AI Voice Platform：配置参考

总览

5 个组件各有自己的配置文件，统一汇总在这里。

组件	配置文件	说明
callflow-esl	`callflow-esl/config.json`	ESL + HTTP + audioFork + tts + db
sherpa-asr-online-server	`sherpa-asr-online-server/config.json`	WS + ASR + VAD
sherpa-tts-server	`sherpa-tts-server/config.json`	HTTP + TTS pool
mod_audio_fork	环境变量 + channel variable	运行时
FreeSWITCH	`conf/dialplan/*.xml` 等	信令 + 路由

callflow-esl `config.json`

完整结构：

{
  "server": {
    "host": "0.0.0.0",
    "port": 9911,
    "commandTimeoutMs": 15000,
    "asrTimeoutMs": 30000,
    "settleDelayMs": 1000
  },
  "logging": {
    "dir": "./logs",
    "level": "info",
    "maxSize": "20m",
    "maxFiles": "14d"
  },
  "http": {
    "host": "0.0.0.0",
    "port": 9912
  },
  "freeswitch": {
    "host": "192.168.2.184",
    "port": 8021,
    "password": "ClueCon",
    "callbackHost": "192.168.2.246",
    "callbackPort": 9911,
    "originateDialStringTemplate": "user/{{destinationNumber}}"
  },
  "audioFork": {
    "wsUrl": "ws://192.168.2.246:10096/audio",
    "bugName": "callflow_asr",
    "mixType": "mono",
    "sampleRate": "16k",
    "bidirectionalAudioEnabled": false,
    "bidirectionalAudioStreamEnabled": false,
    "bidirectionalAudioStreamSampleRate": 16000,
    "connectTimeoutMs": 5000,
    "eventSubscriptionMode": "all"
  },
  "tts": {
    "sherpaHttpEndpoint": "http://127.0.0.1:9081/tts",
    "speakerId": 0,
    "speed": 1,
    "requestTimeoutMs": 10000,
    "playbackTarget": "wav-url",
    "fsPlaybackBaseDir": ""
  },
  "recording": {
    "directory": "/usr/local/freeswitch/record",
    "publicBaseUrl": ""
  },
  "db": {
    "url": "mysql://root:mysql@localhost:3306/ai-voice",
    "host": "127.0.0.1",
    "port": 3306,
    "database": "ai-voice",
    "username": "root",
    "password": "mysql"
  }
}

`server`

字段	说明
`host` / `port`	ESL outbound 监听地址与端口
`commandTimeoutMs`	ESL 命令等待 reply 的超时
`asrTimeoutMs`	单轮 `hear()` 默认超时（业务可在入参覆盖）
`settleDelayMs`	手动 `answer` 后建议的等待，给信令稳定

`http`

字段	说明
`host` / `port`	HTTP 监听地址，承载 `/outbound-calls`

`freeswitch`

字段	说明
`host` / `port` / `password`	inbound ESL（用于 originate）
`callbackHost` / `callbackPort`	FreeSWITCH 在外呼接通后回拨当前 ESL 服务使用的地址，必须 FS 进程可达
`originateDialStringTemplate`	所有外呼场景的默认拨号串模板，必须含 `{{destinationNumber}}`

`audioFork`

字段	说明
`wsUrl`	mod_audio_fork 要连接的 ASR WebSocket 地址
`bugName`	media bug 名称，用于 `uuid_audio_fork stop` 精确定位
`mixType` / `sampleRate`	上行音频通道与采样率；`mono`/`16k` 适合大多数 ASR
`bidirectionalAudioEnabled` / `bidirectionalAudioStreamEnabled`	下行音频通道；hear-only 模式保持关闭
`bidirectionalAudioStreamSampleRate`	下行音频流采样率
`connectTimeoutMs`	等待 WebSocket 连接成功事件的超时
`eventSubscriptionMode`	ESL 事件订阅策略：`"all"`（推荐）/ `"custom-subclass"` / `"channel-plus-custom"`

