使用Twilio Programmable Voice外呼时采集语音转写的问题求助

问题分析 #

你当前的代码存在两个核心问题：

• 外呼的TwiML配置虽包含<Gather>，但后端处理action回调的代码没有正确接收并解析Twilio传递的语音转写结果，只是生成了空的<Gather>标签，自然不会输出有效内容。
• 没有正确配置<Gather>的语音转写相关参数，确保Twilio能准确采集并返回转写数据。

完整实现步骤 #

1. 外呼发起代码优化 #

调整TwiML的<Gather>配置，明确指定语音模型、语言，提升转写准确率与灵活性：

client.calls
  .create({
    twiml: `
      <Response>
        <Gather 
          input="speech" 
          action="https://ngrok-url-for-my-local-server/voice" 
          method="POST" 
          speechTimeout="auto"
          speechModel="phone_call"
          language="zh-CN"
        >
          <Say language="zh-CN">你好，请问你最近过得怎么样？</Say>
        </Gather>
        <!-- 用户未说话时的兜底逻辑 -->
        <Say>没有收到你的语音，通话即将结束。</Say>
      </Response>
    `,
    to: toPhoneNumber,
    from: myPhoneNumber,
  })
  .then((call) => {
    console.log(`呼叫SID: ${call.sid}`)
  })
  .catch((e) => {
    console.error(`呼叫失败: ${e.message}`)
  })

• speechTimeout="auto"：让Twilio自动检测用户停止说话的节点，比固定时长更适配实际场景。
• speechModel="phone_call"：针对电话通话场景优化的语音模型，提升转写准确率。
• language：明确指定语音语言，避免转写偏差。

2. 后端回调处理代码 #

后端的/voice端点需要接收Twilio的POST请求，提取SpeechResult（转写后的文本）与SpeechConfidence（转写置信度）参数，而非生成空的<Gather>：

const express = require('express');
const twiml = require('twilio').twiml;
const app = express();

// 解析Twilio的POST请求体
app.use(express.urlencoded({ extended: false }));

app.post('/voice', (req, res) => {
  // 从请求体中提取转写结果
  const speechResult = req.body.SpeechResult;
  const confidence = req.body.SpeechConfidence;

  // 输出有效内容到控制台
  if (speechResult) {
    console.log(`用户语音转写结果: ${speechResult}`);
    console.log(`转写置信度: ${confidence}`);
  } else {
    console.log('未采集到有效语音');
  }

  // 生成结束通话的TwiML响应
  const voiceResponse = new twiml.VoiceResponse();
  voiceResponse.say(`我听到你说：${speechResult || '没有内容'}，通话结束。`);
  voiceResponse.hangup();

  res.type('text/xml');
  res.send(voiceResponse.toString());
});

app.listen(3000, () => {
  console.log('服务器运行在端口3000');
});

• 必须通过express.urlencoded解析请求体，才能正确获取Twilio传递的参数。
• 处理完成后需返回TwiML指令，告知Twilio后续操作（如挂断通话）。

3. 关键注意事项 #

• 确保ngrok公网URL可正常映射到本地服务器，Twilio需能访问到你的/voice端点。
• 检查Twilio控制台的语音设置，确认语音转写功能处于启用状态（默认启用）。
• 若需长时间采集语音，可替换为<Record>标签，<Gather>更适合短语音交互场景。

内容的提问来源于stack exchange，提问作者ashutosh sHisodia