CN113630464B - 分布式语音处理方法、系统、设备及存储介质 - Google Patents
分布式语音处理方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN113630464B CN113630464B CN202110913610.0A CN202110913610A CN113630464B CN 113630464 B CN113630464 B CN 113630464B CN 202110913610 A CN202110913610 A CN 202110913610A CN 113630464 B CN113630464 B CN 113630464B
- Authority
- CN
- China
- Prior art keywords
- voice
- processing module
- data stream
- distributed
- distribution processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/65—Network streaming protocols, e.g. real-time transport protocol [RTP] or real-time control protocol [RTCP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/75—Media network packet handling
- H04L65/764—Media network packet handling at the destination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/80—Responding to QoS
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了分布式语音处理方法、系统、设备及存储介质,其中,方法包括:接收请求端发送的一语音数据流;向自分发处理模块集群中选出的分发处理模块发送语音数据流,建立请求端、语音数据流与被选中的分发处理模块的第一映射关系;将语音数据流切片为若干个语音片段后,向自对应的分布式服务容器集群中选出的分布式服务容器分发语音片段,并建立语音片段与分布式服务容器的第二映射关系;将收到的语音片段分别进行处理,各自获得对应的处理结果;以及根据第二映射关系组合各语音片段对应处理结果,并根据第一映射关系将反馈结果返回请求端。本发明能够在容器集群多副本部署场景下同一语音流和服务副本对应的一致性,减少服务器带宽,节省资源。
Description
技术领域
本发明涉及分布计算领域,具体地说,涉及分布式语音处理方法、系统、设备及存储介质。
背景技术
呼叫中心为了服务智能化,需要将实时通话识别为文字。呼叫中心使用媒体资源控制协议传送实时语音流,将实时语音流分片后通过全双工通信的协议接口服务模块对接实时语音识别引擎实现语音识别。为了保证语音识别服务的整体高可用,需要在容器集群中对协议转换和语音分发模块以及全双工通信的协议接口服务模块进行多副本部署。但一通通话的语音流片段会被分发给容器集群中不同的全双工通信的协议接口服务副本,导致语音数据流发生错乱,无法实现容器集群中协议转换和语音分发模块及全双工通信的协议即可服务模块的高可用和弹性扩缩容。
需要说明的是,上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
针对现有技术中的问题,本发明的目的在于提供分布式语音处理方法、系统、设备及存储介质,克服了现有技术的困难,能够在容器集群多副本部署场景下同一语音流和服务副本对应的一致性,减少服务器之间带宽,节省网络资源。
本发明的实施例提供一种分布式语音处理方法,包括以下步骤:
接收请求端发送的一语音数据流;
向自分发处理模块集群中择一选中的一分发处理模块发送所述语音数据流,建立所述请求端、语音数据流与被选中的所述分发处理模块的第一映射关系;
将所述语音数据流切片为若干个语音片段后,所述分发处理模块向自对应的分布式服务容器集群中选出若干分布式服务容器分发所述语音片段,并建立基于每个所述语音片段与所述被选中的分布式服务容器的端口地址的第二映射关系;
将收到的所述语音片段分别进行处理,各自获得对应的处理结果;以及
至少根据第二映射关系组合同一所述语音数据流的各语音片段对应所述处理结果,获得反馈结果,并返回分发处理模块;所述分发处理模块至少根据所述第一映射关系将所述反馈结果返回所述请求端。
优选地,所述至少根据第二映射关系组合同一所述语音数据流的各语音片段对应所述处理结果,获得反馈结果,并返回分发处理模块;所述分发处理模块至少根据所述第一映射关系将所述反馈结果返回所述请求端,还包括:
