2301_81507069的博客

回铃音的检测可以使用 ASR 去做，只需要实现一个 mod 然后监听回铃音状态的数据，然后将数据送到 ASR服务识别就可以，但是这样的方案有一个非常大的弊端,就是 ASR 无论用哪一种性能都太差，而且对机器配置要求极高。使用方法也很简单，自己先通过录音抓去回铃音数据，然后通过 audio_clip 工具，对数据进行裁剪，裁剪后的每一个片段就相当于一个标注文件。回铃音的识别场景是非常狭窄的，没有环境音干扰，声音频率也比较稳定，这种场景如果使用 ASR的话只能用来糊弄客户，领导。相当于杀鸡用导弹一样。

原始的freeswitch 实现ASR，TTS对接需要使用 MRCP服务，但是对于第三方来说不一定支持，需要自己实现MRCP中间件来对接，还有就是控制播放问题，过程比较麻烦，而且想要做到定制类型功能时不一定很容易实现，交互也比较难做。robot_outgoing_channel 用来创建 session，构造 codec，TTS 播放线程等。robot_io_routines 是endpoint 控制接口。robot_read_frame 用来播放语音内容。