创建可集成ChatGPT的IVR机器人：双向录音与通话事件问题咨询

双向音频录制方案 #

• 不要局限于<record>动词，多数IVR平台/自建服务支持全局通话录音配置：
  • 云IVR服务：查看API文档中通话录制相关参数，通常可指定录制方向为双向，在通话创建时开启该配置，即可自动录制用户与IVR的双向音频，无需单独调用留言式的<record>。
  • 自建SIP服务器（如Asterisk、FreeSWITCH）：配置全局通话录音规则，设置录制双方音频，可选择混合单声道或分轨双声道保存，比如Asterisk中启用mixmonitor功能并指定双声道参数。
  • 自建媒体处理场景：通过RTP中继捕获双向媒体流，用ffmpeg等工具将双路RTP流转码为双声道音频文件，实现分轨录制。

通话中流程动态修改方案 #

• 启用实时通话事件监听：
  • 云IVR服务：确认是否支持实时事件推送（如用户按键、语音输入完成、通话状态变更），这类事件通常通过WebSocket或即时Webhook推送，而非仅通话结束后触发。拿到实时事件后，即可动态调整IVR流程。
  • 自建服务器：基于SIP协议监听通话中的DTMF、语音识别完成等事件，比如在Asterisk中用AGI脚本实时响应事件，生成新的IVR指令返回给通话通道，实现流程跳转或触发ChatGPT交互。
  • 替换静态IVR逻辑：将预先定义的XML/静态流程改为动态生成模式，每次用户完成交互后，服务器根据实时状态生成新的IVR响应，结合实时事件触发流程更新。

内容的提问来源于stack exchange，提问作者PhillipG