1. 概览

当您需要在 CTICloud 中使用已有或指定的语音识别能力时，可以通过 BYO-ASR（Bring Your Own ASR）方式接入。接入完成后，ASR 能力可用于语音机器人、智能体、座席辅助、质检分析等实时语音与对话式 AI 场景。

BYO-ASR 遵循 BYO-AI 的开放架构：CTICloud 聚焦统一 Runtime、会话管理、实时音频链路、识别结果回传、日志监控与异常治理；企业或 ASR 服务提供方负责语音识别引擎本身，包括识别效果、服务稳定性、热词体系、行业模型和专有识别能力。

核心价值：在不替换企业已有 ASR 的前提下，将不同来源的语音识别能力纳入 CTICloud 统一运行链路。
接入范围：支持企业自研 ASR、私有化部署 ASR、行业专用 ASR、海外 ASR、云厂商 ASR 和企业指定第三方 ASR。
治理方式：平台统一管理通话会话、实时音频流、识别结果、业务回调、监控日志和异常处理。

2. 全流程概述

2.1 自有 ASR 接入完整流程

┌───────────────────────────────────────────────┐
│              BYO-ASR 接入全流程                │
└───────────────────────────────────────────────┘

🚀 步骤 1：ASR 服务信息确认
├── 确认 ASR 服务访问地址、鉴权方式和网络访问方式。
└── 确认音频格式、采样率、编码要求和实时音频接入协议。

⚙️ 步骤 2：平台侧接入配置
├── CTICloud 根据租户、业务场景或配置策略绑定对应 ASR 引擎。
└── 如需使用热词、行业模型、语言或地域配置，在接入时同步确认。

🔍 步骤 3：联调验证
├── 验证实时音频流发送、识别结果返回、错误码和超时处理。
└── 根据联调结果调整协议字段、网络白名单或异常处理规则。

✅ 步骤 4：业务场景启用
├── 通话建立后，CTICloud 将实时音频流发送至指定 ASR 服务。
└── 识别结果通过统一 ASR 链路返回，供业务场景按需使用。

3. BYO-ASR 接入说明

BYO-ASR 采用“平台 Runtime + 外部 ASR 引擎”的解耦架构。CTICloud 不要求企业替换已有语音识别能力，而是将企业已有 ASR 纳入统一实时语音链路。

整体接入可分为两个阶段：

ASR 服务准备：企业或 ASR 服务提供方需提供可访问的 ASR 服务，并明确实时音频接入协议、音频格式、识别结果返回格式、鉴权方式和异常处理规则。
CTICloud 平台接入配置：平台根据企业提供的信息完成 ASR 引擎适配、业务场景绑定、识别结果回传和运行链路监控配置。

接入完成后，典型运行流程如下：

通话建立后，CTICloud 负责接入实时音频流。
平台根据租户、业务场景或配置策略选择对应 ASR 引擎。
平台将音频流发送至指定 ASR 服务。
ASR 引擎返回实时识别结果或最终识别结果。
识别结果通过统一 ASR 链路返回，供业务场景按需使用。
平台记录会话、音频、识别结果、耗时、异常等运行数据，便于后续排查和治理。

3.1 ASR 服务信息

该部分说明接入 BYO-ASR 时需要提供的 ASR 服务信息。实际字段以企业 ASR 服务能力和联调结果为准。

信息项	是否必填	说明
ASR 服务访问地址	是	用于 CTICloud 访问企业或第三方 ASR 服务。
鉴权方式	是	说明 ASR 服务的认证方式、密钥或令牌使用规则；如无需鉴权，需明确说明。
音频格式、采样率和编码要求	是	说明 ASR 服务支持的音频格式、采样率、编码方式等要求。
实时音频接入协议	是	说明 ASR 服务接收实时音频流的协议和连接方式。
识别结果返回格式	是	说明实时识别结果、最终识别结果的返回字段和格式。
错误码、超时和断连处理规则	是	用于联调、异常定位和运行治理。
热词、行业模型、语言、地域等配置项	视需要而定	如 ASR 服务支持相关能力，可在接入时同步提供。
网络访问方式和白名单要求	视网络要求而定	如企业侧限制访问来源，需提前确认网络连通方式和白名单配置。

3.2 平台侧能力

CTICloud 在 BYO-ASR 接入中提供统一 Runtime 和治理能力，主要包括：

支持实时音频流接入。
支持多厂商 ASR 统一适配。
支持识别结果统一回传。
支持按租户、业务场景选择 ASR 引擎。
支持企业自有热词、行业模型和专有识别能力接入。
支持后续扩展新的 ASR 服务。
支持识别链路的日志、监控和异常排查。

