为正在进行的VOIP呼叫提取和注入音频

Question

在VOIP和与VOIP系统的集成方面，我是一个新手。

这是我想要做的：

1. 呼叫者呼叫并且操作员应答呼叫。 1.1。开始将呼叫者的音频流式传输到云中的分析服务。
2. 一旦执行音频分析（通常在几秒钟内），操作员将按下“保持”按钮以执行分析建议的操作。 2.1。根据分析结果，将特定的音频文件播放回呼叫者，让他们知道操作员在保持时正在执行“x”，“y”或“z”。

鉴于我使用VOIP系统的非经验，我正在寻找任何可以指向正确方向的主题，领域，文章和技术的建议/指针。

Answer 1

我可以给出一些一般的观点。我将假设基于SIP的VOIP实际上是无所不在的（IMS，LTE，3GPP等）。

VOIP有两个部分，您可能在搜索时发现：

• SIP（控制平面）
• RTP（数据或有效载荷平面=音频）

一般来说，有两种方法来自点对点世界，其中媒体流的每个变化都通过REFER传递给另一方，实际上为任何目的进行呼叫转移。但这通常不是一种首选的做事方式。这是第二种方法，它隐藏了B方（被叫方）方面的任何变化。这种东西也用于IMS（现代GSM网络的背后）。诀窍是A方（来电者）实际上到达了B方代理。就SIP而言，它是B2BUA又名背靠背用户代理。顾名思义它涵盖了被叫方网络中发生的所有魔法。

然后，魔法实际上隐藏在B2BUA后面，其实际上表现为中间的实体，因此可以操纵SIP和RTP。

因此，该实体实际上可以使用MGW（媒体网关）向“真实”B方（人/操作员）分叉音频，以及将音频引导到ML / AI /专家系统分析。此过程还包含适当的控制平面事件，例如启动分析过程附加，实际音频分叉（RTP）以及触发最终B方的SIP INVITE。每当分析结束时，带外消息传递到SIP代理（带有SoftPhone的计算机/平板电脑）或连接到呼叫中心系统的某个CRM系统的某个“富”客户端。这样的信息应该告知B党有关分析的结果。

所有的魔力都隐藏在B2BUA内部或最终隐藏在SIP应用服务器内部，SIP服务器服务器是各种服务的通用名称，例如呼叫分配到呼叫中心代理，语音邮件，IVR等。

今天，语音分析在银行用于呼叫者验证，情绪分析和许多“智能”音频处理。

在该领域，有一些开源和专有的SIP系统。他们往往有些复杂。而且，与请求 - 响应系统（如HTTP）相比，逻辑非常不同。该调用是具有“session”（调用~Call-ID）的有状态系统，并且所有内容都绑定到该系统。

希望这可以帮到你。

Answer 2

您是否考虑过使用基于API的VOIP提供商，例如Plivo？

您的用例的实时流式传输部分可能很难，但我敢打赌，您可以找到一个体面的工作。我曾经在那里作为解决方案工程师工作，所以我对API非常熟悉。如果您有任何疑问，请随时给我留言。