在NGN技术的发展过程中，VXML促进了媒体服务器（交互式语音响应服务器（Interactive Voice Response Server，IVRS））应用的标准化。过去一些语音平台上的应用都是厂商按照自己的方式开发编写的，所以很难将一个平台上的应用移植到别的平台上去。VXML论坛积极倡导VXML的应用，因为VXML的应用更容易得到发展，并且鼓励各类开发者加入其中，以降低应用成本。VXML还可以建立在Web模型或者HTTP和Web服务器的结构上来进行内容传送。
传统的VXML脚本是用来描述语音对话过程的标记语言，主要设计为呼叫类的自动交互。其定义了如何使用语音识别、语音合成、互联网访问、数据库访问、语音文件播放、DTMF输入等功能开发一个完整的语音应用系统。用VXML开发的语音应用系统，不仅可以完全代替传统CTI系统所能提供的功能，而且还可以使应用系统开发过程极其简单快捷，系统有极高的可扩展性、可维护性、可移植性、可重用性和开放性。
VXML是允许建立一套完整的应用结构XML文档，包括取回内容和发送信息的后台Web服务。VXML文档包括dialogues、forms和menus标记，forms和menus是两种类型的会话，都使用菜单来建立基于选择的流控制。dialogues被分割成一些域项（field、record、transfer、object、subdialog标记）或一些控制项（block和initial标记）。在一个NGN的媒体会话中，通常提示用户的语音标记可以采用文本到语音（prompt标记）、预先录制的语音文件（audio标记）或音频流文件（audio标记加上缓存Caching和获取提示Fetchhint属性，设置成不需要文件缓冲并可以在得到整个文件之前就开始播放）。同样，呼叫者输入的标记也要定义（用field标记）。通常，这样一个VXML文档的基本结构如下。
<?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>
