Portale głosowe obiecują możliwość poruszania się po Internecie jedynie za pomocą głosu. Aby to było możliwe, potrzebne są zaawansowane funkcje interaktywnych zapowiedzi głosowych IVR oraz najnowsze technologie rozpoznawania mowy ASR - tworzone odrębnie dla każdego języka mówionego. Niezbędnym elementem takich nowoczesnych portali są działające w czasie rzeczywistym przeglądarki głosowe języka VoiceXML.

Uniwersalne platformy Call Center i Contact Center, przeznaczone do usprawniania firmowych kontaktów z klientami, okazały się nadzwyczaj efektywnym rozwiązaniem. W najbardziej zaawansowanych tego typu systemach współdziała wiele najnowszych rozwiązań technologicznych z pogranicza różnych dziedzin. Obejmują one: interaktywne zapowiedzi głosowe (IVR), konwersję tekstu do postaci głosowej (TTS) oraz automatyczne rozpoznawanie mowy (ASR). Stopniowe upowszechnianie się tych aplikacji głosowych w komputerowych systemach informacyjnych, a także ich wysoka skuteczność prowadzą do powstania portali głosowych, których charakterystyczną cechą jest komunikowanie się człowieka z systemem komputerowym wyłącznie za pomocą głosu, a więc bez potrzeby używania rąk.

Instalowanie i testowanie pierwszych na świecie portali głosowych (USA, firma E*Trade) trwało przez około trzy lata i dopiero w połowie 2000 r. rozpoczęła się kampania reklamowa kilku amerykańskich dostawców telekomunikacyjnych (TellMe, HeyAnita, AOL), zachęcająca do ich stosowania w praktyce. Największe zainteresowanie wykazały towarzystwa lotnicze (United Airlines, British Airways i American Airlines) oraz kompanie dostawcze (American Express czy UPS). Już teraz niektórzy operatorzy rozszerzają swe oferty przez zainstalowanie dodatkowej usługi rozpoznawania głosu, inni przez instalację od podstaw nowego systemu głosowych witryn internetowych. Od tego roku pierwsze takie systemy powstają również w Europie.

Zarówno przewodowe, jak i bezprzewodowe portale głosowe są najbardziej efektywnym i szybkim sposobem prowadzenia dialogu z systemem komputerowym. Pierwsze takie eksperymentalne aplikacje - zainstalowane specjalnie dla kierowców - pozwalają w prosty sposób określić własną lokalizację (gdzie jestem?) bądź uzyskać informację, jak dostać się do miejsca przeznaczenia najszybciej (jak dojechać?) lub najkrócej (którędy?). Nie są to, jak wiadomo, równoznaczne zapytania, jeśli uwzględni się aktualny ruch pojazdów na trasie. W podobny głosowy sposób można korzystać z wielu innych aktualnych informacji: giełdowych (jakie notowania?), pogodowych (jaka prognoza?) czy handlowych (gdzie są sklepy ogrodnicze?).

Interaktywne zapowiedzi IVR

Jedną z pierwszych propozycji automatyzowania procesu dialogu człowieka z systemem komputerowym było wprowadzenie standardowych zapowiedzi lub odpowiedzi głosowych, zarejestrowanych cyfrowo na dysku elektronicznym lub w pamięci półprzewodnikowej RAM (EEPROM). Takie systemy były jednak używane jedynie w pierwszych, stosunkowo prostych modułach odpowiedzi głosowych - IVR (Interactive Voice Response).

W tej grupie zastosowań IVR wyróżnia się dwa rodzaje aplikacji o podobnym funkcjonowaniu, lecz odwrotnym działaniu kierunkowym. W pierwszym centrum informacyjne udziela odpowiedzi głosowych na zadawane pytania oddalonego użytkownika sieci, a w drugim centrum podaje systemowe komunikaty głosowe w postaci zapytań - prowadzące klienta przez meandry oprogramowania aplikacyjnego - łącznie ze sprawdzeniem tożsamości zgłaszającego się klienta. W większości sytuacji są to jedynie proste pytania i odpowiedzi głosowe ze stosunkowo niewielkiego zbioru komunikatów i poleceń.

Znacznie lepszym rozwiązaniem technicznym odpowiedzi głosowych stało się wykorzystanie biblioteki często używanych wyrażeń frazeologicznych (odniesień do daty, czasu, liczb czy zwrotów językowych), co umożliwiło udostępnianie krótkich informacji na konkretny temat, takich jak stany kont, imieniny, aktualne kursy walut czy terminy odlotu samolotów.

Typowymi przykładami zastosowania modułów zapowiedzi głosowych IVR są używane teleserwisy funduszy emerytalnych czy dostęp do informacji bankowych - udzielane użytkownikom klawiatur przyciskowych, wyposażonych w sygnalizację tonową. Zwykle w takim kompletnym elektronicznym module odpowiedzi głosowych, oprócz odtwarzania wcześniej spreparowanych fraz, możliwe jest również rejestrowanie wypowiedzi zgłaszającego się klienta, w celu ewentualnego późniejszego ich wykorzystania.