呼叫中心语音-语音识别（8K）

更新时间：2024-07-18

接口描述及运行环境

本文档是百度呼叫中心语音MRCP的用户指南。

本程序做为MRCP Server端，集成了呼叫中心8K采样率语音识别(ASR)和呼叫中心专属发音人语音合成(TTS)两种能力，用户可分别单独使用某一种或同时使用。

接入步骤

参考"接入指南"，创建应用，获取AppID、API Key、Secret Key，用于后续配置使用
点击呼叫中心语音解决方案MrcpServer完成Mrcp Server下载；
在下载的对应文件中修改相关信息，启动服务并进行程序验证

开发环境

开发环境依赖：

	- Linux 64位 centos 6u3、centos 7+版本

	- gcc: 8.2以上版本libc，CXX11。程序自带compiler.tar.gz压缩包

并发受机器内存、核数等性能影响。
```
	- 参考：4核8G内存，并发数为20。
```

音频格式

要求项	取值要求
采样率	8KHz
采样精度	16bits
声道	单声道

音频内容为：清晰的真人发音，无背景音或其它噪音，日常用语。
开发者Mrcp Client端发送的音频格式通过sip协议交互约定，目前mrcp server支持的音频格式有: PCMU PCMA L16/96/8000

语言及模型支持

支持中文普通话

发音人

目前仅支持一位发音人

调用流程

Mrcp下载与目录

点击呼叫中心语音解决方案MrcpServer完成Mrcp Server下载；

目录结构

${SERVER_ROOT}
|--- README  	// 说明文件
|--- bootstrap.sh 	// 环境初始化
|--- compiler.tar.gz 	// gcc-8.2编译器lib库
|--- mrcp-server 	// 主程序模块
	|--- audio		// 音频保存目录
	|--- bin    	// 服务可执行程序
		|--- unimrcpserver_control // 启动脚本
	|--- conf 		// 配置文件
		|--- unimrcpserver.xml 	// 可执行程序框架配置项
		|--- unimrcpserver_control.conf // 启动配置项
		|--- mrcp-asr.conf 		// 识别插件配置项
		|--- mrcp-proxy.conf 	// 合成插件配置项
		|--- comlog.conf 		// 日志配置项
	|--- data  		// 资源文件
	|--- lib   		// 依赖库
	|--- log   		// 日志目录
	|--- plugin  	// 插件目录

鉴权与IP参数配置

用户首先需进行相关配置以启动程序。一般地，配置采用默认值即可，需要用户修改的主要有:

在主程序配置文件 ${SERVER_ROOT}/mrcp-server/conf/unimrcpserver.xml 中配置本程序IP，具体位置：unimrcpserver->properties->ip，可选用多种方式，只能同时使用一种：

	* type="auto"，由程序自动获取机器IP。默认配置，用户无需修改。
	* type="iface"，填写网口名称，较少使用。
	* 直接手动填写IP，如：<ip>10.10.0.1</ip>，可以使用。

语音识别配置conf/mrcp-asr.conf中更改AUTH_APPID和AUTH_APPKEY为从百度官方获取的APPID和API Key的值。
语音合成配置conf/mrcp-proxy.conf中更改AUTH_APPID和AUTH_APPKEY为从百度官方获取的APPID和API Key的值。
启动配置文件 ${SERVER_ROOT}/mrcp-server/conf/unimrcpserver_control.conf，用于监测相应IP和端口，判断程序是否启动成功。搜索到_check_cmd_pro="./bin/check 127.0.0.1 1544"的位置：

	* 如果主程序配置IP采用默认type="auto"方式，则该处"127.0.0.1"不用修改。
	* 如果主程序配置IP使用手动填写IP方式，则该处的IP值修改为与它相同的值。

