发布说明

📋 本页是版本定位与发布说明（这个版本是什么、稳不稳、有哪些已知局限）。
想看逐版本的新增 / 优化 / 修复清单，请看独立的 更新日志。

1.1.0（当前版本）

发布日期：2026-06-27

1.1.0 是在 1.0.0 之上的功能增强版，完全向后兼容（业务编码 / 配置结构 / 端口约定均无
破坏性变更，1.0.0 的业务与配置可直接沿用）。本版主要新增 Azure Speech 兼容语音网关、
callflow-esl 优雅关停与独立可执行文件构建、**callHear 挂机后尾部识别收集**、
验证码识别上报业务，并修复了阿里云 / Azure 语音网关的 ASR 会话收尾问题；平台内置业务
增至 19 个。

打断（barge-in）：为什么把停播从 uuid_break 改用 uuid_fileman

打断时如何停掉当前播放，是最容易被问到的一点，单独说明。该切换在 1.0 期间的「打断逻辑优化」
（提交 312574a）中完成，本版沿用未改。

打断时停止当前 TTS 播放，原先使用 uuid_break，已改为首选 api uuid_fileman <uuid> stop
（uuid_break 降级为兜底回退）。原因：

• uuid_break <uuid> 会打断整个通道读流：它在停掉 TTS 播放的同时，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。而 barge-in 恰恰是“用户开口、
  要立刻停播并继续听用户说”的时刻，此时必须保住 ASR 采集流，否则刚打断就丢掉用户开头那句话。
• 改用 uuid_fileman <uuid> stop 后，只结束当前 playback 的文件句柄、不动通道读流——停的是
  “嘴”（TTS 播放），留的是“耳朵”（ASR 采集 / 录音），正是 barge-in 想要的语义。
• uuid_break 仍作为兜底回退保留：当 uuid_fileman 被 FreeSWITCH 以非幂等错误拒绝时，
  才回退一次 api uuid_break <uuid>，保证即便首选命令失败也能恢复打断。

本版完整的「新增功能 / 优化点 / 修复问题 / 升级提示」见 更新日志 · 1.1.0。
下面 1.0.0 的「版本定位 / 已稳定可用 / 已知局限 / 不在范围内」仍是平台整体说明基线，
1.1.0 在此基线之上叠加变更。

1.0.0（正式发布版）

发布日期：2026-06-21

仓库当前未打 git tag，1.0.0 以本页记录的提交 a5cd832 为基准。本页同时作为后续编写
更新日志（CHANGELOG）的依据。

版本定位

AI Voice Platform 1.0 是一套本地化、可商用、组件化的 FreeSWITCH × AI 语音方案：ASR 走
mod_audio_fork 把 16kHz 单声道 PCM16 流式推到 WebSocket ASR 服务；TTS 由本地 HTTP TTS 服务
生成 wav 或 MP3 流，再交给 FreeSWITCH playback 播放。**已彻底移除 mod_unimrcp**，识别链路
只走 mod_audio_fork + sherpa-asr-online-server。

已稳定可用

• FreeSWITCH × mod_audio_fork × sherpa-onnx 全链路打通
• 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 中英双语多音色 / Matcha / VITS），支持普通合成 +
  POST /tts-stream 边合成边播的流式链路（依赖 ffmpeg + mod_shout）
• 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
  （17 个 demo + 1 个接本地 Ollama 大模型的真实语音对话业务 ollama-chat-business）
• 智能外呼子系统：活动 / 名单 / 批次调度 / 并发与工作时段 / 自动重试 / 回铃音 + 嘟声检测 /
  外呼策略中心 / DNC 免打扰 / 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 → 业务路由配置、运行时 TTS/录音配置热重载、TTS 音色试听、
  ASR 上传/录音测试）
• 单机部署 → 单节点 → 多节点水平扩展

已知局限

不在范围内

• 通话级实时翻译
• 声纹识别 / 说话人分割
• 实时（通话中）情绪分析（通话后离线情绪分析已支持）
• 多模态（视频 / 屏幕共享）
• WebRTC 直接接入、浏览器端 SDK

显著变更（更新日志依据）

本节按子系统归纳 1.0 形成过程中的关键变更，供后续编写 CHANGELOG 时筛选条目。条目来源为
git log，时间区间 2026-05-02（首次提交）至 2026-06-21（a5cd832）。

1.1.0 起的逐版本「新增 / 优化 / 修复」清单见独立的 更新日志；本节仅作为
1.0 的形成历史保留。

ASR 服务

• 配置重构为按域分组：server / concurrency / socket / logging / recording / asr /
  vad；模型选择改为 asr.activeModel + asr.models profile 表
• VAD 模型路径解析调整；VAD 强制启用、无开关；endpoint 检测字段移除，走 sherpa 默认
• 推送 speech_started 事件，支持 begin-speaking 打断
• 修复仅支持单路通话的问题；性能调优

