基于Twilio+OpenAI的电话聊天Bot长音频播放失败问题排查

核心原因分析 #

Twilio对Webhook请求有默认超时限制（15秒），当生成较长音频时，OpenAI TTS处理+音频返回的总耗时超过这个阈值，就会触发11200（HTTP检索失败）或11205（连接超时）错误。短音频处理耗时在超时范围内，所以能正常响应。

具体排查与修复步骤 #

1. 调整Twilio超时配置 #

Twilio允许将Webhook超时最大调整到120秒，先在控制台修改：

• 进入Twilio控制台，找到目标号码
• 进入「Voice & Fax」模块，查看「A call comes in」的配置项
• 将「Timeout」值调整为120秒

注：即使调大超时，若服务器处理耗时超过120秒仍会失败，需配合后续优化

2. 改用异步音频生成+临时存储方案 #

直接在Flask路由中同步生成并返回长音频会阻塞请求，导致Twilio超时。建议先将音频上传到临时存储，再返回Twilio可直接访问的URL：
示例代码调整（Flask）：

from flask import Flask, request, Response
import openai
import threading
from twilio.twiml.voice_response import VoiceResponse, Play

app = Flask(__name__)

# 模拟本地临时存储（生产环境建议用云存储如S3）
temp_audio_store = {}

def generate_audio(text, call_sid):
    # 生成TTS音频
    response = openai.audio.speech.create(
        model="tts-1",
        voice="alloy",
        input=text,
        timeout=30
    )
    # 将音频字节存入临时存储
    temp_audio_store[call_sid] = response.read()

@app.route("/voice", methods=['POST'])
def voice():
    call_sid = request.form['CallSid']
    # 省略Whisper转写、ChatGPT生成回复的代码
    gpt_long_response = "用户的长文本回复内容"

    # 开启线程异步生成音频，不阻塞当前请求
    threading.Thread(target=generate_audio, args=(gpt_long_response, call_sid)).start()

    # 返回Twilio指令：先播放等待提示，再重定向获取音频
    resp = VoiceResponse()
    resp.play("https://your-ngrok-domain/waiting_tone.mp3")
    resp.redirect(f"/fetch_audio?call_sid={call_sid}")
    return Response(str(resp), mimetype='application/xml')

@app.route("/fetch_audio", methods=['POST'])
def fetch_audio():
    call_sid = request.args.get('call_sid')
    if call_sid in temp_audio_store:
        # 返回音频内容
        return Response(temp_audio_store[call_sid], mimetype='audio/mpeg')
    else:
        # 音频未生成完成，返回等待提示并重定向重试
        resp = VoiceResponse()
        resp.play("https://your-ngrok-domain/waiting_tone.mp3")
        resp.redirect(f"/fetch_audio?call_sid={call_sid}")
        return Response(str(resp), mimetype='application/xml')

3. 优化音频生成效率 #

• 调整OpenAI TTS参数，通过提高语速缩短音频时长：

response = openai.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input=gpt_response,
    speed=1.2  # 提高语速，减少音频生成时间和文件长度
)

• 将超长文本分割为多个片段，生成多段音频后用Twilio的多个<Play>指令依次播放

4. 检查ngrok限制 #

免费版ngrok有连接时长和带宽限制，长音频传输可能触发中断：

• 升级ngrok到付费版，获得更长连接时长和更高带宽
• 确保ngrok隧道保持活跃，避免因长时间无流量被自动断开

5. 启用Flask异步模式 #

Flask 2.0+支持异步路由，可减少请求阻塞：

@app.route("/voice", methods=['POST'])
async def voice():
    # 异步执行音频生成逻辑
    # ... 其余代码调整为异步写法

内容的提问来源于stack exchange，提问作者David A.