語音投票軟橋

宮湘琦

摘 要 本文中所描述的項目旨在連接到公共電話網(wǎng)絡（PSTN）的語音電話用戶和在網(wǎng)絡環(huán)境（IP協(xié)議域）下運行的移動投票系統(tǒng)之間建立一個中間軟橋。此投票軟橋將在語音電話用戶和基于網(wǎng)絡的投票系統(tǒng)之間建立一個實時的通信會話。投票系統(tǒng)采用選舉標記語言（EML）為標準。在投票過程沖采用語音引導選民。這將增加選舉的投票率，并減少選舉成本。它也將提高選舉制度的完整性，最大限度地減少發(fā)生無效選票（多投，少投和手寫選票）的產(chǎn)生。

關鍵詞 語音投票 軟橋 選舉標記語言（EML） 在線選舉系統(tǒng)

中圖分類號：TP334 文獻標識碼：A

0 引言

投票軟橋將信息分三種數(shù)據(jù)格式進行管理：語音流，VoiceXML 格式的文本和EML格式的文本。語音用戶使用電話座機或手機提供語音流，投票軟橋接收到聲音，通過自動語音識別（ASR）引擎把它轉換成VoiceXML的文本，然后改寫成的EML格式的文本并最終輸出到投票系統(tǒng)。投票系統(tǒng)接受信息，并給出EML文本格式的反饋，投票軟橋則將數(shù)據(jù)轉換成VoiceXML格式的文本，再將它們通過文本到語音（TTS）轉換引擎轉換為語音流，說給語音用戶聽。

投票選舉是民主制度的一個重要組成部分， 不少新的科技手段已被用選舉以使其更容易，更方便。2000年，在佛羅里達州的總統(tǒng)選舉中第一次使用了電子投票選舉。從那時起，電子選舉在我們的民主生活中變得越來越流行。①電子投票系統(tǒng)，可以使用不同類型的媒體，像自動取款機（ATM），直接記錄設備（DRE），電話，互聯(lián)網(wǎng)和短消息服務（SMS）。電子投票可分為現(xiàn)場監(jiān)督和未監(jiān)督兩種。現(xiàn)場監(jiān)督是指在投票現(xiàn)場有選舉官員對于投票過程進行監(jiān)督，選民必須到投票站使用電子投票器進行投票。無監(jiān)督情況下的投票時指選民通過互聯(lián)網(wǎng)或電話網(wǎng)絡在任意地點進行投票，在這種情況下，整個過程沒有任何人進行直接或者間接的監(jiān)督。事實上，在投票過程中，有很多人需要其他人的協(xié)助才能完成投票，比如盲人，老年人和文盲，對于他們來說，最好的投票方式是使用語音。

該項目側重于使用固定電話線和手機投票。 2001年5月開始，OASIS開始致力于制定一個電子投票系統(tǒng)的標準，選舉標記語言（EML）。 EML促進并實現(xiàn)了各種選舉硬件，軟件和服務的供應商之間的操作性。選舉標記語言是基于XML的，是一種在互聯(lián)網(wǎng)中廣泛使用和理解的互聯(lián)網(wǎng)技術。文本到語音（TTS）和自動語音識別（ASR）技術的發(fā)展，使得語音投票成為可能。我們就是要建立在語音用戶和電子投票系統(tǒng)之間建立一個基于軟橋的接口，這里的電子投票系統(tǒng)采用EML標準。語音投票軟橋將把信息在語音流，VoiceXML文本和EML文本三種格式之間進行轉換，并在整個投票工程中引導選民。

通過手機投票，可以讓更多的人來參與投票，這將增加選舉的投票率，同時也會因為不再需要投票站和選舉官員而大大降低了選舉成本。在投票過程中，通常有一些無效票，如多選，少選和手寫票。少選是指選民選出的候選人人數(shù)不足；多選意味著選的人比規(guī)定的更多。手寫是指投票時選民在選票上手寫一個新的候選人的名字。一般情況下，我們將少選選票的數(shù)量作為一個投票系統(tǒng)的性能指標。②是否有無效票的出現(xiàn)是對于一個投票系統(tǒng)完整性的測量。我們希望這個項目將有效減少無效選票的出現(xiàn)以提高投票系統(tǒng)的完整性。

1 相關工作

選舉標記語言EML是對于電子投票系統(tǒng)的一個標準。它是一組被定義為XML模式的數(shù)據(jù)和消息。③它已在作為標準應用于一些網(wǎng)上投票系統(tǒng)，比如在美國的網(wǎng)絡投票系統(tǒng)VoteHere（www.votehere.com）和SERVE（www.serveusa.gov）。

軟橋是在有通訊鴻溝的應用程序之間建立的一個通信平臺。④它在將數(shù)據(jù)轉換成各種不同的格式，使他們在各個終端之間實現(xiàn)互相通信。在我們的系統(tǒng)中，一個端點是語音用戶，另一個是網(wǎng)上投票系統(tǒng)，接受EML格式的文本。投票軟網(wǎng)橋將提供一個交流的平臺，并轉換數(shù)據(jù)格式。它還在終端之間傳輸數(shù)據(jù)，實現(xiàn)互相通信。

