1.1 Freeswitch了解
FreeSWITCH 是一个电话的软交换解决方案，包括一个软电话和软交换机用以提供语音和聊天的产品驱动。FreeSWITCH 可以用作交换机引擎、PBX、多媒体网关以及多媒体服务器等。
FreeSWITCH 可以通过 XML、脚本实现基本的 IVR 功能，再配合 mod_unimrcp 模块与 MRCP 服务器的 TTS、ASR资源进行通信，即可实现一个简单的智能客服系统。
FreeSWITCH 架构
如下图所示，FreeSWITCH 的扩展性非常强
系统架构
系统架构如下图所示，FreeSWITCH 通过 mod_unimrcp 与 MRCP Server 进行通信。
1.2 MRCP协议（媒体资源控制协议）
媒体资源控制协议（Media Resource Control Protocol, MRCP）是一种通讯协议，用于语音服务器向客户端提供各种语音服务(如语音识别和语音合成)。
MRCP并不定义会话连接，不关心服务器与客户端是如何连接的，MRCP的消息通常是承载于其它协议之上，如RTSP，SIP等。
MRCP消息使用类似于HTTP等许多Internet协议一样的文本格式，每个消息包括三部分：首行，消息头，消息体。首行表明消息类型及返回码等信息。消息头包括了若干行内容，每一行都形如 "字段名:数值"。消息体包括了消息的详细内容，长度在消息头中指定。
类似于HTTP，MRCP使用请求(通常由客户端发起)、响应模式。响应可以简单的确认请求，或者给出关于处理的其它信息。例如，MRCP客户端向服务端请求想要发送一些音频数据以进行处理(比如说语音识别)，为此，服务端可以发送一个包含端口号的响应，因为MRCP并未定义音频数据的传输，所以，必须依靠其它的协议，比如说RTP来进行。
有两个版本的MRCP协议，版本2使用SIP作为控制协议，版本1使用RTSP。
[1] RFC4463: A Media Resource Control Protocol (MRCP)
1.3 ASR NLP TTS
ASR（自动语音识别）就是将麦克风采集到的自然声音转化为文字的过程，相当于人的耳朵+大脑（一部分）。TTS技术（语音合成），是将文字转化为声音（朗读出来），类比于人类的嘴巴。大家在Siri等各种语音助手中听到的声音，都是由TTS来生成的，并不是真人在说话。TTS的技术实现方法，主要有2种：“拼接法”和“参数法”。
下图是机器识别人类的语音输入（亦即ASR）的原理和过程：
