『VoiceXML』仕様がさらに前進

業界団体 VoiceXML Forum は3日、『XHTML+Voice Profile (X+V)』仕様の最新バージョン 1.2 をリリースした。同時に、Web 標準化団体 World Wide Web Consortium (W3C) が『VoiceXML 2.0』仕様を勧告候補から勧告案に進めたことへの支持を表明した。

X+V 仕様は、XHTML や XML Events などの成熟度の高い一連の Web 技術を、W3C の『Speech Interface X+Framework』(音声入出力インタフェースフレームワーク) の一環として開発された VoiceXML や XML 文法と統合することで、標準的な Web コンテンツにおける音声対話を実現するもの。音声合成、音声対話、コマンドと制御、音声文法、イベントモデルの再利用をサポートする音声モジュールからなる。

この X+V 仕様をバージョン 1.2 にアップデートしたのは、W3C の VoiceXML 2.0仕様を補完することが目的だ。

W3C は同じく3日、先月28日に勧告候補として公開した VoiceXML 2.0仕様が「Proposed Recommendation」(勧告案) ステータスに進んだと発表した。現在開発中の Speech Interface Framework の一環である VoiceXML は、ユーザーが音声と電話を使ってアプリケーションを制御できるようにする仕様で、今あるような「顧客サービスご利用のお客様は、1を押してください」といった使い勝手の悪いシステムに取って代わるものだ。

テキストと人間の声とを結びつける VoiceXML を用いることにより、開発者は Web およびワイヤレス Web のアプリケーションにおいて、音声合成、デジタルオーディオ、音声認識、携帯電話やプッシュホンからのダイヤルトーン (DTMF) 入力の認識、音声の録音、および通話、話者が任意に移り変わる会話といった機能を実現することができる。

VoiceXML は、もともと AT&T (NYSE:T) が開発した XML ベースのダイアログデザイン言語から発展したもので、1998年から VoiceXML Forum が開発を行なっている。同団体は2000年に『VoiceXML 1.0』を一般公開した。