语音可扩展标记语言

语音可扩展标记语言，是一种XML应用程序，用于描述语音对话系统中的对话过程。 它专为电话应用而开发。 因此，在语言可扩展标记语言中开发的应用程序将在任何语言可扩展标记语言兼容的语言平台上运行。 由于类似于 HTML 网络浏览器，语言可扩展标记语言解释器也称为语音浏览器。

作为万维网上图形用户界面的扩展，通过自然语言将输入和输出选项包括到多模态用户界面，其他对话描述语言已经发展成为语言可扩展标记语言的补充或替代：

• SALT（语音应用语言标签）
• X+V（XHTML+语音）
• 网络语音API

用于将语音应用程序与万维网的内容和过程更紧密地联系起来。 X+V 结合了 XHTML 和语言可扩展标记语言元素来合并互联网和电话。

在早期的语音应用中，并没有应用和平台的分离。 对话过程被编程和编译，就像电话系统的接口一样“硬连线”。 这样做的好处是语言应用程序通常可以快速创建并可靠地运行，但表现出当今标准无法接受的刚性。 例如，如果要更改对话框，应用程序员必须深入源代码进行干预。

因此，在较新的语言应用程序中，应用程序已与平台分离，以便能够更轻松地维护对话。 用于描述这些应用程序的脚本语言或工具是（在某些情况下今天仍然是）专有的——即因供应商而异。

语音可扩展标记语言 2.0 是 W3C 的一项标准化工作，旨在对语音应用程序进行统一描述。 同时，它是一种界面语言，可用于应用程序与平台之间的通信。 该标准现已普及，并得到众多供应商的支持。

语言可扩展标记语言 3.0 的规范目前正在制定中。 此版本旨在对规范进行彻底的重新设计，以便能够用作开发电话以外的语音接口的特定领域语言。 向下兼容语言可扩展标记语言 2.1 应该通过一个特殊的配置文件来实现。

将语言可扩展标记语言与 HTML 进行比较，有许多相似之处。 和HTML一样，语言可扩展标记语言既是一种描述语言，也是一种接口标准：

• 您可以直接使用语言可扩展标记语言来编写语音应用程序代码，就像您可以直接使用 HTML 来编写用户界面代码一样。
• 您还可以使用专有工具定义应用程序并从中生成语言可扩展标记语言代码（动态或静态）。 这相当于使用文档管理系统来维护网站。 在这种情况下，语言可扩展标记语言在很大程度上被简化为它作为接口标准的属性。

然而，考虑到目前的技术水平，这个类比在一个重要的点上仍然存在不足：语言可扩展标记语言浏览器（作为平台的一部分）尚未直接位于最终客户的手机中，但通常（对于效率的原因），即使在与应用程序服务器相同的服务器机房中。 呼叫者和平台通过公共电话网络进行通信。 这意味着平台和应用程序使用哪种标准进行通信的问题对呼叫者来说并不重要，对运营商来说通常也不重要。

语言可扩展标记语言标准的功能是一种折衷。 这意味着所需的功能可能不受支持或可能仅在更高版本中受支持。 然而，在这种情况下，语言可扩展标记语言可以通过专有添加进行扩展。 虽然这在一定程度上削弱了上述优势，但它仍然比将整个系统置于专有脚本之上更实用。

语言可扩展标记语言作为一种用于应用程序开发的脚本语言，它基于这样一个基本概念，即人与机器之间的对话可以使用明确预定义的流程图进行形式化。 在这个概念中，调用者通过预定义的对话流“导航”，通常甚至使用明确的导航命令，如“后退”和“主菜单”。

语言可扩展标记语言中有一些结构在对话流中导航时给予调用者一定的自由； 但是，随着对话流中自由度的增加，开发应用程序的成本会急剧增加。 引入所谓的对话管理器，它根据对话历史动态确定系统反应，已被证明对实现此类对话很有用。 这样的对话管理器可用于动态生成语言可扩展标记语言文档作为语言平台的接口。

语言可扩展标记语言目前仅在一定程度上支持多模式应用程序——即语言和图形输出的组合。 然而，有建立基于多媒体的对话描述语言的趋势。SALT 语言提供了另一种方法，它旨在作为 HTML 的扩展，但使用不同于语言可扩展标记语言的专有方法来实现语言功能。 然而，到目前为止，这些技术解决方案仍然存在主要问题，即没有令人信服的用例可供实际使用。