摘要：

最近再研究PJSIP，有一个需求，再适当的时候，需要给远程客户端放音，比如：播放一段广告、或者一段音乐。需要采用API来实现。

正文：

最近想用PJSIP做一个机器人，想法比较简单就是获取客户的语音流，然后送给ASR，进行识别，识别的结果送给NLP（大脑），NLP返回的结果，再送给TTS合成，合成语音，播报给客户听。

架构图：SIP话机注册到录音平台，客户通过语音平台和SIP话机建立通话，我们通过会议桥的方式，建立两个port, 其中一个player port的。其中一个是rec port。 rec port负责将语音流送给VAD 检测，如果VAD发现静音了 ， 将语音送给ASR，ASR识别结果送给NLP，NLP 大脑得到结果后，送给TTS，TTS 文本合成语音，将语音通过play port送到会议，客户就可以听到了。销毁Play port.

2.  Play port

通过PJSIP会议桥的方式，创建播放TTS的会议桥 。

3.   Rec Port

通过PJSIP会议桥的方式，创建收客户说话音频的会议桥。

4. VAD

收音的过程中不断通过VAD检测客户是否说完一段话。

5 打断技术

当检测到客户说话，执行打断当前播放的操作。