• 基于SIP協(xié)議的媒體錄音規范（SIPREC）完整技術(shù)概述-1

　　在當前的語(yǔ)音通信環(huán)境中，除了用戶(hù)非常重視呼叫的用戶(hù)體驗，同時(shí)對其他第三方的業(yè)務(wù)要求也有了新的要求。特別是在某些金融領(lǐng)域，法律咨詢(xún)領(lǐng)域和人力資源領(lǐng)域，雙方電話(huà)溝通需要有完整的通話(huà)錄音，這些錄音可能會(huì )幫助雙方對某些歧義進(jìn)行進(jìn)一步的佐證。但是，隨著(zhù)呼叫中心，IPPBX部署方式的技術(shù)革命，很多呼叫中心，IPPBX已經(jīng)實(shí)現了云部署的方式，以前傳統的錄音方式基本上很難滿(mǎn)足用戶(hù)的需求，市場(chǎng)份額也正在萎縮。在當前主流的部署方式中，使用SBC對接其他業(yè)務(wù)應用是大家正在逐步使用的主要的部署方式。關(guān)于SBC的背景介紹，我們在以前的文章中做過(guò)非常多的關(guān)于SBC以及其功能的介紹，筆者也發(fā)表過(guò)關(guān)于開(kāi)源OpenSIPS電話(huà)錄音的分享。

• 如何通過(guò)SBC實(shí)現公網(wǎng)注冊SIP話(huà)機演示，實(shí)現聯(lián)通COP對接通話(huà)
• 圖解邊界會(huì )話(huà)控制器（SBC）的20個(gè)最常用功能
• SIP系列講座-邊界會(huì )話(huà)控制器-SBC全面剖析
• 基于OpenSIPS實(shí)現電話(huà)錄音解決方案探討

• 關(guān)于法律強制錄音的規定流程不在此規范討論范圍之內
• 關(guān)于媒體注入，編碼轉換，安全問(wèn)題不在本規范討論范圍之內
• 通過(guò)網(wǎng)絡(luò )鏡像方式錄音Passive 錄音方式不在本規范討論范圍之內

1. 支持錄音意識用戶(hù)代理- Recording-aware User Agent （UA）：此UA可以意識到其拓展已經(jīng)關(guān)聯(lián)到了通信會(huì )話(huà)（CS）。其拓展參數可以通知其UA錄音會(huì )話(huà)已啟動(dòng)或表示其狀態(tài)，可以啟動(dòng)，暫停和完全停止等消息。
2. 無(wú)錄音意識用戶(hù)代理-Recording-unaware User Agent （UA）：此UA意識不到其拓展已經(jīng)關(guān)聯(lián)到了通信會(huì )話(huà)（CS）。無(wú)錄音意識代理將通過(guò)其他手段通知其UA錄音會(huì )話(huà)已啟動(dòng)或表示其狀態(tài)，可以啟動(dòng)，暫停和完全停止等消息。
3. Recording Metadata：描述SRS服務(wù)器端需要的相關(guān)錄音身份確認數據，包括通信會(huì )話(huà)和dialog狀態(tài)信息等。一般情況下，這些metadata會(huì )和復制媒體錄音一起發(fā)送到SRS服務(wù)器端。
4. Replicated Media：由SRC客戶(hù)端創(chuàng )建的媒體流復制數據流，發(fā)送到SRS服務(wù)器端。它可能包括語(yǔ)音和視頻數據。

1. SRC查詢(xún)定位SRS的URL地址，按照解析方式來(lái)解析SRS地址。
2. 發(fā)送INVITE請求，創(chuàng )建一個(gè)dialog，然后發(fā)送到SRS。
3. 在INVITE請求中包括一個(gè)錄音指示，表示會(huì )話(huà)已經(jīng)創(chuàng )建，希望發(fā)送媒體錄音。
4. 如果馬上要發(fā)送復制媒體時(shí)，在SDP中包含一個(gè)“a=sendonly”，表示馬上發(fā)送媒體錄音。如果還沒(méi)有準備好發(fā)送媒體的話(huà)，包含一個(gè)“a=inactive”。
5. 復制的媒體流被錄音然后發(fā)送到SRS服務(wù)器端。

