Keyword: Estándares para desarrollo de Servicios de valor agregado en empresas de Telecomunicaciones e Internet.

Transcripción

1 Implementación de Sistemas de Respuesta de Voz Interactiva bajo un Estándar de VOICEXML Rodolfo Francisco Rosas Escobar, Escuela de Ingeniería Civil en Informática, General Lagos RESUMEN. Hoy en día los medios de transferencia de información van mas allá del uso cotidiano del teléfono y la Internet, VOICEXML (Voice Extensible Markup Language) ofrece una ventana de posibilidades para la implementación a alto nivel de sistemas de telefonía o servicios sobre Internet. ABSTRACT. Today information transfer go beyond of the daily use of the telephone and the Internet, VOICEXML (Voice Extensible Markup Language) offers a window of possibilities for the implementation to high level of telephony systems or services on Internet. Keyword: Estándares para desarrollo de Servicios de valor agregado en empresas de Telecomunicaciones e Internet. 1 INTRODUCCIÓN. El desarrollo de aplicaciones, especialmente las relacionadas con servicios de respuesta de voz interactiva, en la actualidad no están normados, la mayoría de los fabricantes o proveedores de tecnología ofrecen suites de herramientas propietarias; de esta forma el desarrollo de nuevos servicios es determinado por la capacidad de las herramientas utilizadas, y en la mayoría de los casos la portabilidad de las aplicaciones o servicios no existe. Debido a la necesidad de establecer estándares para el desarrollo a alto nivel hoy en día se esta potenciando VOICEXML, el cual permite desarrollar nuevos servicios para múltiples plataformas independientes de proveedor. VOICEXML significa Voice Extensible Markup Language (Lenguaje de Marcado Extensible de la Voz), VOICEXML es un lenguaje de programación estándar usado para crear aplicaciones y servicios accesibles sobre cualquier teléfono o aplicación web. VOICEXML esta siendo usado hoy en día para el desarrollo de una gran variedad de diferentes aplicaciones incluyendo aplicaciones de voz sobre intranets, centros de contacto, servicios de notificación y portales de voz por mencionar algunos. [6] Los objetivos iniciales de VOICEXML, eran proveer una herramienta que nos permita crear diálogos de audio que ofrezcan un discurso sintetizado, conversión de audio a digital, reconocimiento de diálogos y DTMF (Digital Tone Multi Frecuency 1 ) como claves de entrada, grabación de diálogos de entrada, telefonía. La variedad de posibilidades de aplicación es muy extensa y no compleja debido a que VOICEXML es un derivado de XML (Lenguaje de Marcado Extensible) que es el formato estándar para definir estructuras de documentos y datos sobre el Web. XML habilita a los programadores a definir un vocabulario arbitrario, formalmente conocido como esquema usando un estándar, definiciones claras, y una sintaxis fácil de analizar [13]; [12] 1 Digital Tone Multi Frecuency, corresponde a los tonos generados por un aparato telefónico estándar al presionar alguna de sus teclas, la frecuencia de cada tono indica a que digito corresponde (0 9, *, #).

2 1.1 Arquitectura de VOICEXML. A continuación se muestra la arquitectura provista por VOICEXML. Figura 1. Modelo VOICEXML [13] Un servidor de documentos procesa peticiones desde una aplicación cliente (Intérprete de VOICEXML) a través del intérprete de contexto de VOICEXML. El servidor produce documentos VOICEXML en respuesta, los cuales son procesados por el intérprete de VOICEXML. El intérprete de contexto de VOICEXML puede monitorear las entradas de usuario en paralelo con el intérprete de VOICEXML. [ 13] La implementación de una plataforma es controlada por el intérprete de contexto de VOICEXML y por el intérprete de VOICEXML. Por ejemplo: en una aplicación de respuesta de voz interactiva, el interprete de contexto de VOICEXML puede ser el responsable de detectar una llamada entrante, adquiriendo el documento inicial de VOICEXML y responder la llamada, mientras el interprete de VOICEXML conduce el dialogo después de contestar. La implementación de plataformas genera eventos en respuesta por acciones de los usuarios (por Ej. Una palabra o carácter recibido de entrada, desconexión, etc.) y sistemas de eventos (por Ej. Expiración del tiempo). Algunos de estos eventos actúan sobre el intérprete de VOICEXML mismo, como especificación del documento de VOICEXML, mientras otros actúan sobre el intérprete de contexto de VOICEXML. [13] Actualmente no se cuenta con información de desarrollos VOICEXML en Chile. Ya existen varias empresas que proveen soporte VOICEXML, entre las que se destacan: Nuance, Lucent, ATT, Motorota, IBM. 1.2 Alcances de VOICEXML El lenguaje describe la interacción humano-maquina entregada por sistemas de respuesta de voz lo que incluye: Salida de diálogos Sintetizados(text -to-speech). Salida de archivos de audio. Reconocimiento de entradas habladas. Reconocimiento de entradas DTMF. Grabación de entradas habladas. Control de flujo de diálogos. Los rasgos de telefonía tales como llamar, transferir y desconectar. EL lenguaje provee medios para recolectar caracteres y/o entradas habladas, asignando al documento de entrada peticiones de variables definidas, y tomando decisiones que afectan la interpretación de documentos escritas en el idioma. Un documento puede unirse a otros documentos a través de los identificadores del Recurso Universales (URIs). [6] Principios de Diseño. VOICEXML es una aplicación de XML. El lenguaje entrega portabilidad de servicios a través de la abstracción de recursos sobre tipos de plataformas. El idioma acomoda la diversidad de la plataforma en los formatos del archivo audio soportados, formatos de gramática hablada, y esquemas URI.