文本到語音轉換（TTS）是指創(chuàng)建一個語音版本的文本并將它存儲在計算機文件中。 ⑤語音自動識別引擎（ASR）是指用戶不必使用鍵盤只需要簡單說出所想輸入的內(nèi)容，引擎可以自動識別用戶語音，并將其轉換為文本進行存儲。⑥ TTS和ASR通常被用做語音和文本之間的數(shù)據(jù)轉換。

VoiceXML（http：//www.w3.org/tr/voicexml20/），是建立于XML 語言規(guī)范基礎之上，是一種應用于語音瀏覽的標記語言。利用VoiceXML可以建立基于WEB的語音應用和服務。

2 目標

該項目的目標是在語音用戶和電子投票系統(tǒng)之間建立一個實時的通信會話。用戶將使用語音投票，并接受語音指導。投票軟橋也將被作為電話網(wǎng)絡和IP網(wǎng)絡之間的交流平臺。

3 技術概述

主要目標是要建立語音投票軟橋（VSB）。語音投票軟橋的兩個終端是語音用戶和在線電子投票系統(tǒng)。語音用戶使用固定電話或手機連接到公共交換電話網(wǎng)絡（PSTN）或者第三代（3G）手機網(wǎng)絡。投票系統(tǒng)是一個基于EML格式的IP網(wǎng)絡上的在線投票系統(tǒng)，投票系統(tǒng)分為兩個部分，一部分是數(shù)據(jù)庫登記中心，另外一部分則是投票中心。語音投票軟橋對于語音用戶就像一個呼叫中心，接收并響應呼叫。軟橋將使用ASR和TTS技術實現(xiàn)語音和文字之間的格式轉換功能，同時它也將成為電話網(wǎng)絡和IP網(wǎng)絡之間的一個橋梁。

圖1顯示的是數(shù)據(jù)在語音投票軟橋內(nèi)部的運轉。首先， 語音用戶撥打投票電話輸入語音流，軟橋接收數(shù)據(jù)，并使用自動語音識別系統(tǒng)將其轉換成VoiceXML的文本，再將其轉換成 EML文本，輸出到投票系統(tǒng)。投票軟橋實現(xiàn)其將語音用戶信息傳輸至投票系統(tǒng)的功能。投票系統(tǒng)將反饋的EML格式的文本信息輸送給投票軟橋，軟橋將數(shù)據(jù)轉換到VoiceXML格式的文本， 再使用文本到語音轉換說給語音用戶聽，給他/她指導。軟橋實現(xiàn)了語音用戶和投票系統(tǒng)之間的實時通信和信息傳輸。

圖2顯示了軟橋在投票過程中的控制。在選舉日之前，選民必須登記，并獲得獨特的選民身份（ID）和密碼（PIN），所有選民信息將被存儲在注冊數(shù)據(jù)庫中。在選舉日，選民調(diào)用語音選舉軟橋，一旦響應，語音用戶就和軟橋之間建立了會話，然后，用戶將被要求給出選民的身份和密碼進行選民身份的識別，驗證身份后，軟橋將用戶連接到投票中心。投票后中心回應用戶并給出語音投票提示，引導用戶完成整個投票過程。

4 總結

該項目將為投票系統(tǒng)建立一個軟網(wǎng)橋，使語音用戶和以選舉標記語言為標準的投票系統(tǒng)之間實現(xiàn)實時通信。它將幫助到盲人，老人，文盲和一些其他不方便參加選舉的人，使他們能夠更加方便快捷的參與到選舉中，使用固定電話或手機投票對大部分選民而言，也更加方便，從而使更多的人參與到投票中，提高選民的投票率。語音投票軟件通過減少少選，多選和手寫等無效選票的方式，將有效提高選舉系統(tǒng)的完整性。

注釋

① Kohon T.， Stubblefield A.， Rubin A.D.， and Wallach D.S.， “Analysis of an electronic boting system”， in Proceedings of the IEEE Symposium on Security and Privacy， May 2004 .

② Rebecca T. Mercuri， L.Jean Camp， “the code of elections”， pp. 53-57， Communications of the ACM， October， 2004.

③ Ross J.， Spencer P.， Borras J.， “EML Process and Data Requirements （version 4.0）”， pp.12-15， Sep. 6， 2004 http：//xml.coverpages.org/emlv40d-20040903-reqs.pdf.

④ Lewis J.， Tucker W. and Blake E. （2002）. “SoftBridge： An Architecture for Building IP-based Bridges over the Digital Divide”. Proceedings of the South African Telecommunications Networks & Applications Conference， SATNAC 2002， Drakensberg， South Africa， 2002.

⑤ Dutoit Thierry， An Introduction to Text-to-Speech Synthesis （Text， Speech and language Technology， v3）， pp. 24-27，Kluwer Academic Publishers， 1999.

⑥ Becchetti Claudio， Ricotti Prina Lucio， Speech recognition： Theory and C++ Implementation， 1999.