1. SRS查詢(xún)SRC URL地址，通過(guò)地址解析后獲取SRC地址。
2. SRS對SRC發(fā)送INVITE請求。
3. 在SRS發(fā)送的INVITE中包括一個(gè)媒體錄音指示，表示要創(chuàng )建一個(gè)錄音會(huì )話(huà)來(lái)進(jìn)行媒體錄音。
4. 確認會(huì )話(huà)數據內容。在實(shí)際環(huán)境中，確認消息取決于SRC的策略設置。
5. 如果馬上要發(fā)送復制媒體時(shí)，在SDP中包含一個(gè)“a=sendonly”，表示馬上發(fā)送媒體錄音。如果還沒(méi)有準備好發(fā)送媒體的話(huà)，包含一個(gè)“a=inactive”。

• 在SIPREC的規范中，它說(shuō)明了幾個(gè)基于SIP的錄音使用場(chǎng)景。這些場(chǎng)景都可以支持SIPREC規范RFC6341。在此規范中，一些必要的定義需要再次說(shuō)明一下：
• SRS-全稱(chēng)是Session Recording Server，它是一個(gè)具體的媒體服務(wù)器或媒體采集服務(wù)器，是一個(gè)用戶(hù)代理，同時(shí)匯總各種媒體流的metadata。SRS典型的部署方式是一個(gè)多口可拓展的服務(wù)器類(lèi)型。
• SRC-全稱(chēng)是Session Recording Client，它是一個(gè)SIP用戶(hù)代理，負責對服務(wù)器端發(fā)送媒體流數據，它本身是一個(gè)邏輯功能單元，可以支持多個(gè)物理設備，在實(shí)際應用環(huán)境中，SRC可以是SIP終端話(huà)機，媒體網(wǎng)關(guān)或者SBC。SRC同時(shí)對SRS服務(wù)器發(fā)送metadata。
• Communication Session （CS），通信會(huì )話(huà)創(chuàng )建于一個(gè)SIP或者多個(gè)用戶(hù)代理之間的會(huì )話(huà)，是一個(gè)正在被錄音的會(huì )話(huà)對象。
• Recording Session （RS）：為通信會(huì )話(huà)（CS）錄音目的創(chuàng )建的介于SRS和SRC之間的SIP會(huì )話(huà)。

1. 全時(shí)錄音：對RS對一個(gè)CS（參考以下示例），系統對所有呼叫進(jìn)行錄音，典型的應用場(chǎng)景包括呼叫中心，企業(yè)客服和金融呼叫流程等。
2. 選擇性錄音：當CS錄音創(chuàng )建后，啟動(dòng)RS錄音。如果CS沒(méi)有啟動(dòng)，系統不會(huì )錄音。
3. 停止啟動(dòng)錄音：當呼叫在CS期間時(shí)，可以啟動(dòng)停止RS錄音。系統可以通過(guò)用戶(hù)界面按鈕或者其他熱鍵啟動(dòng)錄音。這里注意，在CS期間，可能會(huì )生成一個(gè)或者多個(gè)RS錄音。
4. 持續錄音：一個(gè)RS可以捕捉一個(gè)或多個(gè)CS錄音。此錄音方式通常應用于某些場(chǎng)景中，例如前臺總機，轉每個(gè)特定的分機號碼或者呼叫。整個(gè)RS需要對多個(gè)環(huán)節中的終端錄音，包括了轉接時(shí)的靜音等。最后，這些錄音的metadata可以關(guān)聯(lián)在一起，錄音文件可以合并。這里可能涉及了編碼協(xié)商的流程。

