CN1407445A - 纯软件的交互式语音应答/语音信箱设备的实现方法 - Google Patents

Abstract

本发明涉及一种交互式语音应答(IVR)/语音信箱(VM)设备的实现方法，是在IP网络上利用普通计算机并通过纯软件方式直接构造的，有利于降低成本、增加灵活性和降低开发难度。主要包括：由呼叫控制模块通过H323、会话初始协议(SIP)、媒体网关控制(MGC)处理部分完成外部的H323、SIP协议与内部的MGCP协议间的相互转换，对输入信令完成呼叫接续控制和进行管理，并通过MGC协议接口对语音媒体流进行控制；以普通计算机上的以太网接口作为对外接口，语音经实时传送协议/实时传送控制协议(RTP/RTCP)接口送至媒体流控制模块，在MGC协议接口的控制下对语音数据库进行存取访问和进行语音的生成。

Description

纯软件的交互式语音应答/语音信箱设备的实现方法

技术领域

本发明涉及多媒体语音通讯技术领域，更确切地说是涉及一种在语音信箱/交互式语音应答设备的组网结构中实现交互式语音应答/语音信箱设备的方法。

背景技术

目前的语音信箱(VM：Voice Mailbox)大多是在公众电话网(PSTN)上实现的，同时在PSTN上还存在有许多种不同类型的交互式语音应答设备(IVR：Interactive Voice Response设备)，例如电话银行、168声讯台等。从广义上说，语音信箱设备也是一种交互式语音应答设备。

各种类型的交互式语音应答设备(IVR)都是通过中继接口直接接到PSTN网络上的。传统的语音信箱设备主要是通过中继方式接入PSTN网络的。由于PSTN上涉及复杂的信令处理和中继的接口，导致交互式语音应答设备只能在特殊硬件上开发，和导致语音信箱设备需要处理信令并具有中继接口。在特殊硬件上开发的交互式语音应答设备，其开发出的系统成本较高，系统的灵活性较差，并且在更换硬件后一般还需要重新开发，对于不熟悉PSTN网络信令的开发人员来说，开发难度尤其大，凡此种种问题更增加了开发成本。而对于接入PSTN网络的语音信箱设备来说，由于复杂的信令处理与中继接口处理都需要使用专用的设备，同样导致成本高、开发难度大的后果。

随着Internet技术的普及和国际互联网协议(IP)语音技术的发展，任何一台普通计算机(PC)就可以直接接入Internet，因此将IVR业务放到IP网络上和将语音信箱业务放到IP网络上，已形成发展趋势并且具备了技术上的可行性。

发明内容

本发明的目的是设计一种纯软件的交互式语音应答/语音信箱设备的实现方法，通过在普通计算机上安装所开发的软件从而构成纯软件的交互式语音应答/语音信箱设备，使开发成本下降。

本发明的方法是鉴于普通计算机就可以直接接入互联网的事实而作出的，所以在普通计算机上开发出纯软件的IVR设备或语音信箱设备，其开发成本必将大幅度降低。本发明提出的也就是纯软件的IVR或VM设备的实现方式。

实现本发明的目的也就是要使运行在IP网络上的IVR设备或语音信箱设备能同时满足信令和语音两方面的条件。

关于信令条件：目前IP语音方面的协议主要有H.323和SIP(Session InitialProtocol会话初始协议)，在Internet上独立运行的IVR设备或语音信箱设备，必须能够支持这两种协议中的一种协议。

关于语音条件：IVR设备一般仅仅需要提供单向的语音通道，以便播放语音，而语音信箱设备则需要提供双向的语音通道，以便播放提示音和录音，因而要求IVR设备或语音信箱设备能够支持IP网络上的实时语音。

目前IP网络上的实时语音传送一般采用RTP/RTCP(实时传送协议/实时传送控制协议)协议，本发明的IVR设备或语音信箱设备，因为需要支持普通电话通过IP电话网关(GW)进行访问或者支持PC客户端直接访问，因此都必须支持RTP/RTCP协议。

