Freeswitch MRCP中间件- 阿里云TTS、ASR对接

    最近用业余时间完成了MRCP中间件与阿里云TTS、ASR的对接，对MRCP中间件不熟悉的可以参考之前的一篇文章

https://blog.csdn.net/yugan7061/article/details/88953593 介绍了MRCP中间件的JAVA实现。第一个选择对接阿里的TTS、ASR原因是最早接触的也是阿里，还有文档比较详细，所以先准备用阿里做一个标准。

---

TTS对接

    TTS的对接分为两种方式，因为阿里的TTS只能通过sdk的方式来调用，没有公网URL的方式调用。如果有URL的方式交换机是可以直接调用的。

   1、URL调用方式，这种方式不需要通过MRCP中间件中转，直接交换机调用URL的方式，这种实现方式需要调用阿里的TTS SDK 做一个HTTP 代理，由于阿里提供的SDK 是生成语音文件的方式，在文件写入的时候直接写到HTTP流中即可；这样通过HTTP传文本就能够获取合成的TTS语音流，在交换机中做一定的缓存，就能减少调用；

  2、通过mrcp的方式，这种方式还是先生成语音文件，然后将语音文件转化为RTP流，然后通过MRCP消息控制，实现TTS的播放，为什么要先生成语音文件，主要还是因为JMF的文件获取方式还是文件流，实时流无法实现；

这两种方式的实现比较，个人感觉第一种更优，因为交互更少，逻辑更简单，而且交互响应更快，不用等所有流结束，但是需要一个代理服务；第二种方式就是标准的MRCP对接简单，标准对于不支持直接访问url来播音的交换机是可以直接用的。

---

ASR对接

       阿里提供的ASR接口主要有两种方式，一种是一句话识别，一种是实时语音流识别，第一种方式需要根据语音文件来识别，这种需要把每次MRCP交互的语音流保存成文件，然后调用识别接口，这个在MRCP中间件中有一个问题，就是一次交互你可能无法判断是不是语音流结束，所以这种方式不适合MRCP对接；第二种实时语音流识别，是根据发送的实时流，不停的返回结果，比较符合MRCP的交互模式，所以采用了第二种，两种方式的云端计费方式也不一样，第一种是按次计费，第二种是按时间计费，总体感觉两种成本是差不多的。

     通过实时流对接我们需要将接收到RTP流转化车PCM流发送给阿里ASR服务端，然后将收到的结果转化为MRCP消息返回给交换机，目前做到的就是直文翻译，对于IVR应用，有时候还需要支持语音识别语法，如SRGS，这个目前还是没有实现的。

---

做了一个简单的IVR交互流程，从实时性和识别效果来说，基本上和我们之前对接nuance差不多，对于一般性的企业应用应该具备商用的标准。