　　5.實(shí)時(shí)錄音控制：在RS錄音期間，如果有特別業(yè)務(wù)要求，某些個(gè)人隱私或者安全信息不能錄音時(shí)，實(shí)時(shí)錄音控制方式可以停止對某一段時(shí)間內的錄音暫停/關(guān)閉，需要時(shí)重新開(kāi)啟。信用卡信息輸入就是一個(gè)比較常見(jiàn)的例子，如果用戶(hù)需要對系統服務(wù)人員報信用卡或者其他身份信息時(shí)就要暫停錄音。
　　6.IVR入口錄音：對系統IVR進(jìn)行錄音，包括其metadata等。
　　7.企業(yè)移動(dòng)端錄音：系統對企業(yè)辦公人員進(jìn)行錄音。這些員工可能經(jīng)常不在辦公室環(huán)境中上班，他們經(jīng)常使用移動(dòng)端和企業(yè)呼叫中心或者通信系統進(jìn)行溝通，這些員工的呼叫需要被錄音。比較常見(jiàn)的場(chǎng)景包括銷(xiāo)售人員，保險銷(xiāo)售等。
　　8.分布式錄音或集中式錄音：一些企業(yè)，銀行，連鎖機構等辦公系統的電話(huà)呼叫需要通過(guò)部署在不同地區或者集中管理的電話(huà)系統進(jìn)行呼叫。系統需要對呼叫進(jìn)行錄音，并且對其每個(gè)RS的metadata進(jìn)行存儲。這樣方便管理每一個(gè)呼叫和其相關(guān)人分機。
　　9.復雜呼叫流程：復雜呼叫流程是一個(gè)比較抽象的說(shuō)法，沒(méi)有特別具體的定義，此場(chǎng)景比較靈活，寬泛。簡(jiǎn)單來(lái)說(shuō)，一個(gè)呼叫進(jìn)入到系統用戶(hù)，客戶(hù)電話(huà)可能首先被前臺人員接聽(tīng)，然后轉到具體的坐席人員。如果坐席人員不能回答客戶(hù)問(wèn)題的話(huà)，坐席人員可能需要再呼叫坐席主管，主管來(lái)接聽(tīng)客戶(hù)的電話(huà)。坐席人員在此呼叫流程中需要首先執行呼叫停靠，然后再呼叫他/她的主管，主管接聽(tīng)客戶(hù)電話(huà)以后，坐席掛機。整個(gè)流程稱(chēng)之為復雜呼叫流程，所有的呼叫都需要錄音，并且SRC需要對SRS發(fā)送所有的metadata數據。
　　10.高可靠性和持續錄音：根據用戶(hù)的需求，此應用場(chǎng)景需要SRS服務(wù)器端一直保持工作狀態(tài)，失效還原功能。所有創(chuàng )建的呼叫都能錄音。此場(chǎng)景要求SRS服務(wù)器端必須持續工作，無(wú)呼叫錄音服務(wù)丟失。
　　11.對通道和多會(huì )話(huà)錄音：一些應用場(chǎng)景要求媒體錄音是一個(gè)或者多個(gè)文件，可以實(shí)現同步存儲或者回放等功能。語(yǔ)音識別引擎可以對其明顯特定的媒體執行ASR/TTS處理。一些多渠道融合的呼叫中心或者IPPBX環(huán)境中可能需要對視頻，IM，其他數據文件進(jìn)行存儲。為了節省存儲空間，一些應用場(chǎng)景中可能需要僅多某些終端在某個(gè)特定時(shí)間段進(jìn)行錄音。
　　12.實(shí)時(shí)媒體處理：此場(chǎng)景在當前的呼叫中心或客服系統中實(shí)時(shí)質(zhì)檢環(huán)境中使用比較廣泛。SRS服務(wù)器端必須有能力支持語(yǔ)音識別引擎工具，這些偵查工具可以對某一段媒體進(jìn)行ASR和以及相關(guān)語(yǔ)義識別，情緒分析等工具處理，如果發(fā)現其錄音中帶有比較敏感的詞，或者客服人員態(tài)度語(yǔ)氣有問(wèn)題，應用系統的主管人員可以及時(shí)處理。通過(guò)SIPREC的metadata可以非常方便快捷地查詢(xún)到客服人員的電話(huà)座席。以下示例是寧衛開(kāi)發(fā)的基于A(yíng)SR的實(shí)時(shí)質(zhì)系統。系統用戶(hù)可以根據自己的業(yè)務(wù)需求添加一些敏感詞。如果客服人員和客戶(hù)之間的溝通有危險詞匯或者不禮貌用語(yǔ)，系統直接提示其狀態(tài)（紅色標識）。此對話(huà)過(guò)程可通過(guò)短信，郵箱或者其他第三方接口實(shí)時(shí)推送給坐席主管現在的狀態(tài)告警。

• Metedata model：以UML為基礎的抽象metadata表達方式
• Metedada class：模式中的每一塊為一個(gè)class
• Attributes：class的屬性
• Linkages：模式中每個(gè)class之間的相關(guān)性，每個(gè)linkage表示class之間的一個(gè)邏輯相關(guān)性