3 Mientras los productores de plataformas pueden soportar varios formatos de gramáticas el lenguaje requiere un formato de gramática común llamado Forma XML de W3C formato de reconocimiento de gramática hablada, facilita la interoperabilidad. Similarmente, mientras varios formatos de audio para escuchar y grabar pueden ser soportados, el formato de audio descrito en el apéndice E [14]debe ser soportado. El lenguaje soporta fácilmente la autoría para tipos comunes de interacciones. EL lenguaje a sido definido bien semánticamente preservando el intento del autor por mantener el comportamiento de las interacciones con el usuario. Las heurísticas del cliente no son necesarias para determinar la interpretación de los elementos del documento. El lenguaje posee un mecanismo de control de flujo. El lenguaje habilita la separación de un servicio lógico de un comportamiento interactivo. No esta pensado para un trabajo computacional extensivo, operaciones con bases de datos, o legar operaciones al sistema. Este asume que puede ser manejado por recursos fuera del interprete de documentos, es decir el servidor de documentos. Lógica de servicio general, administración de estados, generación de diálogos, y secuencias de diálogos son asumidas para residir fuera del interprete de documentos. El lenguaje entrega caminos para enlazar documentos usando URIs, y también enviar datos a l servidor de scripts usando URIs. VOICEXML entrega vías para identificar exactamente que dato enviar al servidor, y cual método HTTP (get o post) usar para el envió. El lenguaje no requiere que los autores del documento especifiquen lo recursos de dialogo asignados o no asignados, o por concurrencia. La localización de recursos e hilos de control pueden ser manejados por la implementación de plataformas. 1.3 Requisitos de la plataforma. Esta sección perfila los requisitos en las plataformas del hardware / software que apoyarán a un intérprete de VOICEXML. Adquisición de Documentos. Se espera que el interprete de contexto adquiera documentos para que el interprete de VOICEXML actúe. EL protocolo URI de http debe ser soportado. En algunos casos, el documento requerido es generado por la interpretación de documentos de VOICEXML, mientras otras peticiones son generadas por el interprete de contexto en respuesta a los eventos fuera del alcance del lenguaje, por ejemplo una llamada entrante. Cuando los emisores de petición de documentos son vía http, e interprete de contexto se identifica a si mismo como "User-Agent" variable de encabezado con el valor "<name>/<version>", por ejemplo, "acmebrowser/1.2" Salida de Audio. La implementación de la plataforma debe soportar salida de audio usando archivos y text -to-speech (TTS). La plataforma debe ser capaz de hacer secuencias libremente TTS y salidas en formato audio. Los archivos de audio son referidos por una URL. El lenguaje especifica los requerimientos de formatos de archivos de que serán soportados (ver apéndice E) formatos de archivos de audio adicionales también pueden ser soportados Entrada de Audio. La implementación de la plataforma es requerida para detectar y reportar caracteres y/o entradas habladas simultáneamente y el control de la detección de la duración del intervalo de entrada con un cronómetro cuya longitud es especificada por un documento de VOICEXML. En la mayoría de los reportes por caracteres (por ejemplo, DTMF) ingresados por el usuario. Las Plataformas deberían soportar el formato de gramática descrito en Forma XML de W3C formato de reconocimiento de gramática hablada. También debería soportar el formato de gramática descrito en Forma aumentada BNF forma XML de W3C formato de reconocimiento de gramática hablada. Debe ser capaz de recibir dinámicamente datos de gramática de reconocimiento de diálogos. Debe ser capaz de usar datos de gramática de dialogo en forma XML de W3C formato de reconocimiento de gramatica hablada. También debe ser capaz recibir datos de gramáticas de reconocimiento de diálogos Forma aumentada BNF forma XML de W3C formato de reconocimiento de gramatica hablada, y puede soportar otros formatos como el formato de gramática jspeech o formatos propietarios. Algunos elementos VOICEXML Contienen Datos de gramática de dialogo; otros refieren a daos de gramática de diálogos a través de una URI. EL reconocimiento de diálogos de be ser capaz de acomodar actualizaciones dinámicas de los diálogos de entrada por el cual esta escuchando a través de un método especificado de datos de gramática de diálogos. También debe ser capaz de grabar el audio recibido desde el usuario. La implementación de la plataforma de be ser capaz de crear la grabación disponible a una variable request. El lenguaje especificado requiere de grabación en formato de archivos que también son soportados (ver apéndice E [14]); muchos formatos adicionales son igualmente soportados. Transferencia. La plataforma debe ser capaz de suportar la creación de una conexión compartida a través de una red de comunicación, como el teléfono.