`tts`

字段	说明
`sherpaHttpEndpoint`	sherpa-tts-server 的 `POST /tts` 地址
`speakerId` / `speed`	`ctx.speak({kind:"tts"})` 未指定时的默认值
`requestTimeoutMs`	HTTP 请求超时
`playbackTarget`	`"wav-url"`（默认）或 `"file-path"`
`fsPlaybackBaseDir`	`playbackTarget=file-path` 时使用的目录前缀

`recording`

字段	说明
`directory`	FreeSWITCH 进程可写的录音目录
`publicBaseUrl`	可选公开访问前缀；为空时 `ctx.startRecording()` 返回 `fileUrl=null`

`db`

MySQL 连接信息。业务路由表 call_businesses + call_business_number_mappings，schema 见 src/db/schema.ts。

sherpa-asr-online-server `config.json`

服务与 IO

字段	默认	说明
`listenHost`	`127.0.0.1`	监听地址
`listenPort`	`10096`	监听端口
`healthPath`	`/health`	HTTP 健康检查路径
`wsPath`	`/audio`	WebSocket 升级路径
`wsSubprotocol`	`audio.drachtio.org`	子协议；空则不强制
`maxSessions`	`16`	并发会话上限
`ioWorkers`	CPU 核心数	I/O worker 线程数
`sessionPoolSize`	`16`	预热的 ASR session 数
`maxFrameBytes`	`4194304`	单帧最大字节数
`readBufferBytes`	`65536`	每连接 recv 缓冲
`writeBufferBytes`	`65536`	每连接 send 缓冲（预留）
`socketRecvBufferBytes`	`262144`	`SO_RCVBUF`，0=不调整
`socketSendBufferBytes`	`262144`	`SO_SNDBUF`，0=不调整
`acceptBacklog`	`SOMAXCONN`	`listen(backlog)`
`workerPollTimeoutMs`	`10`	worker 单轮 select 超时，夹紧 `[1, 1000]`
`tcpNoDelay`	`true`	启用 `TCP_NODELAY`
`debugLogTextFrames`	`false`	打印每条 metadata 文本帧
`debugLogAudioFrames`	`false`	每个二进制帧落识别状态日志
`debugLogRecognitionState`	`false`	识别状态变化都落日志
`recordAudioEnabled`	`false`	启用上行音频录制
`recordAudioDir`	`recordings`	录制目录

Sherpa ASR / VAD

字段	默认	说明
`asrEncoder` / `asrDecoder` / `asrJoiner` / `asrTokens`	bilingual-zh-en	ONNX 模型路径
`asrBpeVocab`	`""`	可选 BPE 词表（英语场景）
`vadModel`	`silero_vad.onnx`	silero-vad onnx
`provider`	`cpu`	ONNX 推理后端
`sampleRate`	`16000`	上行采样率（仅支持 16kHz）
`numThreads`	`1`	ONNX 线程数
`debug`	`false`	sherpa-onnx 内部 debug
`enableVad`	`true`	启用 VAD 分段
`enableEndpoint`	`true`	启用 endpoint 检测
`sendPartialResults`	`true`	是否下发 partial 文本帧
`endpointRule1MinTrailingSilence`	`2.4`	sherpa endpoint 规则 1
`endpointRule2MinTrailingSilence`	`1.2`	sherpa endpoint 规则 2
`endpointRule3MinUtteranceLength`	`20.0`	sherpa endpoint 规则 3
`asrModelType`	`zipformer`	sherpa-onnx 模型类型
`asrModelingUnit`	`cjkchar`	建模单元
`partialMinIntervalMs`	`300`	同句 partial 最小下发间隔
`decodeBatchMs`	`80`	批量 decode 节奏
`vadBufferSizeSeconds`	`30.0`	silero-vad ring buffer
`vadThreshold`	`0.5`	VAD 置信度阈值
`vadMinSilenceDuration`	`0.5`	触发段尾的最小静音时长
`vadMinSpeechDuration`	`0.25`	视为有效语音的最小时长
`vadWindowSize`	`512`	VAD 窗大小（采样点）
`vadMaxSpeechDuration`	`20.0`	单段最大语音时长

