背景与痛点

TTS（文本转语音）是 FreeSWITCH 中常见的功能需求，比如用于 IVR 语音提示、动态播报验证码等。但新手在集成时往往会遇到以下问题：

• 配置复杂：需要同时调整 FreeSWITCH 配置文件和 TTS 引擎参数
• 语音延迟高：文本到语音的转换过程耗时明显
• 格式兼容性问题：音频编码、采样率等参数不匹配导致播放失败

技术选型对比

常见的 TTS 引擎在 FreeSWITCH 中的表现差异较大：

• Festival：开源免费，但语音质量一般，中文支持需要额外配置
• Google TTS：语音质量优秀，但需要网络连接，有 API 调用限制
• AWS Polly：专业级语音效果，支持神经网络语音，但成本较高
• mod_flite：FreeSWITCH 内置轻量级引擎，零依赖但功能有限

核心实现细节

1. 基础配置（以 mod_tts_commandline 为例）

在 autoload_configs/tts_commandline.conf.xml 中配置：

<configuration name="tts_commandline.conf" description="TTS Configuration">
  <settings>
    <!-- 指定 TTS 引擎路径和参数 -->
    <param name="command" value="espeak -v zh -s 160 -p 50 -w ${file} '${text}'"/>
    <param name="file-extension" value="wav"/>
    <param name="sample-rate" value="16000"/>
  </settings>
</configuration>

2. Dialplan 配置示例

<extension name="tts_demo">
  <condition field="destination_number" expression="^5000$">
    <action application="answer"/>
    <action application="speak" 
            data="tts_commandline|zh|欢迎使用语音系统，当前时间 ${strftime(%H时%M分)}"/>
  </condition>
</extension>

代码示例

动态生成 TTS 的 Lua 脚本：

-- tts_dynamic.lua
session:answer()

local text = "您的订单编号是" .. math.random(1000,9999)
local voice = "zh"  -- 语音类型
local engine = "tts_commandline"  -- 使用的引擎

-- 播放生成的语音
session:speak(engine .. "|" .. voice .. "|" .. text)

-- 记录日志便于调试
freeswitch.consoleLog("INFO", "TTS played: " .. text .. "\n")

性能与安全考量

性能优化

1. 缓存机制：对频繁播放的内容（如欢迎语）预生成音频文件
2. 并发控制：限制同时运行的 TTS 进程数量，避免资源耗尽
3. 异步处理：对于长文本，可以先返回响应再后台生成语音

安全防范

• 输入过滤：对传入的文本进行 HTML 实体编码，防止命令注入
• 权限控制：将 TTS 引擎运行在低权限账户下
• 日志审计：记录所有 TTS 请求内容和调用者信息

避坑指南

1. 编码问题：确保文本采用 UTF-8 编码，否则中文字符会乱码
2. 权限问题：FreeSWITCH 用户需要有对 TTS 引擎的执行权限
3. 音频格式：确认 sample-rate 参数与 Dialplan 中的编解码器匹配
4. 路径问题：使用绝对路径指定 TTS 引擎位置
5. 内存泄漏：长时间运行需监控 mod_tts_commandline 的内存占用

互动引导

尝试实现一个多语言 TTS 系统：当用户拨打不同号码时（如 5001 中文，5002 英文），自动切换语音语言。你会如何设计 Dialplan 和脚本逻辑？欢迎在评论区分享你的实现方案！

小提示：可以通过设置变量传递语言参数，在 Lua 脚本中做条件判断