3.3 适用对象

BYO-ASR 适用于以下语音识别能力接入场景：

企业自研 ASR。
私有化部署 ASR。
行业专用 ASR。
海外 ASR。
云厂商 ASR。
企业指定第三方 ASR。

4. 业务场景说明

4.1 语音机器人：使用自有 ASR 完成实时识别

在语音机器人场景中，CTICloud 将通话中的实时音频流发送至指定 ASR 服务。ASR 服务返回识别结果后，平台将文本结果用于后续语义理解、对话流程推进或机器人应答。

该场景建议重点关注：

实时识别结果返回是否稳定。
音频格式、采样率和编码方式是否与机器人通话链路匹配。
热词、行业模型或语言配置是否满足业务话术和专有词识别要求。
ASR 服务的超时、断连和异常处理规则是否清晰。

4.2 智能体与座席辅助：复用统一识别链路

在智能体和座席辅助场景中，ASR 识别结果可作为实时对话上下文的一部分，供智能体、辅助提示或业务流程使用。平台负责将识别链路与会话、业务回调和运行日志衔接。

该场景建议重点关注：

识别结果格式是否便于平台统一解析和回传。
识别结果的实时性是否满足辅助提示或智能体响应要求。
不同租户或业务场景是否需要选择不同 ASR 引擎。
运行日志是否能够支持后续问题排查和效果治理。

4.3 质检分析：沉淀会话识别结果

在质检分析场景中，ASR 识别结果可用于后续会话分析、质检复盘或业务数据沉淀。平台会记录会话、音频、识别结果、耗时和异常等运行数据，便于后续排查和治理。

该场景建议重点关注：

最终识别结果是否完整、稳定。
错误码和异常信息是否能支持问题定位。
行业词、专有名词和关键话术的识别效果是否满足分析需求。
ASR 服务变更后，是否同步更新平台侧接入配置。

5. 已支持或已适配的 ASR 类型

目前 BYO-ASR 已支持或已适配以下 ASR 类型：

自研 ASR。
腾讯云 ASR。
阿里云 ASR。
阿里云听悟/通义相关 ASR。
微软 Azure ASR。
火山引擎/豆包 ASR。
科大讯飞 ASR。
通义千问相关 ASR。
MyVocal ASR。
行业企业定制 ASR。

6. 联调验证与注意事项

6.1 联调验证

ASR 接入配置完成后，CTICloud 会基于企业提供的服务信息进行联调验证。联调时重点确认：

ASR 服务访问地址、鉴权方式和网络连通性是否正常。
实时音频流是否能够按 ASR 服务要求发送。
音频格式、采样率和编码方式是否符合 ASR 服务要求。
实时识别结果或最终识别结果是否能够稳定返回。
错误码、超时和断连处理规则是否清晰可验证。
如使用热词、行业模型、语言或地域配置，需确认配置是否生效。

6.2 接入前检查

提交接入前，请确认：

ASR 服务已可被 CTICloud 网络环境访问。
鉴权凭证或访问规则已准备完成。
ASR 服务支持的音频格式、采样率、编码要求和实时音频接入协议已明确。
识别结果返回格式、错误码、超时和断连处理规则已明确。
如企业侧限制访问来源，已完成网络打通或白名单配置。
如需使用热词、行业模型、语言、地域等配置项，已提前确认配置方式。

6.3 注意事项

企业需确保提供的 ASR 服务、鉴权凭证和网络访问规则合法有效。
ASR 服务部署在企业内网或专有网络时，需提前完成网络打通和访问白名单配置。
ASR 服务的识别效果、响应速度、稳定性和调用费用取决于企业或 ASR 服务提供方。
ASR 服务地址、鉴权方式、协议格式或返回结构变更后，需同步更新平台侧配置。
新增或更换 ASR 服务时，建议重新完成实时音频、识别结果和异常处理联调。

7. 企业价值

BYO-ASR 的核心不是要求企业替换现有语音识别能力，而是将企业已有能力纳入 CTICloud 统一 Runtime。通过 Runtime 与 ASR 引擎解耦，企业可以在保持业务流程稳定的前提下，自由选择、切换和扩展语音识别服务。

主要价值包括：

保留企业已有 ASR 投资。
保留行业热词、专有模型与识别优化成果。
避免绑定单一 ASR 供应商。
支持根据效果、成本、地域和合规要求灵活选择引擎。
降低后续更换或新增 ASR 的系统改造成本。