IVR设备或语音信箱设备还需支持WEB访问，则必须支持RSTP(实时流传送协议)协议。

目前IP网络上的语音一般都需进行压缩以节约带宽，G.723.1、G.729是常用的压缩算法，可以根据具体情况选用。

同时IVR设备还必须能够支持用户的电话按键输入，也就是必须支持双音多频(DTMF)输入。

解决了信令和语音的问题，IVR设备或语音信箱设备就能够在Internet上独立运行。信令的支持可以采用H.323协议栈或者SIP协议栈，语音的支持需要采用相应的压缩算法和RTP/RTCP、RSTP协议，这些都可以通过软件来实现。

一般来说，如果不进行语音的实时压缩，协议的处理复杂度是不大的，可以全部通过软件来实现。若进行语音的实时压缩，则还需采用相应的硬件，来完成实时语音压缩。

实现本发明目的的技术方案是这样的：一种纯软件的交互式语音应答/语音信箱设备的实现方法，其特征在于包括以下处理步骤：

A.由呼叫控制模块通过H323协议处理部分、会话初始协议(SIP)处理部分和媒体网关控制(MGC)处理部分完成设备外部的H323协议或会话初始协议(SIP)与设备内部的媒体网关控制协议(MGCP)之间的相互转换，对输入信令完成呼叫的接续控制和对当前呼叫进行管理，并通过媒体网关控制协议(MGCP)接口对语音媒体流进行控制；

B.以普通计算机上的以太网接口作为设备的对外接口，语音经实时传送协议/实时传送控制协议(RTP/RTCP)接口送至媒体流控制模块，媒体流控制模块在媒体网关控制协议(MGCP)接口的控制下对语音数据库进行存取访问和进行语音的生成。

还包括设置一WEB接口及其实时流传送协议(RSTP)模块，供通过WEB浏览器访问保存在语音数据库中的语音文件。

所述的呼叫控制模块及H323协议处理部分、会话初始协议(SIP)处理部分、媒体网关控制协议(MGCP)处理部分及其相互转换处理部分，与所述的媒体网关控制协议(MGCP)接口及媒体流控制模块，WEB接口及其实时流传送协议模块和语音数据库，在物理上分布在同一台普通计算机上或分布在一台以上的普通计算机上，该普通计算机是直接构造在国际互联网(IP)网络上的。

所述的呼叫控制模块及H323协议处理部分、会话初始协议(SIP)协议处理部分、媒体网关控制协议(MGCP)处理部分及其相互转换处理部分，与所述的媒体网关控制协议(MGCP)接口及媒体流控制模块，WEB接口及其实时流传送协议模块和语音数据库，是利用纯软件分别实现对信令信号的处理及对语音信号的处理。

所述的媒体流控制模块在媒体网关控制协议(MGCP)接口的控制下对语音数据库进行存取访问和进行语音的生成，进一步包括：

a.由语音驱动模块给主叫用户播放提示语音、录制用户的录音语音及检测用户的双音多频输入；

b.将实时传送协议/实时传送控制协议(RTP/RTCP)接口及媒体网关控制协议(MGCP)检测到的双音多频(DTMF)输入及摘挂机事件转换成脚本事件后传送给脚本解释器；和

c.将来自脚本解释器的脚本转换成实时传送协议/实时传送控制协议(RTP/RTCP)接口及媒体网关控制协议(MGCP)可理解的动作。

本发明的方法是通过纯软件的方式来实现IVR设备或语音信箱设备的信令与语音的处理，是在IP网络上利用普通计算机直接构造IVR设备或语音信箱设备，并以以太网接口作为IVR或VM系统的对外接口。

本发明方法的有益效果是：通过采用纯软件的IVR设备和语音信箱设备，使实现IVR设备和语音信箱设备的灵活性提高了，并且使实现成本降低、开发难度减少，可以非常容易地构造出在IP网络上的能满足各种不同需求的IVR设备及语音信箱设备。