TTS 服务

• 配置重构为按域分组：server / concurrency / timeouts / transport / mp3 / tts；
  模型选择改为 tts.activeModel + tts.models profile 表
• 新增 POST /tts-stream + GET /tts-stream/<id>.mp3 流式播放链路，降低首字延迟
• 并行预热 worker 池；wav2mp3 响度增益（mp3.volumeGainDb）；流式稳定性兜底（ffmpeg 退出超时、
  watchdog、maxActiveStreams、socket 超时）；15 路通话稳定性验证无异常

callflow-esl（业务编排）

• 重构 ESL 运行时模块：控制器拆到 runtime/controllers/、会议会控拆到 runtime/conference/、
  originate/回铃检测拆到 runtime/originate/，新增 kernel/ / transport/ / tts/ 分层
• CallContext facade 扩展：api、stopCallHear、setVariables/getVariables，会议会控
  getState/onStateChange/kickMember/mute/unmute/deaf/undeaf/lock/unlock/end/
  inviteMembers/setMemberRole，会议录音 recording.*
• TTS 段重构为 tts.defaults + tts.use + tts.profiles 三段结构，流式与否改由 use.call /
  use.conference 选 wav / shout profile 决定
• 打断支持 vad / begin-speaking / final 三种触发模式；会议级 play / injectSpeak 支持配置
  barge-in 触发模式；callHear 长识别；会议状态用 redis 同步；通话录音
• 新增实时 WebSocket 语音识别客户端、播放控制器、通话运行时测试套件
• 新增 ollama-chat-business：接本地 Ollama /api/chat 流式接口的真实大模型语音对话业务
  （ASR → 本地 LLM → TTS 闭环，每通电话独立多轮上下文），与原有「模拟 LLM」演示业务并存
• 移除 callflow / 阿里云 ASR endpoint 标记

callout（智能外呼）

• 任务 / 联系人 / 批次调度 / 两层并发 + Redis 锁 + PostgreSQL FOR UPDATE SKIP LOCKED
• 回铃音 + 嘟声检测（嘟声依赖 mod_spandsp）；外呼策略中心 / DNC 免打扰
• 坐席工作台与转人工会议（盲转 / 协商转 / 主管监听强插）；线路号码池；实时作战大屏
• 拆分外呼服务处理器与校验模块；originateDialStringTemplate / dialStringTemplate 可覆盖
• callout-webpage 从单体 store 拆分为「共享 reference store + 页面级 composable」

管理控制台

• FreeSWITCH 数据看板、号码 → 业务路由配置、运行时 TTS/录音配置热重载
• TTS 音色试听、ASR 上传/录音测试

底座与工程

• 彻底移除 mod_unimrcp，识别链路只走 mod_audio_fork + sherpa-asr-online-server
• 数据库改用 PostgreSQL（callflow / callout 两 schema，Drizzle ORM）
• 源码按项目授权；scripts/package-release.ps1 支持 -Projects 按项目独立 / 组合打包，按「项目数 × ¥500」计价

源码交付

源码按项目授权交付。scripts/package-release.ps1 支持 -Projects 按项目独立 / 组合打包
（默认 zip，可选 tar.gz），按「项目数 × ¥500」计价（前后端算一个项目）。

源码模块、实施服务、公开应售价与交付边界见 源码服务与售价。

后续更新日志编写说明

本页以提交 a5cd832 作为 1.0.0 的源码版本锚点。编写正式 CHANGELOG 时：

1. 以 git log 1aa0eaa..a5cd832 为素材池，按上面「显著变更」分类逐条筛选
2. 保持「新增 / 变更 / 修复 / 移除」分类，遵循 Keep a Changelog 风格
3. 用户可见的行为变更（配置结构、API、端口、业务编码）必须单独高亮，提示从旧版迁移的注意点
4. 下一个版本（1.1.x）起，CHANGELOG 应在 a5cd832 之上增量记录

历史版本

• 1.1.0（2026-06-27，7b1d56c）：功能增强版。新增 Azure Speech 兼容语音网关、callflow-esl
  优雅关停与独立构建、callHear 挂机后尾部识别、verification-code-business 验证码识别上报业务；
  修复阿里云 / Azure 语音网关 ASR 会话收尾。逐条变更见 更新日志。
• 1.0.0（2026-06-21，a5cd832）：首个正式发布版。详见上文。