监控每个所述分发处理模块对应的分布式服务容器集群中各所述分布式服务容器的负载,当所述分布式服务容器的负载超出预设阈值,则增加所述分发处理模块对应的分布式服务容器集群中所述分布式服务容器的数量;当所述分布式服务容器的负载小于预设阈值,则减少所述分发处理模块对应的分布式服务容器集群中所述分布式服务容器的数量。
优选地,所述接收请求端发送的一语音数据流,之前还包括:
实时更新每个所述分发处理模块对应的分布式服务容器集群。
优选地,所述接收请求端发送的一语音数据流,包括:
通过媒体资源控制协议服务端接收一语音数据流;
分析并提取所述语音数据流中的呼叫随路信息,所述呼叫随路信息包括主叫号码、被叫号码、坐席号、坐席地址和呼叫标识编号以及语音类型参数。
优选地,所述向自分发处理模块集群中择一选中的一分发处理模块发送所述语音数据流,建立所述请求端、语音数据流与被选中的所述分发处理模块语音数据流的第一映射关系,包括:
将所述语音数据流和所述呼叫随路信息发送到所述自分发处理模块集群中选中的一分发处理模块,每个所述分发处理模块集群包括至少两个分发处理模块;
建立所述请求端、语音数据流、所述呼叫随路信息与被选中的所述语音数据流的第一映射关系。
优选地,所述将所述语音数据流切片为若干个语音片段后,所述分发处理模块向自对应的分布式服务容器集群中选出若干分布式服务容器分发所述语音片段,并建立基于每个所述语音片段与所述被选中的分布式服务容器的端口地址的第二映射关系,包括:
所述分发处理模块将所述语音数据流按照语音的顺序前后依次切片为若干个语音片段;
将所述语音片段分发到所述分发处理模块对应的分布式服务容器集群中选出若干分布式服务容器,所述分布式服务容器集群包括若干个并行部署且具有唯一地址的分布式服务容器;
建立基于所述语音数据流切片、所述所述语音数据流切片的每个所述语音片段的所述顺序与所述被选中的分布式服务容器的端口地址的第二映射关系;以及
基于一离散函数生成一关键值K,基于所述关键值K将所述第二映射关系转换为一分发地址并储存。
优选地,所述将收到的所述语音片段分别进行处理,各自获得对应的处理结果,包括:
所述分布式服务容器建立长连接后传送的所述语音片段分别进行语音识别,获得对应的文本片段。
优选地,所述至少根据第二映射关系组合同一所述语音数据流的各语音片段对应所述处理结果,获得反馈结果,并返回分发处理模块;所述分发处理模块至少根据所述第一映射关系将所述反馈结果返回所述请求端,包括:
所述至少根据第二映射关系中语音片段的前后顺序依序组合将同一所述语音数据流的各语音片段的所述处理结果进行组合获得,获得反馈结果,并返回到对应的所述分发处理模块;所述分发处理模块至少根据所述第一映射关系将所述反馈结果返回所述请求端。
优选地,至少一所述分布式服务容器被配置到两个以上的所述分布式服务容器集群中。
本发明的实施例还提供一种分布式语音处理系统,用于实现上述的分布式语音处理方法,所述分布式语音处理系统包括:
语音接收模块,接收请求端发送的一语音数据流;
分发选择模块,向自分发处理模块集群中择一选中的一分发处理模块发送所述语音数据流,建立所述请求端、语音数据流与被选中的所述分发处理模块的第一映射关系;
分布处理模块,将所述语音数据流切片为若干个语音片段后,向自对应的分布式服务容器集群中选出若干分布式服务容器分发所述语音片段,并建立基于每个所述语音片段与所述被选中的分布式服务容器的端口地址的第二映射关系;
语音处理模块,使所述分布式服务容器将收到的所述语音片段分别进行处理,各自获得对应的处理结果;以及
结果反馈模块,至少根据第二映射关系组合同一所述语音数据流的各语音片段对应所述处理结果,获得反馈结果,并返回分发处理模块;所述分发处理模块至少根据所述第一映射关系将所述反馈结果返回所述请求端。
本发明的实施例还提供一种分布式语音处理设备,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述分布式语音处理方法的步骤。
本发明的实施例还提供一种计算机可读存储介质,用于存储程序,所述程序被执行时实现上述分布式语音处理方法的步骤。
本发明的目的在于提供分布式语音处理方法、系统、设备及存储介质,在容器集群多副本部署场景下既满足了高可用和动态缩扩容的灵活性又保证同一语音流和服务副本对应的一致性,减少服务器之间带宽,节省网络资源。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1是本发明的分布式语音处理方法的一种实施例的流程图。
图2是本发明的分布式语音处理方法的另一种实施例的流程图。
图3是本发明的分布式语音处理系统的一种实施例的模块示意图。
图4是本发明的分布式语音处理系统的另一种实施例的模块示意图。
图5是本发明的分布式语音处理系统运行的示意图。