附图说明

图1是纯软件的IVR设备在实际应用中的组网结构示意图。

图2是纯软件的语音信箱设备在实际应用中的组网结构示意图。

图3是纯软件的IVR或语音信箱的实现方法流程示意图。

图4是IVR设备/语音信箱设备媒体服务器软件结构示意图。

图5是利用本发明的纯软件语音信箱设备实现语音信箱业务的过程示意图。

图6是利用本发明的纯软件IVR设备实现交互式语音应答业务的过程示意图。

具体实施方式

参见图1、图2，图中分别示出纯软件的IVR设备104、语音信箱设备106在实际应用中的组网结构。

在公众电话交换网(PSTN)上的包括电话机(Telephone)110或114、传真机(Fax)111或115、带调制解调器(Modem)112或116的便携式电脑(Laptopcomputer)113或117在内的任意的普通电话用户，通过IP电话网关(GW)102或107完成对IVR设备104(如图1中所示)或语音信箱设备106(如图2中所示)的访问，PC用户(PC客户端)109直接通过IP网络完成对IVR设备104或语音信箱设备106的访问。Web(Web Browser)用户108可以通过浏览器直接访问IVR设备104或语音信箱设备106。图中101是网守(GK)，用于完成接入控制、路由查找、带宽控制等功能，主要完成根据电话号码查询到相应的被叫的网关(GW)。

参见图3，图中示出纯软件的IVR或语音信箱的实现方法，由四大部分组成。这四个大部分全部是逻辑上的，他们在物理结构上可以放在同一个普通计算机上，也可以分布在若干个不同的普通计算机上。

第一部分包括呼叫控制、H323-MGCP、SIP-MGCP、H323、MGC和SIP。

其中呼叫控制完成对呼叫的接续控制和对当前呼叫的管理；

H323-MGCP完成H.323协议与MGCP协议之间的相互转换；

SIP-MGCP完成SIP协议与MGCP协议之间的相互转换；

H323是H.323协议处理部分；

MGC是MGCP协议处理部分；

SIP是SIP协议处理部分。

第二部分包括MGCP协议接口和媒体流控制。

其中MGCP协议接口完成对MGCP协议的接口，完成媒体网关(MG)的功能；

媒体流控制完成媒体流(语音媒体流：Media Stream)的生成与保存和完成对语音数据库DB的存取访问。

第三部分包括语音数据库(DB)，用于保存语音文件。

第四部分包括RSTP和WEB接口。

其中RSTP是实时流传送协议，主要用于WEB上的实时语音播放；

WEB接口用于提供WEB接口，以便可以通过WEB浏览器来访问所保存的语音文件。

在上述实现方式里，由设备外部提供H.323协议和SIP协议支持，由设备内部通过标准的MGCP协议来完成通讯与控制，包括H.323协议或SIP协议与MGCP协议间的相互转换和对语音媒体流的控制。如此将协议控制与语音处理分离开的好处是可以提高系统的灵活性，因为协议控制部分变化性较大，而语音处理部分一般不发生变化，将变化的部分剥离开来，使在需求发生变化时只需对软件作最小的改动，就可满足要求。

纯软件的IVR设备或语音信箱设备，根据具体的需求可以有多种不同的实现方式，图3给出的只是其中的一种实现方式。

参见图4，图中示出IVR设备/语音信箱媒体服务器(IVR/VM Media Server)流程控制软件结构。

IVR/VM媒体服务器由以下几个主要部分组成：

IVR/VM媒体服务器流程控制部分，即IVR/VM媒体服务器的主控部分；

MGCP协议栈，是媒体网管控制协议栈；

脚本解释器，是核心驱动部件，完成脚本的解释与执行，其中语音驱动完成语音文件到具体物理设备的播放转换；

网管接口和远程控制接口，主要完成网管和远程控制的功能。

当有呼叫接续到IVR/VM媒体服务器上时，首先通过MGCP与互联网个人号码业务(ONLY：One Number Link You，一种通过唯一的ONLY号码，实现Phoneto Phone、Phone to PC、PC to Phone、PC to PC的业务)的ONLY服务器(Server)完成信令交互并建立RTP连接，至此完成呼叫建立过程，主叫方即可开始与IVR/VM媒体服务器进行IVR/VM交互。MGCP与RTP/RTCP部分在IVR/VM媒体服务器中完成一个语音设备的功能，它与语音驱动连接，给主叫用户播放提示语音、录制用户的语音以及检测用户的DTMF输入。语音驱动负责将MGCP和RTP/RTCP部分检测到的DTMF及摘、挂机事件转换成脚本事件，再传送给脚本解释器，反过来，将脚本解释器接收的各种脚本转换成MGCP和RTP/RTCP可理解的动作。脚本解释器读入的脚本文档由脚本解释器的脚本分析程序进行处理，脚本解释器中包含特殊的外部对象访问功能，例如数据库操作、存取语音文件等。

