MRCP的錄音資源可以具有一些基本的語音處理能力支持語音檢測。這里的語音檢測功能可以支持對錄音起始階段，結(jié)束階段的錄音，甚至于中間的錄音進行靜音壓縮處理，因此移除語音中的靜音部分，從而降低錄音文件存儲大小。另外，如果在預(yù)設(shè)的超時設(shè)置中，沒有收到任何語音，此功能可以支持錄音終止執(zhí)行。如果接收端在結(jié)束之前檢測到一段靜音狀態(tài)，錄音資源也要自動結(jié)束錄音。錄音資源的應(yīng)用范圍非常廣泛，可以應(yīng)用在語音留言服務(wù)器環(huán)境，智能客服語音導(dǎo)航等環(huán)境中。在本章節(jié)中，我們會詳細介紹錄音資源的請求，事件和標(biāo)題的具體內(nèi)容。
1、錄音資源支持三個請求消息和兩個事件信息，以及十五個頭三個請求消息是：
兩個事件消息是：
十五個標(biāo)題包括：
MRCP錄音資源同樣也支持一個狀態(tài)機。MRCP客戶端發(fā)起一個請求，媒體錄音資源生成事件消息。
2、RECORD請求方法是由MRCP客戶端發(fā)起，默認(rèn)情況下，錄音資源開始捕捉語音數(shù)據(jù)。如果當(dāng)出現(xiàn)在 Capture-On-Speech標(biāo)題出現(xiàn)在請求中，并且此值為true，當(dāng)語音被檢測到以后，錄音資源才開始捕捉語音數(shù)據(jù)。錄音格式是通過Media-Type header來設(shè)置。此標(biāo)題會出現(xiàn)在RECORD請求中。錄音資源對捕捉到語音錄音以后，通過Record-URI的形式表示錄音存儲路徑。如果此標(biāo)題出現(xiàn)沒有支持設(shè)置的值，則錄音資源會在錄音完成事件消息中返回記錄-URI或在STOP請求中，攜帶一個URL地址。
如果在記錄的請求中省略了記錄-URI，錄音資源則會在錄音完成事件的消息體中或者停止響應(yīng)中返回這個URL值。
MRCP要求Record-URI至少支持HTTPS來保證數(shù)據(jù)傳輸?shù)陌踩�，MRCP同樣也支持經(jīng)常使用的http：//和file：// URI的形式。如果Record-URI是無效的地址，則會返回?zé)o效狀態(tài)碼“404標(biāo)題非法值”。如果錄音資源因為各種原因不能對創(chuàng)建的內(nèi)容鏈接，則返回407方法或操作失敗。
視頻資源，請求中可以支持隊列的處理。的流程圖：
3、默認(rèn)環(huán)境下，啟動錄音以后，No-Input-Timeout標(biāo)頭就會啟動一個無輸入定時器的定時器。如果在定時器超時之前沒有檢測到語音輸入時，RECORD-COMPLETE事件消息會返回完成 - 原因，此值為002 noinput-timeout。通常情況下，系統(tǒng)提示用戶完成輸入以后，MRCP客戶端會馬上發(fā)起一個RECORD請求。對某些應(yīng)用場景來說，用戶輸入的同時需要同時啟動錄音操作。錄音資源可以通過二次設(shè)置來啟動定時器的設(shè)置。RECORD請求中可以設(shè)置開始輸入，定時器為假來表示不啟動定時器，如果需要定時器啟動的話，MRCP客戶端可以發(fā)起一個開始輸入，定時器請求來啟動定時器設(shè)置以下是一個。開始輸入，定時器流程圖：
4、STOP方法結(jié)束錄音流程，并且通知錄音資源從錄音狀態(tài)切換到空閑狀態(tài)。STOP響應(yīng)消息中包含一個Active-Request-Id-List表示請求停止的ID。以下是一個停止請求的流程圖：
五、MRCP錄音資源支持兩個事件消息，它們分別是START-OF-INPUT和RECORD完成消息。
當(dāng)錄音資源第一次檢測到語音時，錄音資源會生成START-OF-INPUT事件消息。MRCP客戶端可以使用事件消息來結(jié)束語音回放等流程。例如，在語音合成資源中的強行插入而出現(xiàn)的消息激活打斷流程。
當(dāng)錄音資源完成對RECORD請求流程后，錄音資源生成并返回RECORD-COMPLETE消息事件，并且錄音資源從錄音資源切換到空閑狀態(tài)。錄音資源會自動結(jié)束錄音流程，結(jié)束的原因會返回到MRCP客戶端。具體結(jié)束原因可能是：無輸入超時，最大時間到期，檢測到最終靜音等。完成 - 原因標(biāo)題表示了RECORD請求結(jié)束的原因。如果錄音結(jié)束后，請求沒有攜帶任何錯誤的話，RECORD-COMPLETE消息則會表示一個錄音文件的URL地址。
6、錄音資源支持了十五個頭。我們逐一介紹這些報頭的使用方式。
完成 - 原因，此標(biāo)題總是出現(xiàn)在RECORD-COMPLETE事件中，用來表示RECORD結(jié)束原因。如果出現(xiàn)錯誤的話，它也可能出現(xiàn)在RECORD請求的返回響應(yīng)消息中。示例：完成 - 原因：002無輸入 - 時間到。
完成 - 原因，此標(biāo)題可選出現(xiàn)在RECORD-COMPLETE事件消息中，提供更多結(jié)束原因代碼。示例：完成 - 原因：磁盤空間不足。為客戶端通過日志跟蹤信息：
Failed-URI，此標(biāo)題表示訪問所給URL失敗。示例：Failed-URI：http：//192.168.1.10/audio/mailbox01.wav。
