基于Asterisk AudioSocket与Node.js的语音流传输问题排查

1. 处理Asterisk AudioSocket的握手帧 #

Asterisk建立AudioSocket连接后，会先发送19字节的握手帧（包含版本、音频编码、采样率等元数据），这不是有效音频数据。如果你的Node.js服务器直接把这19字节传给Google STT，必然触发超时错误。

• 先在Node.js代码中解析握手帧：前4字节是魔法字AUD\0，后续字段包含编码类型（0=PCMU、1=PCMA）、采样率等信息，解析完成后再开始转发后续的音频流到STT。

2. 验证Asterisk配置正确性 #

• 检查extensions.conf中的AudioSocket调用参数，确保指定了兼容的传输模式和编码：

  [from-3cx]
  exten => _X.,1,NoOp(Incoming 3CX call)
  same => n,AudioSocket(127.0.0.1:8080,raw) ; raw模式传输原始编码音频
  same => n,Hangup()
  

• 确认Asterisk加载了res_audiosocket.so模块：执行命令asterisk -rx "module show like audiosocket"查看模块状态，未加载则手动加载。

3. 对齐3CX与Asterisk的音频编码 #

3CX和Asterisk的SDP协商必须使用相同的音频编码（优先PCMU/8kHz，电话系统通用格式），编码不匹配会导致Asterisk无法转发有效音频流：

• 开启Asterisk verbose日志：core set verbose 5，查看通话建立时的SDP协商记录，确认双方最终使用的编码一致。

4. 修复Node.js服务器的流转发逻辑 #

• 确保Node.js在解析握手帧后，持续监听TCP连接的音频数据并转发到Google STT的流式识别接口，不能仅发送初始的19字节就停止。
• 检查TCP连接状态：如果Asterisk意外断连，要处理重连或错误捕获，避免STT流因为无数据输入超时。

5. 调整Google STT的流式配置 #

• 确保STT的音频参数与Asterisk输出完全匹配：比如配置encoding: 'MULAW'（对应PCMU编码）、sampleRateHertz: 8000、languageCode: 'zh-CN'（根据实际语言调整）。
• 关闭singleUtterance参数（设为false），避免STT在短暂静音时提前终止识别流程触发超时。

内容的提问来源于stack exchange，提问作者Code Guru