图中控制语音播放的流程-脚本定义，和对脚本进行解释与执行的脚本解释器是现有实现语音信箱或交互式语音应答业务的常规技术，而语音驱动及MGCP栈、RTP/RTCP则是实现本发明技术方案的结构。

参见图5，图中示出本发明在IP网络上实现纯软件语音信箱时的流程。

其中网关(GW)与设备的呼叫控制模块之间按ISDN信令操作，呼叫控制模块与MGCP协议接口之间按MGCP协议操作，MGCP协议接口与语音数据库DB之间按数据库接口操作。

语音信箱功能中最关键的步骤是：用户呼入时听提示音；开始录音；提示用户结束录音。

步骤(1)，网关(GW)向呼叫控制模块发起呼叫(如特服号码166××××××××)；

步骤(2)，在呼叫控制与MGCP协议接口之间创建连接(Creat Connection)；

步骤(3)，连接成功后由MGCP协议接口向呼叫控制返回应答(ACK)信息；

步骤(4)，由呼叫控制模块向GW回铃(Alert)，其间，MGCP协议接口将本地端口与远程端关联起来；

步骤(5)，由呼叫控制模块向MGCP协议接口发出修改连接(ModifyConnection)的信息；

步骤(6)，成功后，MGCP协议接口向呼叫控制模块返回应答(ACK)信息；

步骤(7)，呼叫控制模块向GW送摘机(Connect)信息，其间MGCP协议接口使语音通道启动，启动语音信箱流程；

步骤(8)，MGCP协议接口从语音数据库中提取提示音文件；

步骤(9)，完成提示音文件提取；

步骤(10)，MGCP协议接口向网关GW播放提示音(如“欢迎使用…”)；

步骤(11)、(12)，若用户在接收提示音提示后按下录音命令键“1”(或发生超时)，则向MGCP协议接口传送录音命令键“1”，由MGCP协议接口控制开始录音；

步骤(13)，进行录音；

步骤(14)、(15)，录音完成，MGCP协议接口控制向语音数据库中写文件，并在写文件完成后，由语音数据库向MGCP协议接口返回“写文件完成”的信息；

步骤(16)，MGCP协议接口与网关间传送“提示用户结束”的信息；

步骤(17)，MGCP协议接口通知呼叫控制模块结束(Notify)；

步骤(18)，呼叫控制模块通知网关(GW)释放(Release)；

步骤(19)、(20)，呼叫控制模块通知MGCP协议接口删除连接，和由MGCP协议接口向呼叫控制模块返回应答信息。

参见图6，图中示出本发明在IP网络上实现纯软件交互式语音应答时的流程。图中仅列出从语音通道启动、启动语音信箱流程至提示用户结束(参考图5)之间的流程。

其中网关(GW)与设备的呼叫控制模块之间按ISDN信令操作，呼叫控制模块与MGCP协议接口之间按MGCP协议操作，MGCP协议接口与语音数据库DB之间按数据库接口操作。

交互式语音应答功能中最关键的步骤是：收到创建连接的请求后，创建一个本地的RTP和一个RTCP端口，与远程端口对应起来；收到修改连接的请求后，启动报文的收发，将发向本地RTP和RTCP端口的报文传送给“媒体流控制”，将需要发送的语音通过RTP/RTCP报文发送给远端网关的RTP/RTC端口；媒体流控制模块将收到的报文经去除包头后，将语音数据组合成语音文件，将需发送的语音文件分离成合适大小的语音报文，再加上RTP包头后发送出去；媒体流控制的控制流程是根据预先定义好的流程文件进行的，即根据流程文件来决定作录音、放音或访问语音数据库的操作；当流程执行完毕或者用户挂机时，协议接口会收到结束通知，然后释放本地的RTP/RTCP端口。