1. Recording session：錄音會(huì )話(huà)類(lèi)別，在XML中使用“recording”，它依賴(lài)于SIP和SDP所關(guān)聯(lián)的屬性。
2. Commnucation session group: 關(guān)聯(lián)一組通信會(huì )話(huà)，例如坐席通過(guò)幾次電話(huà)轉接停靠以后的一系列相關(guān)呼叫。它在XML中使用“group”表示。
3. Commnucation session：通信會(huì )話(huà)表示其通信屬性和metadata，其屬性包括：session_id，sipSession_ID, group-ref,start-time,stop-time。
4. CS-RS Association ：表示通信會(huì )話(huà)和錄音會(huì )話(huà)的關(guān)聯(lián)性，屬性包括關(guān)聯(lián)時(shí)間，斷開(kāi)時(shí)間和session_id。
5. Participant：錄音參與者進(jìn)入到錄音會(huì )話(huà)的雙方，包括終端描述，Participant_id等。
6. Participant-CS Association：參與者和通信會(huì )話(huà)的關(guān)聯(lián)性綁定關(guān)系。關(guān)聯(lián)性描述參與者和通信會(huì )話(huà)關(guān)聯(lián)時(shí)間，session_id，斷開(kāi)時(shí)間等屬性。
7. Media Stream：描述SRC發(fā)送到SRS服務(wù)器端的媒體屬性，包括label，stream_id和session_id等屬性設置。
8. Participant-Stream Association：描述參與者和媒體之間的綁定關(guān)系和時(shí)間段，參與者可能是發(fā)送方，接收方或者兩者角色都支持。
9. Syntax of XML Elements for Date and Time：定義XML文件中日期和時(shí)間段規范，包括關(guān)聯(lián)時(shí)間，斷開(kāi)時(shí)間，啟動(dòng)錄音時(shí)間，停止錄音時(shí)間等相關(guān)的時(shí)間規范。此時(shí)間標準需要遵從RFC3339的格式規范。時(shí)間戳必須使用一個(gè)大寫(xiě)的T或者Z。
10. Format of Unique ID：描述了生成UUID的步驟和解析規范。UUID解析必須遵從RFC4648。
11. Metadata Version Indicator：version指示幫助SRC和SRS確認使用的XML文件版本是否一致。目前規定的是雙方都使用版本1。如果版本不一致的話(huà)，可能導致傳輸失敗，目前的規范中沒(méi)有支持任何的協(xié)商機制。

　　前面我們討論了關(guān)于SIPREC錄音的官方協(xié)議和應用場(chǎng)景。SIPREC相當于鏡像錄音來(lái)說(shuō)，其部署方式更符合目前SIP大型應用環(huán)境，云平臺的處理方式。但是，因為SIPREC是基于其他規范基礎發(fā)展而來(lái)的，因此其他規范的使用限制了一些SRC/SRS工作環(huán)境。另外，一些終端產(chǎn)品還沒(méi)有支持SIPREC，只有大部分SBC產(chǎn)品支持了SIPREC，SRS服務(wù)器端的功能仍然處于發(fā)展階段，一些商業(yè)產(chǎn)品支持了基本的SIPREC功能，一些高級功能仍然受到了限制。大家比較關(guān)心的問(wèn)題包括：

• SRC客戶(hù)端發(fā)送到metadata文件大小影響傳輸結果和SRS的負載，SRC可能需要支持更多的傳輸策略來(lái)解決類(lèi)似的問(wèn)題。
• SRC是否支持混音，如果SBC測來(lái)處理這些需求的話(huà)，會(huì )導致SBC負載非常高，直接影響SBC的性能。
• SRS服務(wù)器端的高可靠性設置問(wèn)題也是需要用戶(hù)面對的問(wèn)題。可能一些廠(chǎng)家的SBC很好解決了此問(wèn)題，但是需要真正實(shí)際驗證。
• SRC是否很好支持了metadata的拓展支持決定了和SIP會(huì )話(huà)處理。如果很好支持很多拓展字段，可能會(huì )幫助SRS服務(wù)器端更加準確管理metedata和通信會(huì )話(huà)處理。另外，SIP會(huì )話(huà)的處理也需要終端和其他設備能夠很好配合，保證其具有良好的兼容性，從而保證metadata的準確性。
•  
• 　　
• 隨著(zhù)融合通信的發(fā)展，用戶(hù)溝通增加了更多媒體支持，包括IM消息，共享文件和視頻格式。如何更好處理這些文件和其metadata也是一個(gè)非常大的挑戰。