Failed-URI-Cause，此標(biāo)題表示訪問URL失敗的具體原因，示例：Failed-URI-Cause：404 Not Found。
Record-URI，表示錄音的存儲URL路徑。示例：Record-URI：; 大小= 40000;持續(xù)時間= 5000。
Media-Type，此標(biāo)題表示錄音文件格式。示例：Media-Type：audio / x-wav。
Capture-On-Speech，此標(biāo)題是一個布爾值，表示是否當(dāng)檢測到語音時開始錄音。默認(rèn)值是假，表示接收方收到錄音請求后馬上開始錄音。示例：Capture-On-Speech：true。
No-Input-Timeout，此標(biāo)題表示當(dāng)錄音開始時，在設(shè)定的時間內(nèi)沒有檢測到語音。在返回RECORD-COMPLETE事件消息中攜帶完成 - 原因，其值為002 noinput-timeout。示例為：No - 輸入 - 超時：3000。
最大時，其頭部用來設(shè)定最大錄音時間，此時間從開始錄音計算，不包括其中的靜音壓縮時段。其值以毫秒為單位。當(dāng)錄音時長達到最大錄音時間時，錄音會結(jié)束，錄音資源會生成并且返回RECORD-COMPLETE事件，攜帶完成 - 原因，值為000 success-silence。示例：Max-Time：10000。
Final-Silence，此標(biāo)題設(shè)定一個靜音時長（毫秒為單位），用來表示錄音結(jié)束前的靜音時長。如果此值為0，表示無窮大，無最后靜音檢測。示例：Final-Silence：3500。
靈敏度等級，此標(biāo)題表示一個語音檢測的敏感度。取值范圍從0到1.取值比較低表示對噪音不敏感 ;取值比較高表示輸入時靜音比較敏感。示例：敏感度等級：0.85 。
Trim-Length，此標(biāo)頭使用在STOP請求中。其值表示從錄音結(jié)束起，所移除的時間長度。默認(rèn)值為0.示例：Trim-Length：1000。
Start-Input-Timers，此header在RECORD請求中設(shè)定一個延遲啟用no-input timer的時間，直到MRCP客戶端重新發(fā)送START-INPUT-TIMERS請求。示例：Start-Input-Timers：false。
Ver-Buffer-Utterance，此標(biāo)題使用在RECORD請求中，表示錄音文件使用在后續(xù)的說話人驗證流程中，這里，假設(shè)說話讓驗證資源被分配在同一會話中。默認(rèn)值為假。示例：Ver-緩沖 - 話語：是的。
新的音頻通道，如果此頭在錄音請求中設(shè)置為真，則表示語音數(shù)據(jù)正在從不同的語音資源，通道或講話人發(fā)送。如果此頭出現(xiàn)的話，并且設(shè)置為真，則表示正在調(diào)整某些算法。這些算法可能已經(jīng)在語音檢測中使用，為了適應(yīng)新的語音資源，一些算法需要調(diào)整。示例：New-Audio-Channel：false。
7、這里，我們稍微花一點時間再多討論一下關(guān)于靜音檢測到問題。首先說明，筆者不是語音檢測算法方面的專家，因為我們在VOIP領(lǐng)域一直涉及相關(guān)的技術(shù)話題，所以這里提醒用戶，對于錄音資源的VAD檢測也是非常重要的一環(huán)。靜音檢測在終端設(shè)計中結(jié)合廠家的技術(shù)特點都有各自的算法，具體的應(yīng)用場景很多，包括檢測語音掛機，降低錄音文件大小，優(yōu)化網(wǎng)絡(luò)帶寬都具有非常重要的作用。關(guān)于在SIP環(huán)境中的VAD檢測，筆者在以前的SIP講座中做過非常深入的討論。這里，我們僅對錄音資源中的靜音處理做一些簡單提示。因為在錄音環(huán)境中，如果沒有對錄音進行靜音檢測處理或者優(yōu)化，它會導(dǎo)致錄音文件非常龐大，嚴(yán)重影響系統(tǒng)存儲性能，同時也會影響語音識別的準(zhǔn)確性。當(dāng)然，如果開啟VAD檢測到話，同時也會增加系統(tǒng)的負載具體。的VAD設(shè)計流程如下：
更多關(guān)于VAD的算法，讀者可以結(jié)合筆者給出的參考資料做進一步的研究，也可以針對錄音資源的幾個頭做適當(dāng)?shù)恼{(diào)整來優(yōu)化錄音文件。讀者也可以參考PSJIP或FreeSWITCH的的VAD模塊做更多了解。另外，如果讀者想進一步了解VAD的話，讀者也需要結(jié)合靜音壓縮的算法，舒適噪音生成來進一步了解這幾個算法的相互關(guān)系。
8、在本章節(jié)的分享中，筆者詳細介紹了MRCP中的錄音資源的細節(jié)內(nèi)容，包括請求，事件消息和頭的完整介紹。并且，對錄音優(yōu)化過程中的VAD做了簡單分享，希望讀者在優(yōu)化錄音文件時更多注意這些參數(shù)。
參考資料：
TomB?ckstr?m， 語音活動檢測 語音處理
E. Verteletskaya，K。Sakhnov，語音增強應(yīng)用的語音活動檢測
Md Sahidullah，說話人識別語音活動檢測技術(shù)的比較
J.Ramírez，JMGórriz，語音活動檢測�；A(chǔ)知識和語音識別系統(tǒng)的穩(wěn)健性