sherpa-tts-server `config.json`

字段	默认	说明
`listenHost`	`127.0.0.1`	实际监听地址
`listenPort`	`9080`	实际监听端口
`publicBaseUrl`	`http://127.0.0.1:9080`	返给客户端的 wav URL 前缀；反代后必须改
`workerThreads`	CPU 核心数	HTTP 处理线程数
`ttsPoolSize`	`max(CPU/2, 1)`	预热的 `OfflineTts` 实例数
`wavSendChunkBytes`	`65536`	流式发送块大小
`maxRequestBodyBytes`	`1048576`	单请求体最大字节数
`maxQueuedRequests`	`0`（不限）	等待队列上限，超出立刻 503
`startupScanCache`	`true`	启动时扫描 `public/wav/` 建文件索引

mod_audio_fork 环境变量

变量	默认	说明
`MOD_AUDIO_FORK_SUBPROTOCOL_NAME`	`audio.drachtio.org`	WebSocket 子协议名
`MOD_AUDIO_FORK_SERVICE_THREADS`	`1`	服务线程数（1-5）
`MOD_AUDIO_FORK_BUFFER_SECS`	`2`	缓冲秒数（1-5）

mod_audio_fork channel variable

可在 dialplan 或 uuid_setvar 中设置：

变量	用途
`MOD_AUDIO_BASIC_AUTH_USERNAME`	WSS 端的 Basic Auth 用户名
`MOD_AUDIO_BASIC_AUTH_PASSWORD`	WSS 端的 Basic Auth 密码
`MOD_AUDIO_FORK_ALLOW_SELFSIGNED`	TLS 允许自签证书
`MOD_AUDIO_FORK_SKIP_SERVER_CERT_HOSTNAME_CHECK`	跳过 TLS hostname 校验
`MOD_AUDIO_FORK_ALLOW_EXPIRED`	允许过期证书

FreeSWITCH dialplan 关键片段

把通话路由到 callflow-esl：

<extension name="route-to-callflow">
  <condition field="destination_number" expression="^(.+)$">
    <action application="set" data="hangup_after_bridge=true"/>
    <action application="socket" data="<callflow-esl-host>:9911 async full"/>
  </condition>
</extension>

可选：在 dialplan 提前设 channel variable，业务侧可读：

1 2	<action application="set" data="campaign_id=may-test"/> <action application="set" data="biz_id=my-business"/>

启用 mod_audio_fork：

1 2	<!-- conf/autoload_configs/modules.conf.xml --> <load module="mod_audio_fork"/>

ESL inbound（callflow-esl 调用 FS 用）：

<!-- conf/autoload_configs/event_socket.conf.xml -->
<configuration name="event_socket.conf" description="Socket Client">
  <settings>
    <param name="listen-ip" value="0.0.0.0"/>
    <param name="listen-port" value="8021"/>
    <param name="password" value="ClueCon"/>
    <param name="apply-inbound-acl" value="localnet.auto"/>
  </settings>
</configuration>

配置变更速查

想做	改哪个
改 ASR 监听端口	`sherpa-asr-online-server/config.json` `listenPort` + `audioFork.wsUrl`
改 TTS 监听端口	`sherpa-tts-server/config.json` `listenPort` + `tts.sherpaHttpEndpoint` + `publicBaseUrl`
改 callflow-esl ESL/HTTP 端口	`server.port` / `http.port` + FS dialplan socket 地址
改 FS 反向回拨地址	`freeswitch.callbackHost`
改 ASR 模型	`sherpa-asr-online-server/config.json` `asrEncoder/Decoder/Joiner/Tokens`
改 TTS 音色	换 `vits-zh-aishell3/` 目录里的模型；或 `tts.speakerId`
改 hear 默认超时	`server.asrTimeoutMs`（业务可在 `hear()` 入参覆盖）
改 ASR 并发	`maxSessions` + `sessionPoolSize`
改 TTS 并发	`workerThreads` + `ttsPoolSize`
开启 ASR 上行录音	`recordAudioEnabled: true`
切换业务路由	MySQL 表 `call_businesses` + `call_business_number_mappings`

配置参考

总览

callflow-esl config.json

server

http

freeswitch

audioFork

tts

recording

db

sherpa-asr-online-server config.json