Głos z automatu

Rozwój usług telekomunikacyjnych i poszukiwanie dla nich nowych zastosowań całkowicie odmienił sposób patrzenia na telefon jako narzędzie, a jego dotąd podstawowa funkcja, wynikająca z samej nazwy (telefon), czyli przesyłanie głosu na odległość stała się zaledwie jedną z wielu. Dla zobrazowania tego trendu mówi się nawet, że telefon który dotychczas używało się trzymając przy uchu, obecnie coraz częściej trzyma się przed oczami. Trudno się z tym stwierdzeniem nie zgodzić, gdy weźmiemy pod uwagę wszystkie takie usługi jak SMS, MMS czy aplikacje Java. Istnieje jednak kategoria usług telekomunikacyjnych, z których korzystanie wymaga na przemian trzymania aparatu telefonicznego przy uchu i przed oczami: są to interaktywne usługi głosowe, zwane z angielska interactive voice response lub częściej skrótowo IVR. W największym skrócie, istota funkcjonalna IVR polega na przesyłaniu komunikatów głosowych w odpowiedzi na działanie użytkownika. W podstawowym modelu technologicznym komunikaty głosowe są wcześniej nagrane i zachowane w postaci zoptymalizowanych do warunków transmisyjnych plików, a działanie użytkownika polega na wybieraniu właściwych opcji z klawiatury telefonu, co przesyłane jest do systemu w formie sygnalizacji DTMF. Należy jednak zaznaczyć, że nie jest to rozwiązanie jedyne z możliwych, gdyż w wersji bardziej zaawansowanej komunikaty głosowe mogą być generowane automatycznie za pomocą algorytmów zamiany tekstu na mowę (speech-to-text). Z kolei wybory użytkownika mogą być komunikowane głosowo, a na ich właściwą interpretację systemową pozwala technologia rozpoznawania mowy (speech recognition). Wykorzystanie obu rozwiązań znakomicie zwiększa elastyczność zarządzania serwisem przy jednoczesnym obniżeniu kosztów jego rozwoju i konserwacji, a od strony użytkownika poprawia jego intuicyjność. Dobrze ilustruje to serwis uruchomiony przez jednego z operatorów GSM, którego celem jest dostarczanie aktualnych informacji o sytuacji na przejściach granicznych. Użytkownicy dzwoniąc pod specjalny numer telefonu, po standardowym powitaniu proszeni byli o wypowiedzenie nazwy przejścia granicznego, które ich interesowały. System rozpoznawał nazwę, a następnie za pomocą generatora mowy"odczytywał" zapisane bieżące informacje.