BYO-VP

本文说明座席浏览器侧如何把实时音频交给企业自建的 Processor。页名 BYO-VP。协议、采样率和回调在 JS SDK 实时语音流开发指南。

快速阅读

BYO-VP 跑在 WebRTC 座席的实时语音流上。观察点是集成 JS SDK 的座席浏览器：local 是座席麦克风，remote 是通话对端，通常是客户。

情绪识别、关键词识别是这条链上的辅助结果。它们不是 RASR，也不是挂机后的 ASR。座席工作台已有的实时转写事件名是 transcript，不要改叫 RASR，也不要当成 Processor 的返回值。

两种模式：

mode	音频是否回灌通话	当前限制
`sendonly`	否，只分析	`local`、`remote` 都可以
`sendrecv`	是，用处理后的音频替换座席麦克风	仅 `source: "local"`。同一 SDK 实例最多一个

remote 配 sendrecv 为无效配置，SDK 触发 processorError。

要做的事	文档
选模式、确认和 RASR / ASR / transcript 的差别	本文
填 `CTILink.setup()`、WebSocket 消息、采样率、错误码	JS SDK 实时语音流开发指南
呼入 / 外呼机器人的识别与合成	BYO-ASR、BYO-TTS

一个 Processor 是一条独立 WebSocket。在 CTILink.setup() 的 media.audio.processors 里配置。未配置该项时，SDK 不建立语音流连接。

可同时配置多个 sendonly。最多一个 sendrecv，且 source 必须是 local。建议单座席 Processor 不超过 5 个。没有 mixed 源；要同时处理两侧时，配两条 sendonly，用同一个 uniqueId 在服务端关联。

常见配法：

用途	source	mode	回传音频
把座席麦克风送到自有服务做分析	`local`	`sendonly`	否
把客户侧音频送到自有服务做分析	`remote`	`sendonly`	否
实时质检、情绪、关键词	`local` 或 `remote`	`sendonly`	否
座席辅助提示	`remote`	`sendonly`	否
变声、美化、降噪、把处理后的座席声音送给对端	`local`	`sendrecv`	是

上表里的分析是 Processor 自己的结果。不要把它记成 RASR、离线 ASR，或座席工作台 transcript 事件。

鉴权由企业的 WebSocket 服务决定。SDK 不规定一种算法。现稿建议的方式是：URL 上的短期 Token、URL 签名、API 网关，或 IP 白名单；并在 SessionStart 里再核对会话信息。

默认音频：sampleRate 16000、channels 1、sampleBits 16、encoding pcm_s16le。载荷是裸 PCM，不含 WAV 头。

页面 HTTPS，浏览器已授权麦克风，座席为 WebRTC。
processors 已写入 CTILink.setup()，地址为 wss://。
座席发起 WebRTC 通话后，SDK 自动建连并发送 SessionStart。开发者不手动创建或关闭 Processor。
Processor 返回 Session(Ready) 后开始收 Uplink。只有 local + sendrecv 才回 Downlink，并替换送给对端的座席声音。
通话结束时 SDK 发送 SessionEnd。连接异常断开后，SDK 会新建 Session，服务端不要沿用旧 Session。

Processor 语音流与 WebRTC 媒体流分开。启用 Processor 不改变浏览器与媒体服务器之间的 WebRTC 编码码率。