进程控制能力；

语音识别模块(4)，用于识别输入的语音信息；

语音合成模块(5)，用于将文本信息合成语音信息；

业务控制模块(1)，用于根据接收入交换模块的输出事件而决

定下一个进程；

业务数据模块(2)，包括通过因特网与语音服务器连接的位于世界各地的WEB应用服务器；

其特征在于，所述的语音服务器进一步包括一个WWW服务模块

(7)，其响应业务控制模块(1)的输出而控制接入因特网，以便浏览

与用户输入的语音信息指令相对应的WEB应用服务器并从中获取

用户所需要的信息，并且在业务控制模块的控制下将信息输出给业务接入与交换模块。

2、如权利要求1的信息服务系统，其中

如果从WWW服务模块传送的信息不是语音格式，将该信息提供给语音合成模块经语音合成后提供给电话终端。

3、如权利要求1所述的系统，其中所述期望获取的信息是电子邮件信息。

4、一种语音浏览因特网的方法，包括：

(a)用户通过电话终端拨电话号码进入语音服务器；

(b)用户发出语音浏览某一信息的指令；

(c)语音服务器识别用户指令，并作为响应，通过其内部的WWW服务模块控制进入因特网的相应WWW网址；

(d)WWW服务模块浏览该WWW网址并获取所需信息；

(e)如果所需信息为语音格式，则直接将该信息提供给电话终端的用户；

(f)否则，交互服务器将所需信息合成为语音信息并提供给电话终端。

5、如权利要求4所述方法，其中所述的信息是一电子邮件内容。

6、一种语音发送电子邮件的方法，包括：

(a)用户通过电话终端拨电话号码接入语音服务器；

(b)用户口述电子邮件的内容并给出接收方的电子邮件地址；

(c)交互服务器执行语音识别处理，将语音形式的电子邮件地址转换成符合通信协议的电子邮件地址；

(d)交互服务器按照该邮件地址将语音形式的电子邮件发送出。

7、如权利要求6所述的方法，其中所述的步骤(c)进一步包括下列步骤：

交互服务器将用户口述的电子邮件内容转换成为文本形式；以及

在所述步骤(d)，交互服务器按照邮件地址将文本形式的电子邮件发送出去。

8、一种语音接收电子邮件的方法，包括：

(a)用户通过电话终端拨电话号码接入语音服务器；

(b)用户给出接收邮件的语音命令；

(c)交互服务器执行语音识别处理判断用户所要求的的业务类别，当识别为接收邮件后，从事先设定的邮件服务器上接收邮件；

(d)语音服务器判断接收的邮件内容，如果为文本格式，则将该文本合成为语音格式，并提供给用户的电话终端；如果为语音格式，则直接提供给电话终端。

Images