在NGN技術的發展過程中，VXML促進了媒體服務器（交互式語音響應服務器（Interactive Voice Response Server，IVRS））應用的標準化。過去一些語音平臺上的應用都是廠商按照自己的方式開發編寫的，所以很難將一個平臺上的應用移植到別的平臺上去。VXML論壇積極倡導VXML的應用，因為VXML的應用更容易得到發展，并且鼓勵各類開發者加入其中，以降低應用成本。VXML還可以建立在Web模型或者HTTP和Web服務器的結構上來進行內容傳送。

傳統的VXML腳本是用來描述語音對話過程的標記語言，主要設計為呼叫類的自動交互。其定義了如何使用語音識別、語音合成、互聯網訪問、數據庫訪問、語音文件播放、DTMF輸入等功能開發一個完整的語音應用系統。用VXML開發的語音應用系統，不僅可以完全代替傳統CTI系統所能提供的功能，而且還可以使應用系統開發過程極其簡單快捷，系統有極高的可擴展性、可維護性、可移植性、可重用性和開放性。

VXML是允許建立一套完整的應用結構XML文檔，包括取回內容和發送信息的后臺Web服務。VXML文檔包括dialogues、forms和menus標記，forms和menus是兩種類型的會話，都使用菜單來建立基于選擇的流控制。dialogues被分割成一些域項（field、record、transfer、object、subdialog標記）或一些控制項（block和initial標記）。在一個NGN的媒體會話中，通常提示用戶的語音標記可以采用文本到語音（prompt標記）、預先錄制的語音文件（audio標記）或音頻流文件（audio標記加上緩存Caching和獲取提示Fetchhint屬性，設置成不需要文件緩沖并可以在得到整個文件之前就開始播放）。同樣，呼叫者輸入的標記也要定義（用field標記）。通常，這樣一個VXML文檔的基本結構如下。

?xml version=＂1.0＂?>

vxml application=＂my　first　vxml　app＂ version=＂1.0＂>

form id=＂first　form＂>

field name=＂fieldl＂>

block>

promt>

Hello World

audio src=＂www.telecomsoapbox.cyit.com.cn/hello.wav＂>

/prompt>

/block>

/field>

/form>

form id=＂GetInput＂>

!—This field will collect up to 15 DTMF digits—>

field name=＂Input＂type=＂digits?minlength=1;maxlength=15＂>

prompt>Give me DTMF input/prompt>

/field>

/form>

/vxml>