Twilio语音机器人如何在TwiML Say播报完成后触发Media Stream的WebSocket服务

你遇到的问题由两个核心原因导致，按以下步骤修复即可：

1. 先修复基础错误 #

你的代码里存在两处低级拼写错误，会直接导致Twilio收到错误响应无法执行后续指令：

• 呼叫端点里你定义的响应变量是voice_respond，返回时错误写为voice_response
• say方法的voice参数有效值是woman，你错误写为women

2. 解决呼叫状态错误问题 #

ringing是呼叫尚未接通的临时状态，只有当呼叫正式接通后，状态才会变为in-progress，此时才能执行修改通话、启动媒体流等操作。
把你呼叫端点的状态判断逻辑修改为：

@app.route("/twilio_call", methods=['POST'])
def voice(request):
    """Respond to incoming phone calls with a greet message"""
    call_status = request.form.get("CallStatus")
    # 仅在通话正式接通后返回业务TwiML
    if call_status == "in-progress":
       voice_response = VoiceResponse()
       # 给say添加action属性，播报完成后Twilio会自动请求该地址
       voice_response.say("hello! how can I help!", voice='woman', action='/start_stream', method='POST')
       return response.text(str(voice_response), content_type="text/xml")
    # 其他状态返回空响应即可
    return Response(status=200)

3. 实现问候语播报完成后自动启动媒体流 #

你之前将Say和Stream放在同一份TwiML里无法生效，是因为<Start><Stream>指令会被Twilio优先异步执行，和Say的播放时序冲突。
新增一个专门启动媒体流的端点，等问候语播报完成后Twilio会自动调用该端点，此时返回带Stream的TwiML即可：

@app.route("/start_stream", methods=['POST'])
def start_stream(request):
    voice_response = VoiceResponse()
    start = Start()
    start.stream(url='wss://<NGROK_IP>.ngrok.io/webhooks/twilio_voice/media')
    voice_response.append(start)
    # 可以在这里加一个空的<Pause>保证流连接稳定，也可以不加
    voice_response.pause(length=1)
    return response.text(str(voice_response), content_type="text/xml")

4. 修复修改通话的报错 #

你之前调用client.calls.update报错，是因为调用时机过早，呼叫还没进入in-progress状态。
你可以等媒体流WebSocket端点收到第一次event为media的消息后，再调用修改通话的接口，此时通话状态一定是可修改的：

@app.websockets('/media')
def transcribe_media(request, ws):
    client = Client(ACCOUNT_SID, AUTH_TOKEN)
    while True:
        message = ws.recv()
        if message is None:
            continue
        data = json.loads(message)
        if data['event'] == "media":
            # 此处发送数据到Google STT获取转写结果
            msg_text = "你的转写后响应内容"
            # 拿到转写结果后再修改通话，此时状态一定是in-progress
            call_sid = data['start']['callSid']
            call = client.calls(call_sid).update(
                twiml=f'<Response><Say voice="woman" language="de-DE">{msg_text}</Say></Response>'
            )

内容的提问来源于stack exchange，提问作者busy