11、语音流推送

1. 接口说明

实时语音流推送是在通话进行中，把音频切成极小的数据包，通过WebSocket等协议持续推送给后端或者客户业务系统，客户业务系统支持AI语音助手实时对话、坐席实时辅助、实时质检、实时录音OSS 存储等场景。

本文主要介绍语音平台实时语音流ws/wss推送规范描述。接口用于接收 优音 语音平台推送的实时通话语音流。语音以二进制 PCM 形式通过 WebSocket 推送，服务端接收语音流进行业务处理。

• 协议：WebSocket or WebSocket over SSL（WS/WSS）

• 传输方式：二进制帧推送音频数据

• 音频格式：PCM 8000Hz / 16bit / 双声道（左右声道区
  分客户和坐席）

  2.服务端和客户端交互

  

• 如果ws/wss连接中途发生异常, 客户端不支持重连。

• 客户端支持每次推送多长时间的语音(双声道最大支持128毫秒), 客户端配置。

• 启动推流时间点：来电业务场景下转接的被叫号码接听时开始推流; 外呼业务场景下被叫号码（客户号码）接听时开始推流。

• 推流方式：坐席侧推流方式。

3. 服务端ws/wss地址

wss://{服务域名}/{api_path}?authorization={鉴权Token}
ws://{服务域名/IP:port}/{api_path}?authorization={鉴权Token}

采用固定 Token 鉴权：

• 双方预先约定一个 Token 字符串
• 对方在连接 URL 的 authorization 参数中传入该 Token
• 服务端比对一致则放行，否则拒绝连接
  Token 值请向服务端接口负责人索取。

4. 客户端ws/wss规范

客户端负责传入鉴权 Token和写入通话相关信息到固定header头: x-earshot-meta， 其值包括通话相关信息，是一个JSON格式的字符串, 易于扩展。示例如下： x-earshot-meta: {“callid”:”4bb3d592-e8dd-41c7-c16f-fdf180aa5012”,”sessionid”:”92241e0c-b4ae-4bb6-cb10-368dcabd4375”}