详细的配置说明见模块内README文件-${SERVER_ROOT}/mrcp-server/README

服务启动

初次下载MRCP server安装包，需要在 ${SERVER_ROOT}/ 目录下，以 root 权限执行 bootstrap.sh 脚本，以完成百度自带gcc8.2环境配置。
程序调试阶段，建议在程序目录${SERVER_ROOT}/mrcp-server/下，手动使用命令"./bin/unimrcpserver -r . &"启动程序，方便查看输出、定位问题。使用netstat -nlp | grep unimrcp，查看IP和端口5060/1544/1554，看是否启动成功。如果公司有防火墙限制，请记得将这三个端口打开。
使用启动脚本，以守护进程形式启动程序。在生产环境使用时，建议使用该方式：
- 启动：在${SERVER_ROOT}/mrcp-server目录执行 ./bin/unimrcpserver_control start
- 停止：在${SERVER_ROOT}/mrcp-server目录执行 ./bin/unimrcpserver_control stop
- 重启：在${SERVER_ROOT}/mrcp-server目录执行 ./bin/unimrcpserver_control restart
进行start前确保系统无mrcp进程；进行stop/restart时确保系统有mrcp进程。如果不行，通过 ps aux | grep mrcp 尝试将所有mrcp相关的进程kill掉，重新 start。

请求说明

鉴权信息

如需使用语音识别能力，则需在下载的Mrcp Server中对识别配置文件进行参数更改 ${SERVER_ROOT}/mrcp-server/conf/mrcp-asr.conf。确保AUTH_APPID和AUTH_APPKEY填写正确。

* AUDIO_CONTROLLER_ADDR，百度上游服务地址(默认值当前有效)
* AUTH_APPID和AUTH_APPKEY，从百度官网中获取的APPID和API Key的值。
* NEED_SAVE_AUDIO，是否保存语音识别时用户语音，默认1为保存

程序验证

首先，将mrcp-server/lib目录加入系统环境变量中，export LD_LIBRARY_PATH=${SERVER_ROOT}/mrcp-server/lib:$LD_LIBRARY_PATH，注意将${SERVER_ROOT}修改为程序真实路径。

在主程序启动后，可使用自带的测试工具进行验证。conf/client-profiles/unimrcp.xml 是测试工具的配置文件，需要将其中的unimrcpclient->settings->sip-settings->server-ip的值修改为本机IP，端口设置为主程序端口，如5060。

切换到 ${SERVER_ROOT}/mrcp-server/bin 目录下

验证语音识别正确性，则执行 ./asrclient，输入 run grammar.xml xeq.pcm，可看到返回的识别结果，使用 quit 退出。识别的是 ../data 目录下的xeq.pcm音频，也可查看log目录下日志mrcp_debug.log是否有识别结果。该工具只为测试部署正确性，测试较长音频时，会因为vad截断而只识别音频里的第一句话；只支持pcm格式音频识别；该工具也不支持批量音频识别。
用户呼叫软件如freeswitch，在与mrcp server通信时可能需要传递grammar文件，请使用mrcp server中data/grammar.xml文件。
呼叫中心场景，噪声识别是个很难解的问题。如果用户想忽略因噪声而误识别出的单字结果，例如嗯，啊等，可在conf/mrcp-asr.conf中设置DETECT_START_OF_INPUT_BY_VAD为0，并在SINGLE_WORD_WHTIL_LIST配置的白名单文件中进行相应配置。功能开启后，单字识别结果的场景下，只会识别白名单中的单字。

返回说明

语音识别. 往前端返回如下xml格式的内容：

<?xml version="1.0" encoding="UTF-8" ?>
<result>
    <asr confidence="100">今天天气怎么样</asr>
    <ext>
        <logid>6a373e36722811e9_2_1</logid>
    </ext>
</result>

识别结果格式支持模版配置，在conf/mrcp-asr.conf中，修改XML_ASR_RESULT_TEMPLATE 的值即可。在conf目录下默认定义了几种模版，用户可根据需要选择一项或自己定义。

模型自训练

对于特定词句如人名、专业术语等，语音识别结果会存在不准确的情况。可通过百度语音自训练平台，进行自训练，提升识别效果。训练完成后会得到一个模型ID，用户通过mrcp进行识别请求时，需要在mrcp客户端的vendor_specific_params参数中添加相应的键值对,如：lmid=123。

呼叫中心语音-音频文件转写（8K）

SDK文档