图6是本发明的分布式语音处理设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式。相反,提供这些实施方式使本发明全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件转发模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
此外,附图中所示的流程仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤可以分解,有的步骤可以合并或部分合并,且实际执行的顺序有可能根据实际情况改变。具体描述时使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。需要说明的是,在不冲突的情况下,本发明的实施例及不同实施例中的特征可以相互组合。
图1是本发明的分布式语音处理方法的一种实施例的流程图。本发明的实施例提供一种分布式语音处理方法,包括以下步骤:
S110、接收请求端发送的一语音数据流。本实施例中,呼叫中心使用MRCP协议传送实时语音流,需要将实时语音流转化为语音识别文本。其中,媒体资源控制协议(MRCP协议,Media Resource Control Protocol,MRCP)是一种计算机网络应用层的通讯协议,用于语音服务器向客户端提供各种语音服务,但不以此为限。
S120、向自分发处理模块集群中择一选中的一分发处理模块发送语音数据流,建立请求端、语音数据流与被选中的分发处理模块语音数据流的第一映射关系。可以根据数据片段携带的相关随路信息中能确定同一媒体流的关键标识,利用一致性Hash算法计算根据实时更新的websocket地址表,匹配分发到同一个的Websocket接口服务副本中,从而避免分发给不同的Websocket接口服务副本后造成对接能力引擎产生的数据流片段混乱,并导致单个媒体流内容无法准确进行相应能力服务。其中,WebSocket是一种在单个TCP连接上进行全双工通信的协议。WebSocket通信协议于2011年被IETF定为标准RFC 6455,并由RFC7936补充规范。WebSocket API也被W3C定为标准。WebSocket使得客户端和服务器之间的数据交换变得更加简单,允许服务端主动向客户端推送数据。在WebSocket API中,浏览器和服务器只需要完成一次握手,两者之间就直接可以创建持久性的连接,并进行双向数据传输,但不以此为限。
S130、将语音数据流切片为若干个语音片段后,分发处理模块向自对应的分布式服务容器集群中根据所述语音片段的数量选出相同数量的分布式服务容器,向每个分布式服务容器分发一语音片段,并建立基于每个语音片段与被选中的分布式服务容器的端口地址的第二映射关系。至少一所述分布式服务容器被配置到两个以上的所述分布式服务容器集群中。本实施例中,基于kubernetes集群部署,通过启动多个Deployment实现多副本Websocket接口服务,可以根据业务需求动态调整Deployment数量实现缩扩容和故障自修复。使得服务能够自动部署,满足高可用及负载均衡的需求。其中,Kubernetes是一种容器编排引擎,简称K8s,是用8代替8个字符“ubernete”而成的缩写。是一个开源的,用于管理云平台中多个主机上的容器化的应用,Kubernetes能够让部署容器化的应用简单并且高效。Deployment是用于部署应用的对象。它使Kubernetes中最常用的一个对象,它为ReplicaSet和Pod的创建提供了一种声明式的定义方法,从而无需像前两篇文章中那样手动创建ReplicaSet和Pod对象(使用Deployment而不直接创建ReplicaSet是因为Deployment对象拥有许多ReplicaSet没有的特性,例如滚动升级和回滚),但不以此为限。
S140、将收到的语音片段分别进行处理,各自获得对应的处理结果。本实施例中,通过对接Websocket接口服务模块,通过长连接获得数据传送,通过能力引擎完成相应的服务,但不以此为限。
S150、至少根据第二映射关系组合同一语音数据流的各语音片段对应处理结果,获得反馈结果,并返回分发处理模块。分发处理模块至少根据第一映射关系将反馈结果返回请求端。本实施例中,将获得的结果及数据相关信息通过主动或被动的方式返回给请求方Websocket接口服务模块,但不以此为限。
本发明是在容器集群中进行服务部署,并保持服务连接一致性的技术方法及系统。通过服务的副本管理、语音流关键信息抽取以及hash算法处理,将同一流媒体数据片段定向传送到容器集群上部署的一个特定的与语音能力引擎对接的Websocket接口服务副本中,保证一个完整媒体数据流所对应的Websocket接口服务副本的一致性。客服通话将通过同一个Websocket接口服务副本与下层语音能力引擎建立长连接完成完整数据流能力服务,避免能力引擎接收的媒体流数据和返回结果的错乱,能够使得整个语音识别应用服务架构满足负载均衡、弹性扩容、高可用的特性。