4 1.4 Conceptos Un documento VOICEXML (o un conjunto de documentos llamado aplicación) formas de conversación de una maquinad e estados finito. El usuario es siempre esta en un estado de conversación, o dialogo, en el tiempo. Cada Dialogo determina el siguiente dialogo o su transición. La transiciones son especificadas usando URIs, que define el siguiente documento y el dialogo a usar. Si la URI no se refiere a un documento, el siguiente documento es sumido como el siguiente. Esto si no se refiere al dialogo, el primer dialogo en el documento es asumido. La ejecución es terminada cuando el dialogo no especifica un sucesor, o si un elemento explicita la salida de la conversación. 1.5 Ventajas y Desventajas presentes en VOICEXML Ventajas de VOICEXML Es una herramienta que nos provee todas las capacidades de interacción posibles en el mercado para el diseño e implementación de sistemas en el área de telecomunicaciones y Web. Es flexible debido a las características entregadas por su lenguaje nativo (XML). Hoy en día existen sobre 500 compañías en el mundo que activamente apoyan VOICEXML a través de foros, congresos, etc. Se incluyen en esta lista grandes empresas como IBM, ATT, Lucent, Motorola y Nuance. Los costos para la empresa son bajos ya que es fácil de aprender por su similitud con otros lenguajes marcados como el HTML, debido a que los profesionales familiarizados con las tecnologías web estarían capacitados para diseñar e implementar aplicaciones Desventajas de VOICEXML Actualmente no es soportado por la mayoría de los proveedores de servicios de respuesta de voz interactiva tanto para telefonía o web.

5 Conclusiones. La idea de utilizar un medio que permita realizar desarrollos de sistemas de respuesta de voz interactiva, empleando un lenguaje de alto nivel como VOICEXML (estándar en desarrollo), es un reto significativo, teniendo en cuenta el estado actual de estas tecnologías (telefonía y web son de uso común en la actualidad), y el potencial de contar con medios que permitan generar nuevos servicios de valor agregado En empresas de telecomunicaciones, ISP (que provean servicios de valor agregado) la implantación del estándar VOICEXML para desarrollo de nuevos servicios permitirá potenciar su oferta de productos en el mercado, dando a su vez mayor versatilidad a nuevos desarrollo de sistemas que favorezcan las actuales o nuevas áreas negocio. La documentación de esta investigación será de gran utilidad para dichas empresas y también para los futuros Ingenieros Civiles en Informática que podrán tener acceso a un tema al cual recién se le esta dando el interés que merece. BIBLIOGRAFIA. [1] ACULAB [2] DIALOGIC 1999 Intel Dialogics. [3] Edgard Bob Edgard. PC Telephony. Parity Corporation. USA. [4] Huidobro2001. Redes y Servicios de Telecomunicaciones. Editorial Paraninfo. España. [5] RFC3275, Marzo2002.Reagle,Solo. (Extensible Markup Language) XML-Signature Syntax and Processing. [6] NUANCE 2002.Nuance. [7] Nuance Foundation SpeechObjects Getting Started with the Foundation SpeechObjects. Nuance Communications.USA. [8] Nuance Nuance Speech Recognition System Introduction to Nuance System. Nuance Communications.USA. [9] Nuance Nuance Verifier Developers Guide. Nuance Communications.USA. [10] Nuance Nuance Speech Recognition System Gramar Developer s Guide. Nuance Communications.USA. [11] Nuance Nuance Speech Recognition System Application Developer s Guide. Nuance Communications.USA. [12] TELL ME STUDIO Tell me Studio. [13] W3C 2002 The World Wide Web Consortium. [14] W3C 2002 Apendice E. The World Wide Web Consortium. RESEÑA BIOGRÁFICA. Rodolfo Francisco Rosas Escobar: Estudiante de Ultimo año de Ingeniería Civil en Informática.