步骤(1)，由呼叫控制模块向MGCP协议接口发出修改连接(ModifyConnection)的信息；

步骤(2)，连接成功后，MGCP协议接口向呼叫控制模块返回应答(ACK)信息；

步骤(3)、(4)，MGCP协议接口从语音数据库中提取提示音文件，并在完成提示音文件提取后返回应信息；

步骤(5)，MGCP协议接口向网关GW播放欢迎词(如“欢迎使用…”)

步骤(6)、(7)，MGCP协议接口从语音数据库中提取提示音文件，并在完成提示音文件提取后返回应答信息；

步骤(8)，MGCP协议接口向网关GW播放提示音(如“请输入被叫姓名…”)；

步骤(9)，进行录音；

步骤(10)，由MGCP协议接口将录音信息保存成一个文件，进行语音识别，和从语音数据库中获取相对应的被叫号码；

步骤(11)，语音数据库向MGCP协议接口发送应答信息；

步骤(12)，MGCP协议接口将被叫号码发送给呼叫控制模块；

步骤(13)，由呼叫控制模块将呼叫转移到该被叫号码的网关上，该网关可以是主叫网关，也可以不是主叫网关(如图中所示)。

在IP网络上，由于普通计算机上就具有以太网的接口，这就具备了在普通计算机上开发纯软件语音信箱、实现交互式语音应答设备的基础，而可大大降低实现成本。

Claims (5)

1.一种纯软件的交互式语音应答/语音信箱设备的实现方法，其特征在于包括以下处理步骤：

A.由呼叫控制模块通过H323协议处理部分、会话初始协议(SIP)处理部分和媒体网关控制(MGC)处理部分完成设备外部的H323协议或会话初始协议(SIP)与设备内部的媒体网关控制协议(MGCP)之间的相互转换，对输入信令完成呼叫的接续控制和对当前呼叫进行管理，并通过媒体网关控制协议(MGCP)接口对语音媒体流进行控制；

B.以普通计算机上的以太网接口作为设备的对外接口，语音经实时传送协议/实时传送控制协议(RTP/RTCP)接口送至媒体流控制模块，媒体流控制模块在媒体网关控制协议(MGCP)接口的控制下对语音数据库进行存取访问和进行语音的生成。

2.根据权利要求1所述的一种纯软件的交互式语音应答/语音信箱设备的实现方法，其特征在于：还包括设置一WEB接口及其实时流传送协议(RSTP)模块，供通过WEB浏览器访问保存在语音数据库中的语音文件。

3.根据权利要求1或2所述的一种纯软件的交互式语音应答/语音信箱设备的实现方法，其特征在于：所述的呼叫控制模块及H323协议处理部分、会话初始协议(SIP)处理部分、媒体网关控制协议(MGCP)处理部分及其相互转换处理部分，与所述的媒体网关控制协议(MGCP)接口及媒体流控制模块，WEB接口及其实时流传送协议模块和语音数据库，在物理上分布在同一台普通计算机上或分布在一台以上的普通计算机上，该普通计算机是直接构造在国际互联网(IP)网络上的。

4.根据权利要求1或2所述的一种纯软件的交互式语音应答/语音信箱设备的实现方法，其特征在于：所述的呼叫控制模块及H323协议处理部分、会话初始协议(SIP)协议处理部分、媒体网关控制协议(MGCP)处理部分及其相互转换处理部分，与所述的媒体网关控制协议(MGCP)接口及媒体流控制模块，WEB接口及其实时流传送协议模块和语音数据库，是利用纯软件分别实现对信令信号的处理及对语音信号的处理。

5.根据权利要求1所述的一种纯软件的交互式语音应答/语音信箱设备的实现方法，其特征在于所述的媒体流控制模块在媒体网关控制协议(MGCP)接口的控制下对语音数据库进行存取访问和进行语音的生成，进一步包括：

a.由语音驱动模块给主叫用户播放提示语音、录制用户的录音语音及检测用户的双音多频输入；

b.将实时传送协议/实时传送控制协议(RTP/RTCP)接口及媒体网关控制协议(MGCP)检测到的双音多频(DTMF)输入及摘挂机事件转换成脚本事件后传送给脚本解释器；和

c.将来自脚本解释器的脚本转换成实时传送协议/实时传送控制协议(RTP/RTCP)接口及媒体网关控制协议(MGCP)可理解的动作。

Images