语音技术应用的变迁历程

命题作文：语音技术，应用的变迁

 

注：这篇小文章是东进公司兰经理给出的命题作文，希望我在东进公司主办的本月16日语音技术沙龙中进行演讲。不过在实际的演讲中我只是给东进公司提了几点意见，没有按这个来照本宣科。

语音技术在国内已经发展了十多年了，技术上发展相当迅速。

第一部分：行业回顾

一、萌芽阶段

1.证券电话委托系统

92、93年我们国家开始设立两大证券交易所，因为挣钱效应，开户炒股的股民非常多，交易通道变成问题。

早期以模拟线路，模拟卡为主。

很多相关供应商在证券大潮中兴起壮大，做硬件的如深圳东进公司，杭州三汇公司。做软件的如深圳的金证，杭州恒生等等，目前都是上市公司了。

当然，现在的证券电话委托市场已经很饱和了，一来整个证券市场不景气，好多年都是大熊市，业务萎缩，而且趋向大集中（银行业也是如此），二来交易通道已经不是问题，现在网上交易，手机交易，都十分方便，电话委托只是众多交易手段的一种了。此外，原来基于散户交易为主的模式也发生一些变化，如基于经纪人制度的委托理财，单大而笔数少，一般在电脑上自助完成。所以证券电话委托慢慢就变得没有太大的市场了。

不过证券业毕竟造就了像东进公司这样的行业巨头，功不可没。我本人也是从做证券软件开始的。

2.传呼台

传呼台可以认为是最早期的电信增值业务。其实是个呼叫中心。

这个行业用语音卡的不太多，大部分是在电脑上插一块来电显示卡，和软件有个接口。

不过他们是最早大量使用E1数字线路。

可惜这个行业很短暂，因为手机的兴起，传呼业务迅速萎缩甚至消亡，很多公司转型，转做呼叫中心运营或声讯服务。

二、燎原阶段

3.行业应用，以呼叫中心为主

服务业的客户服务，一般需要人工参与，为了提高客户体验，以呼叫中心技术和CRM相结合。

当然，也很多自动服务，也需要和呼叫中心相结合。如银行，自来水，电力等各行业，IVR的作用相当明显。

也出现专门的呼叫中心运营商，外包座席，承揽外呼营销业务等等。

4.电信应用，以增值IVR业务为主

电信业是IT应用最大的行业，是个IT基础行业。早期只有中国电信和中国移动垄断经营的时候，他们总是采购和使用海外的昂贵设备和先进技术，比如早先他们就只使用美国的Dialogic语音卡。

随着垄断的打破和增值业务的发展，产生了很多对语音技术的需求。

基础运营商也发展了很多增值服务商，让他们投资参与电信增值业务的开拓和运营。

如，彩铃，彩话，电话QQ，IVR等等。

这些业务的特点的大容量，以自动服务为主，内容丰富，追求互动性和娱乐性。

三、当下的世界

5.危机与机遇并存

经营电信增值业务的SP受到整顿，处于观望甚至收缩阶段。

也可以认为电信基础运营商回收某些业务，所以电信基础运营商的投资会扩大。如，基于信令监测的漏话回呼等等。

行业市场会持续扩大，主要是社会的服务意识增强了，而且构建企业的呼叫中心成本大大地降低了。

原来构建呼叫中心通常要使用进口的交换机（排队机），造价动辄几十万、上百万。主要是看中交换机的大容量和稳定性，其实稳定性还和软件有关系，这是题外话。现在基于板卡的呼叫中心也非常稳定了，而且也可以做到很大的容量。

而且用板卡构建的呼叫中心，软件系统可以做的很灵活，更加能够适应各行业的特点。

第二部分：技术的展望

从软件开发者的角度谈谈语音技术的发展。

系统上，基于IP的语音技术和传统语音技术相互融合。随着互联网宽带技术的发展，基于Voip技术的软交换已经被大量使用了。大方向是这样，但这个发展也有很多可能的路径，如可能由基础运营商来提供所谓的NGN(下一代网络Next Generation Network)，但如同叫了很多年的3G，不知道猴年马月才能实现。所以现实的方式，是尽快在自己的系统中提供Voip的功能，如在IVR中实现Voip的接入，呼叫能够分配到远程座席等等。

