顶顶通呼叫中心中间件(mod_cti基于FreeSWITCH)-语音识别（asr）接口

语音识别接口（ASR）

启动ASR识别

APP

cti_detect_speech_session asrproxy_addr vad_mode vad_min_active_time_ms vad_max_end_silence_time_ms vad_level vad_filter wait_speech_timeout_ms max_speech_time_ms hot_word asr_params asr_notify asr_notify_uuid asr_mode [record_mode] [record_template] [record_format]

例子：

API

uuid_cti_start_detect_speech uuid asrproxy_addr vad_mode vad_min_active_time_ms vad_max_end_silence_time_ms vad_level vad_filter wait_speech_timeout_ms max_speech_time_ms hot_word asr_params asr_notify asr_notify_uuid asr_mode [record_mode] [record_template] [record_format]

• asrproxy_addr asrproxy程序IIP和端口

• vad_mode

  • 0:使用本地VAD检测说话开始和结束
  • 1:等待ASR反馈说开始和结束(需要ASR支持)
  • 2:使用本地VAD检测检测说话开始，等待ASR反馈说话结束。

• vad_min_active_time_ms 说话时间大于这个值才开始提交ASR

• vad_max_end_silence_time_ms 静音时间大于这个值认为说话停止

• vad_level vad检测灵敏度 0-3，值越大越迟钝，建议3

• vad_filter 噪音过滤等级0-1.0，建议0.2，值越大过滤范围越大，会导致小的声音给过滤。 0.8启用神经网络的噪音过滤。

• wait_speech_timeout_ms 最大等待说话时间，用于一句话识别（asr_mod：0），等待时间超过这个值还没说话，就停止。

• max_speech_time_ms 说话事件超过这个值，会强制认为一句话结束。如果对接是是一句话识别ASR接口，建议设置60000以内。

• hot_word ASR热词

• asr_params ASR自定义参数

• asr_notify ASR识别结果通知类型 0：ESL事件 1：FS的内部队列 2:ESL事件和FS的内部队列

• asr_notify_uuid asr识别结果通知uuid

• asr_mod 0：只识别一句话就停止 1： 执行一次会持续进行ASR识别，直到挂机或者调用uuid_cti_stop_detect_speech才停止ASR识别

停止ASR识别

API

uuid_cti_stop_detect_speech uuid

• uuid 操作通道的UUID

放音的同时执行ASR识别

app

cti_play_and_detect_speech <file> <mode> <interrupt> <vad_mode> <vad_filter> <asrproxy_addr> vad_min_active_time_ms vad_max_end_silence_time_ms wait_speech_timeout_ms max_speech_time_ms hot_word asr_params asr_notify_uuid record_mode record_template record_format

• file 放音文件
• mode 0:不启动ASR识别 1：放音的同时开启ASR识别; 2：放音完成之后才开启ASR识别。
• interrupt 打断模式：
  • 0：关键词打断； 【关键词打断的可选功能，可以组合使用，比如要使用128和256，就设置384。】
    • 16: 放音结束后识别到一句话就停止等待（执行完成）。
    • 32 : 放音时识别到一句话，放音完成后就不等待（执行完成）(隐含16)。
    • 64：放音时检测到声音就暂停放音（只暂停放音，识别结果未匹配到关键词，还会恢复放音）。
    • 128 : 放音时如果有被禁止打断(disablebreak)过滤的识别结果，放音完成时,如果用户不在说话中,重新尝试关键词匹配（识别结果前面会加一个P）。
    • 256 : 放音时如果有未匹配的识别结果，放音完成时，如果用户不在说话中,再次尝试关键词匹配（识别结果前面会加一个P）。
    • 512 : dtmf按键打断(默认只有符合按键终止符才会停止放音，如果需要不符合按键终止符也停止放音，就需要设置这个参数)
  • 1：检测到声音就打断；
  • 2：ASR识别到文字就打断；
  • 3：ASR识别到一句话就打断。
• vad_mode
  • 0:使用本地VAD检测说话开始和结束
  • 1:等待ASR反馈说开始和结束(需要ASR支持)
  • 2:使用本地VAD检测检测说话开始，等待ASR反馈说话结束。
• vad_filter 噪音过滤等级0-1。0.8使用深度神经网络过滤噪音。
• asrproxy_addr asr代理地址。
• vad_min_active_time_ms 说话时间大于这个值才开始提交ASR。
• vad_max_end_silence_time_ms 静音时间大于这个值认为说话停止。
• wait_speech_timeout_ms 放音完成后等待用户说话的等待时间。
• max_speech_time_ms 最大说话时间，说话时间超过这个值就停止ASR。
• hot_word ASR热词。
• asr_params ASR私有参数,JOSN格式{“变量”=“名字”}。例如：{“group”:”default”}，控制asrproxy使用那个asr配置组去识别。
• asr_notify_uuid asr识别结果通知uuid
• record_mode 录音方式。0:不录音,1:检测到声音开始录音,2:全部录音。
• record_template 录音路径模板。如果不是绝对路径，会把这个路径追加到FreeSWITCH的recordings后面。支持变量，比如日期 ${strftime(%Y-%m-%d)}。最后一个录音文件路径会保存到变量 ${cti_asr_last_record_filename}
• record_format 录音格式wav或者mp3

ASR识别结果通知

事件类型　SWITCH_EVENT_CUSTOM　cti_asr
事件头

• Speech-Notify-UUID　asr_notify_uuid
• Speech-Type
  • b:检测到开始说话
  • 0:识别结果更新,如果结果是空，表示远端VAD检测到开始说话
  • 1:一句话结果 ASR_MODE_MULTI模式才有
  • f:远端结束
  • F:本段结束
  • e:本段错误
  • E:远端错误
  • t:wait_speech_timeout 超时
  • P:放音时的识别结果（打断模式128和256时放音时候说话才触发）
• Speech-Time　开始说话时间，linux时间戳（微妙）

事件体 识别结果