FreeSWITCH对接vosk实现实时语音识别

环境：CentOS 7.6_x64

FreeSWITCH版本：1.10.9

Python版本：3.9.2

一、背景描述

vosk是一个开源语音识别工具，可识别中文，之前介绍过python使用vosk进行中文语音识别，今天记录下FreeSWITCH对接vosk实现实时语音识别。

vosk离线语音识别可参考我之前写的文章：

python使用vosk进行中文语音识别

二、具体实现

1、编译及安装vosk模块

可直接使用github上的代码进行编译：

https://github.com/alphacep/freeswitch.git

这里描述下使用FreeSWITCH 1.10.9 编译 mod_vosk 的过程，大致步骤如下：

1）将 mod_vosk 代码复制到 freeswitch-1.10.9.-release/src/mod/asr_tts 目录；

2）modules.conf 文件中启用mod_vosk模块；

3）生成 Makefile 文件；

./devel-bootstrap.sh && ./configure

4) 编译并安装 vosk 模块；

cd freeswitch-1.10.9.-release/src/mod/asr_tts/mod_vosk

make

make install

fs编译遇到问题，可参考这篇文章：CentOS7环境源码安装freeswitch1.10

2、配置 vosk 模块

1）启用 vosk 模块；

编辑 autoload_configs/modules.conf.xml 文件，启用 vosk 模块：

<load module="mod_vosk"/>

2）配置 conf 文件；

将 mod_vosk/conf/vosk.conf.xml 配置文件复制到如下路径：

/usr/local/freeswitch/conf/autoload_configs/

修改 vosk 服务器地址：

三、运行效果

1、启动 vosk 服务器

目录：vosk-server\websocket

启动命令如下：

workon py39env

python asr_server.py vosk-model-cn-0.15

运行效果如下：

具体可参考我之前写的文章：python使用vosk进行中文语音识别

2、实时语音识别

编写拨号方案：

<condition field="destination_number" expression="^123456$">

  <action application="answer"/>

  <action application="set" data="fire_asr_events=true"/>

  <action application="detect_speech" data="vosk default default"/>

  <action application="sleep" data="10000000"/>

</condition>

本地分机拨打123456进行验证,运行效果如下：

运行效果视频获取途径：

关注微信公众号（聊聊博文，文末可扫码）后回复 2023050401 获取。

3、回铃音识别

这里使用其它服务器配合来模拟回铃音。

fs服务器：192.168.137.32

回铃音服务器：192.168.137.31

3.1 配置回铃音服务器

核心点是使用 pre_answer 应用，设置回铃音。

拨号方案如下：

<extension name="public_extensions">

      <condition field="destination_number" expression="^(654321)$">

        <action application="pre_answer"/>

        <action application="set" data="ringback=/usr/local/freeswitch/sounds/test/tips1.wav"/>

        <action application="transfer" data="1008 XML default"/>

      </condition>

</extension>

需要注意的是，如果回铃音不生效，可以看下后续的拨号方案是否有替换动作。

3.2 配置网关

网关配置信息：

[root@host32 conf]# cat sip_profiles/external/gw_a.xml

<include>

    <gateway name="gw_A">

        <param name="username" value="anonymous"/>

        <param name="from-user" value=""/>

        <param name="password" value=""/>

        <param name="outbound-proxy" value="192.168.137.31:5080"/>

        <param name="register-proxy" value="192.168.137.31:5080"/>

        <param name="expire-seconds" value="120"/>

        <param name="register" value="false"/>

        <param name="register-transport" value="UDP"/>

        <param name="caller-id-in-from" value="true"/>

        <param name="extension-in-contact" value="true"/>

        <variables>

          <variable name="gateway_name" value="gw_A"/>

        </variables>

    </gateway>

</include>

[root@host32 conf]#

3.3 编写本地拨号方案

本地拨号方案：

<condition field="destination_number" expression="^9123456$">

  <action application="bridge" data="{ignore_early_media=false,bridge_early_media=true,fire_asr_events=true,execute_on_pre_answer='detect_speech vosk default default'}sofia/gateway/gw_A/654321"/>

</condition>

本地分机拨打9123456，可听到回铃音,识别效果如下：

运行效果视频获取途径：

关注微信公众号（聊聊博文，文末可扫码）后回复 2023050402 获取。

四、资源下载

本文涉及源码及预编译模块二进制文件，可以从如下途径获取：

关注微信公众号（聊聊博文，文末可扫码）后回复 20230504 获取。