相关的技术，TTS(文本转语音Text-to-Speech)和ASR(自动语音识别Automatic Speech Recognition)可能会有更多的应用。

语音卡制造：更大容量的数字卡、座席卡，IP卡，更方便的开发接口。

软件上，中间件技术将会被大量采用。因为我是做这一块的，所以多讲两句，发挥一下。

最早大家都是用语音卡厂家提供的底层API来编程，最大的问题是编程复杂，而且业务代码和底层代码混合在一起，很难调试，很难维护。而且语音卡是多路并发的系统，一般要采用状态机方式进行编程，实现起来更加困难。

所以中间件出现了，这些中间件也叫语音平台。他们屏蔽了底层硬件的差异，开发变得简单。

目前的中间件有很多不同的模式，也有不同的实现，可以说是百花齐放。我也写过一些文章，阐述这些实现的差异。简单说来有下面几种，一是图形拖拉界面的，一是纯脚本方式。通常图形拖拉界面也是生成脚本，大部分是生成节点描述文件，如XML生成的节点描述文件。

我个人倾向于基于高级语言的脚本语言，因为这样的语言才能解决语音流程的复杂性。

当然，现在流程描述也有个VoiceXML标准，但我认为还不是特别完善，存在很多各厂家的私有部分，而且我觉得效率不是很高，看起来也不是那么直观，毕竟XML是描述内容而不是流程的。

语音平台中间件的市场很难讲，和环境有关系。集成商一般希望能够控制源代码，不太愿意花钱买中间件。而且集成商做了几个项目以后，往往会抽象出一个中间层，觉得使用这个中间层也不错，其实和真正商品化的中间件比较起来，功能和性能还是很单保

中间件的大规模应用还是在电信增值业务市场，因为他们竞争很激烈，需要快速推出新流程、新业务，而且他们的应用规模都比较大，很多都是单机8E1，16E1，对软件的功能和可靠性要求比较高，自己养一个高手来写底层代码，一是养不起，而是不值得。所以他们大量采用电信增值业务的语音平台中间件。不过最近的整顿使他们受到很大影响，而且最近似乎又没有什么热点应用。

很多是采用合作投入的方式来做，很多设备提供商，系统提供商采用设备入股的方式参与运营。

行业市场因为单机容量少，单子也小，如果买中间件可能集成商就很难挣钱。

往往在行业市场自行从底层开发的居多。

但这也影响产品推出的进度和开发出来的产品质量，往往产品功能单一，问题多多，不稳定，也很难维护。不过行业市场可能是发展的热点，尤其是中小规模的服务业。

影响选购中间件的原因还有，懂技术的没权，有权的不懂技术，技术人员提出购买中间件来做这个系统，老板会怀疑你水平不行。所以技术人员不敢提，只好硬着头皮从底层开始做。

其实采用中间件还是省钱的，可以从根本上降低总体成本。

第三部分：对东进公司的几点建议：

 

1. 希望专注于硬件和开发接口，就不要抢我们这些软件开发商的饭碗了；东进公司即将推出的“超媒体交换机”，我在上个月去参观过，没有提供API接口，只是提供了图形拖拉界面的接口，那我们这些中间件厂商怎么驱动这个“超媒体交换机”？据说东进公司开发组已经在着手增加这个API层，我认为是个好事。上下游产业链的建设是很重要的。

2. 完善接口和文档，接口太纷乱复杂，不一致。CHM文档很差；东进板卡最大的问题就是接口缺少兼容性，这似乎很难在短时间内改变过来，可以做的就是把文档做好。

3. 提高客户服务水平；这个我已经写过几篇小文章了。

4. 多搞几次这样的沙龙，建立强大的开发者社区。