更新日志

本页是 AI Voice Platform 的版本更新日志，按版本从新到旧记录每个版本的
新增功能 / 优化点 / 修复问题，方便你快速了解”从上一个版本到这个版本变了什么”。

• 想看某个版本”是什么、稳不稳、有哪些已知局限、不在范围内的能力” → 发布说明
• 想看当前能跑哪些业务、怎么写业务 → 业务开发指南
• 条目分类遵循 Keep a Changelog 风格；如发现文档与代码不一致，以代码为准。

当前最新版本：1.1.0（2026-06-27，源码 7b1d56c）。

1.1.0

功能增强版 · 发布日期 2026-06-27 · 源码 7b1d56c · 上一版本 1.0.0（a5cd832）

在 1.0.0 基础上累积，完全向后兼容：业务编码、配置结构、端口约定均未发生破坏性变更，
1.0.0 的业务代码与配置可直接沿用。

📌 设计说明：打断停播为什么从 uuid_break 改用 uuid_fileman

该切换在 1.0 期间完成（提交 312574a），本版沿用未改；因常被问到，在此说明。

打断时停止当前播放，**原先用 uuid_break，已改为首选 api uuid_fileman <uuid> stop**：后者只停掉
当前 TTS 播放的文件句柄、不动通道读流；而 uuid_break 会把通道上正在采集的尾音（mod_audio_fork
的 ASR 流、uuid_record 录音）一并截断，打断时用户正在说话、必须保住采集流。uuid_break 仍作为
uuid_fileman 被拒时的兜底回退。完整说明见 发布说明。

✨ 新增功能

• Azure Speech 兼容语音网关（apps/azure-speech-gateway）。把 Microsoft Azure 的
  实时 ASR / TTS 包装成与本地、阿里云一致的协议，callflow-esl、mod_audio_fork、管理台
  无需改调用方式即可切到 Azure。默认 ASR 10098 / TTS 9082，支持
  autoDetectLanguages 多语言自动识别，并可 bun build --compile 打成 Windows / Linux
  独立可执行文件。详见 Azure 语音网关。
• callflow-esl 独立可执行文件构建 + 外置配置。支持 bun build --compile 构建
  Windows / Linux x64 独立可执行文件，运行时从同目录 config.json 或
  CALLFLOW_ESL_CONFIG_PATH 加载配置，便于在无 Bun 运行时的机器上交付部署。
• callflow-esl 服务优雅关停。捕获 SIGINT / SIGTERM 后停止接收新连接，并行关闭
  HTTP server、会议协调器与数据库连接池，5 秒超时兜底强制退出（退出码 130 / 143），
  避免直接终止造成的在途连接中断。
• callHear 挂机后尾部识别收集。新增入参 postHangupDrainMs 开启 drain 窗口，配套
  onPostHangupResult / onPostHangupFinal 回调与事件 phase（live / post-hangup），
  补收”对端挂机瞬间还在说”的最后一段 final，不再丢尾音。
• **验证码识别上报业务 verification-code-business**。接通后整通持续 ASR，识别到
  「请按 X」「press X」提示时自动回拨对应 DTMF（中英文数字、串行去重、失败重试），挂机后
  drain 尾部识别，最终打印主被叫与识别结果并按表单上报到外部接口。平台内置业务增至
  19 个。
• 源码交付包改为只按项目打包。scripts/package-release.ps1 的 -Projects 支持单项目 /
  组合打包（覆盖全部应用与 asr / tts / emotion 等 ONNX 服务代号），按「项目数 × ¥500」
  计价（前后端算一个项目）；移除旧 -Edition 累进档位。

🔧 优化点

• 阿里云语音网关稳定性增强。补齐 ASR 启动期音频队列上限、启动超时、TTS 请求超时控制，
  以及 WAV / MP3 并发缓存写入保护，避免启动期音频堆积或慢请求拖垮会话。
• callflow-server 接口类型说明完善，管理后台接口的请求 / 响应类型更明确。
• callout-server 源码目录结构重组，处理器与校验模块拆分更清晰。

🐛 修复问题

• 修复阿里云 / Azure 语音网关 ASR 会话收尾。零长度 flush 时，原先可能在尾部 final
  下发前就关掉 WebSocket，丢失最后一段识别。现在统一改为”先关云端识别会话 → 下发
  close() 期间补发的尾部 final → 再关 WebSocket”的时序；错误回调改为结构化错误
  （携带 statusCode / taskId / errorCode 等），并新增 src/asr-server.test.ts
  覆盖收尾时序与会话计数。

⬆️ 升级提示

• 无破坏性变更，从 1.0.0 升级直接替换源码 / 可执行文件即可，无需改业务或数据库。
• 新业务 verification-code-business 的结果上报地址是示例接口，启用前请在
  report-client.ts 中改成你自己的回收端点。
• 想用 Azure 网关需准备可用的 Azure Speech key / region / TTS endpoint，并优先用环境变量
  注入；仓库自带 config.json 中的 key 仅为本地样例。

1.0.0

首个正式发布版 · 发布日期 2026-06-21 · 源码 a5cd832

一套本地化、可商用、组件化的 FreeSWITCH × AI 语音方案首个正式版。完整的版本定位、稳定能力、
已知局限与不在范围内的能力见 发布说明。核心要点：

✨ 能力基线

• FreeSWITCH × mod_audio_fork × sherpa-onnx 全链路打通；**彻底移除 mod_unimrcp**。
• 流式 ASR（默认中文 int8 zipformer，可切中英双语预设）+ silero-vad；离线 TTS（默认
  vits-zh-ll，可切 Kokoro / Matcha / VITS），支持 POST /tts-stream 边合成边播。
• 业务编排 callflow-esl 覆盖呼入 / 呼出 / 桥接 / 会议 / 录音 / DTMF，内置 18 个业务
  （含接本地 Ollama 大模型的真实语音对话 ollama-chat-business）。
• 智能外呼子系统：活动 / 名单 / 批次调度 / 两层并发 / 自动重试 / 回铃音 + 嘟声检测 /
  外呼策略 + DNC / 角色鉴权 / 坐席工作台 / 转人工会议（盲转 · 协商转 · 主管监听插话）/
  线路号码池 / 实时作战大屏。
• 通话后情绪分析（文本 BERT + 音频 wav2vec2 融合）。
• 管理控制台：FreeSWITCH 数据看板、号码 → 业务路由、运行时 TTS / 录音配置热重载、
  TTS 音色试听、ASR 上传 / 录音测试。
• 可选阿里云语音网关，用于云端 ASR / TTS 对比与兜底。

版本对照速查