Asterisk AudioSocket流无法传输至Python服务，Google语音识别无响应求助

配置与环境 #

Asterisk拨号计划配置 #

same  => n(newIvr),Log(NOTICE, Start New IVR POC flow)
same  => n,AudioSocket(${UUID()},172.25.25.150:1579)
same  => n,Playback(goodbye)
same  => n,Hangup()

环境说明 #

• 基于Python的AudioSocket服务（使用silentindark的audiosocket_server仓库）
• 对接Google Speech-to-Text API
• 已尝试配置：pjsip.conf中allow= slin,ulaw, alaw，Python代码中用audioop.ulaw2lin(data, 2)解码

遇到的问题 #

• 音频流发送后无法收到Google语音识别的文本响应
• 生成的raw和wav音频文件大小固定为13KB，wav文件时长显示0秒，在线转换raw到wav提示文件无效

解决方法 #

1. 对齐音频格式与Google API要求 #

Google Speech-to-Text默认要求PCM线性16位、单声道、8kHz/16kHz采样率。Asterisk的AudioSocket默认发送ulaw格式，需强制指定线性格式：

• 修改拨号计划的AudioSocket指令，添加格式参数：AudioSocket(${UUID()},172.25.25.150:1579,slin)
• Python侧传递给Google API时，明确指定sample_rate_hertz=8000（Asterisk默认电话采样率）

2. 修复音频流接收与文件写入逻辑 #

• 确保Python服务持续读取音频流：silentindark的仓库默认可能只读取了初始socket数据，需循环读取直到连接断开：

  while True:
      data = conn.recv(1024)
      if not data:
          break
      # 执行解码、写入文件或发送到API的操作
  

• 生成有效wav文件：raw是无格式PCM数据，必须添加正确文件头，用wave模块实现：

  import wave
  with wave.open("valid_output.wav", "wb") as wf:
      wf.setnchannels(1)  # 单声道
      wf.setsampwidth(2)  # 16位采样宽度
      wf.setframerate(8000)  # 匹配Asterisk采样率
      wf.writeframes(decoded_data)
  

3. 验证Google API请求方式 #

• 使用流式请求而非一次性发送固定数据：若只发送13KB初始数据，Google会判定音频结束且无有效语音，导致无响应。需按API要求持续推送音频流。
• 检查API权限：确认服务账号密钥有效，项目已启用Speech-to-Text API，无配额限制。

4. 排查Asterisk侧音频路由与网络 #

• 在Asterisk控制台执行core show channels，确认通话进入newIvr分支后，AudioSocket连接已正常建立。
• 验证网络连通性：确保Asterisk服务器能访问172.25.25.150的1579端口，Python服务已正常监听该端口。

内容的提问来源于stack exchange，提问作者Code Guru