[發明專利]適配層、語音通信系統及其控制方法

有效

• 申請號: 202010618280.8
• 申請日: 2020-07-01
• 公開（公告）號: CN111917726B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 艾巍;邵小亮;謝隆飛;張浩
• 申請（專利權）人: 中國建設銀行股份有限公司;建信金融科技有限責任公司
• 主分類號: H04L65/1104
• 分類號: H04L65/1104;H04L65/65;H04L65/80;H04L69/16
• 代理公司: 北京市蘭臺律師事務所 11354
• 代理人: 張峰

本申請提供了一種適配層、語音通信系統及其控制方法，適配層包括路由適配器、音色適配器以及資源監控器；媒體資源服務器集群通過適配層，與智能語音服務器集群建立N：N的通信關系，N為大于1的正整數；在握手階段和請求服務階段，媒體資源服務器集群中的媒體資源服務器通過適配層與對應的智能語音服務器集群中的智能語音服務器進行信息交互。語音通信系統在中間構建適配層，以一種低成本的方式，在不改造媒體資源服務器和智能語音產品兩個第三方公司龐大平臺的前提下，靈活調整適配層，應對多租戶的多個性化應用的復雜需求。適配層掌控了語音交互的底層通信，未來可以根據需求，在適配層快速迭代，可靈活構造出更多的應用。

技術領域

本申請涉及語音傳輸的技術領域，具體而言，本申請涉及一種適配層、語音通信系統及其控制方法。

背景技術

隨著人工智能技術的發展，基于ASR、TTS的智能外呼得到廣泛應用。在業界主流的架構方案中，媒體資源服務器負責接收用戶的語音和播放智能語音服務合成的語音；智能語音服務負責識別用戶的語音轉發到自然語言處理模塊、把成自然語言處理模塊返回的文字合成語音。媒體資源服務器與智能語音服務通過SIP、SDP、MRCP、RTP協議通信，其中兩者握手階段，SIP協議和SDP協議用于協商服務能力、TCP和UDP通信端口、協商通信信道等；兩者交互階段，MRCP協議用于控制媒體資源(文字、語音等)交互，RTP協議用于傳輸媒體資源流。在媒體資源服務器端有幾個關鍵配置：1、音色，用于指定智能語音服務的TTS合成語音使用的音色；2、智能語音服務的mrcp服務器地址和端口，媒體資源服務器向這個地址和端口發送報文和數據來交互；3、ASR和TTS線路數，指定與智能語音服務建立的信道數，一個信道支持一路TTS服務或一路ASR服務。

如前文所述，媒體資源服務器與智能語音服務直接建立一對一的通信信道，對于大型的智能外呼系統，租戶較多，租戶個性化需求較多時，這種構建模式存在如下缺點：

1.無法支持多家智能語音產品。不同智能語音產品有各自的長處與短處，服務價格也有差異。不同租戶針對自己的應用場景及預算，需要選擇不同的智能語音產品。而目前要使用多智能語音產品，一種方案是按1：1的構建關系部署多套媒體資源服務器與智能語音服務，這種方案成本高，管理復雜；另一種方案是改造媒體資源服務器，對接多個智能語音服務，此方案依賴于第三方提供媒體資源服務器的公司，成本高，沒有自主產權，無法把控；同時要遷移很多業務要素到媒體資源服務器平臺，風險高，牽一發而動全身，不夠小巧靈活。

2.無法同時支持多種音色。不同租戶喜好的音色不同，甚至有自定制音色的需求。音色參數目前由媒體資源服務器平臺設置傳遞，無法配置多個音色，更無法針對不同租戶設置不同的音色。功能局限。

3.無法有效監控ASR和TTS的資源占用情況。目前已知的中興媒體資源服務器能監控某個時間節點的ASR和TTS使用線路數；阿里僅支持監控ASR的并發數。這些監控方式存在弊端，只能統計并發數。而智能語音服務里傳輸的關鍵數據是語音流，實時語音流達到數秒甚至幾十秒，這時都是占用ASR和TTS資源的。在統計并發數的基礎上，更應統計服務時長，才能精準核算資源消耗和成本。

發明內容

本申請針對現有方式的缺點，提出一種適配層、語音通信系統及其控制方法，用以解決上述問題，并為未來應用功能擴展提供基礎。

第一方面，本申請實施例提供了一種多智能語音產品的適配層，包括路由適配器、音色適配器以及資源監控器；

媒體資源服務器集群通過適配層，與智能語音服務器集群建立N：N的通信關系，N為大于1的正整數；

在握手階段和請求服務階段，媒體資源服務器集群中的媒體資源服務器通過適配層與對應的智能語音服務器集群中的智能語音服務器進行信息交互。

在本申請的一個實施例中，在握手階段，適配層利用SIP協議和SDP協議來轉發媒體資源服務器和智能語音服務器的信息；