Python中Twilio通话WebSocket流无法调用Response.Say问题

问题原因 #

你当前的写法里，只是在循环外创建了VoiceResponse对象并调用say方法，但没有把生成的TwiML指令发送给Twilio。Twilio在WebSocket流模式下，不会自动监听你本地VoiceResponse对象的变化，必须主动通过WebSocket发送特定格式的指令，才能触发语音播放。而通话开始时的Response.Say能正常工作，是因为它包含在初始返回给Twilio的TwiML响应里，Twilio能直接解析执行。

解决方案 #

修改代码，在需要播放语音的分支里，动态创建VoiceResponse生成TwiML，然后打包成Twilio要求的格式发送到WebSocket：

def stream(ws):
    rec = KaldiRecognizer(model, 16000)
    while True:
        message = ws.receive()
        packet = json.loads(message)
        if packet['event'] == 'start':
            print('Streaming is starting')
        elif packet['event'] == 'stop':
            print('\nStreaming has stopped')
        elif packet['event'] == 'media':
            audio = base64.b64decode(packet['media']['payload'])
            audio = audioop.ulaw2lin(audio, 2)
            audio = audioop.ratecv(audio, 2, 1, 8000, 16000, None)[0]
            if rec.AcceptWaveform(audio):
                r = json.loads(rec.Result())
                print(CL + r['text'] + '\n', end='', flush=True)
                # 生成播放语音的TwiML并发送给Twilio
                response = VoiceResponse()
                response.say('Sample response message')
                ws.send(json.dumps({
                    'event': 'command',
                    'command': 'play',
                    'twiml': str(response)
                }))
            else:
                r = json.loads(rec.PartialResult())
                print(CL + r['partial'] + BS * len(r['partial']), end='', flush=True)

关键说明 #

• 每次需要播放语音时，都要创建新的VoiceResponse实例，生成对应的TwiML字符串。
• 通过WebSocket发送的消息必须包含event: 'command'和command: 'play'字段，同时把TwiML字符串放在twiml字段里，Twilio收到后才会执行播放操作。

内容的提问来源于stack exchange，提问作者Rohan Choudhary