图2是本发明的分布式语音处理方法的另一种实施例的流程图。如图2所示,该分布式语音处理方法,在图1实施例中步骤S110、S120、S130、S140、S150的基础上,还包括通过步骤S100、步骤S160,并且通过S111、S112替换了步骤S110,通过S121、S122替换了步骤S120,通过S131、S132、S133、S134替换了步骤S130。以下针对每个步骤进行说明:
在步骤S100中,实时更新每个分发处理模块对应的分布式服务容器集群。使整体应用服务具备均衡负载、高可用、自愈、弹性缩扩容,解决不同功能模块绑定造成的性能限制及容错率低。
在步骤S111中,通过媒体资源控制协议服务端接收一语音数据流。
在步骤S112中,分析并提取语音数据流中的呼叫随路信息,呼叫随路信息包括主叫号码、被叫号码、坐席号、坐席地址和呼叫标识编号以及语音类型参数,但不以此为限。
在步骤S121中,将语音数据流和呼叫随路信息发送到自分发处理模块集群中选中的一分发处理模块,每个分发处理模块集群包括至少两个分发处理模块,但不以此为限。
在步骤S122中,建立请求端、语音数据流、呼叫随路信息与被选中的语音数据流的第一映射关系,但不以此为限。
在步骤S131中,分发处理模块将语音数据流按照语音的顺序前后依次切片为若干个语音片段。以Kubernetes为例,准备多台服务器作为集群多节点,分别安装docker,加载ipvs模块即IP虚拟服务器,使用kubeadm部署集群,安装网络组件。从架构设计层面,利用Kubernetes,将单个Websocket服务部署为depolyment,并提供单独的服务地址。Deployment可解决单个Websocket服务的监控管理功能,实现Websocket服务自愈。通过并行部署多个Deployment,实现Websocket服务多副本及能力弹性扩展。利用分发算法以及此架构下部署的多副本Websocket服务可实现均衡负载、服务自愈、弹性扩容、高可用等特性。
在步骤S132中,将语音片段分发到分发处理模块对应的分布式服务容器集群中选出若干分布式服务容器,分布式服务容器集群包括若干个并行部署且具有唯一地址的分布式服务容器。
在步骤S133中,建立基于语音数据流切片、语音数据流切片的每个语音片段的顺序与被选中的分布式服务容器的端口地址的第二映射关系。
以及
在步骤S134中,基于一离散函数生成一关键值K,基于关键值K将第二映射关系转换为一分发地址并储存。该算法就是提供一种在理论上和实际应用中均能有效地处理冲突的方法,以关键码值即数据流随路信息中关键值K为自变量,通过一定的函数关系h(K)(称为散列函数),计算出对应的函数值来,把这个值通过映射关系转换为结点的分发地址,将此地址存储到存储单元中。检索时,用同样的方法计算出Websocket服务编号,然后到相应的单元里取出分发目的地址。
S160、监控每个分发处理模块对应的分布式服务容器集群中各分布式服务容器的负载,当分布式服务容器的负载超出预设阈值,则增加分发处理模块对应的分布式服务容器集群中分布式服务容器的数量。当分布式服务容器的负载小于预设阈值,则减少分发处理模块对应的分布式服务容器集群中分布式服务容器的数量。。
本发明的分布式语音处理方法可以根据业务需要,对语音流数据处理分发模块和Websocket接口服务模块进行解耦,分别在容器集群上进行多副本部署,使整体应用服务具备均衡负载、高可用、自愈、弹性缩扩容。解决不同功能模块绑定造成的性能限制及容错率低。采用服务自动发现更新并结合hash算法来保证同一语音流的多个片段分发后所对接的Websocket接口服务副本的一致性,确保Websocket接口服务副本与下层语义识别引擎创建长连接后不会出现不同通话语音流数据交互错乱问题。
上述步骤S140、S150与图1对应实施例中相同,此处不再赘述。
图3是本发明的分布式语音处理系统的一种实施例的模块示意图。本发明的分布式语音处理系统,如图3所示,包括但不限于:
语音接收模块51,接收请求端发送的一语音数据流。该模块能够适配MRCP协议并接收同一媒体流的多个数据片段。
分发选择模块52,向自分发处理模块集群中择一选中的一分发处理模块发送语音数据流,建立请求端、语音数据流与被选中的分发处理模块语音数据流的第一映射关系。该模块能够根据数据片段携带的相关随路信息中能确定同一媒体流的关键标识,利用一致性Hash算法计算根据实时更新的websocket地址表,匹配分发到同一个的Websocket接口服务副本中,从而避免分发给不同的Websocket接口服务副本后造成对接能力引擎产生的数据流片段混乱,并导致单个媒体流内容无法准确进行相应能力服务。
分布处理模块53,将语音数据流切片为若干个语音片段后,向自对应的分布式服务容器集群中选出若干分布式服务容器分发语音片段,并建立基于每个语音片段与被选中的分布式服务容器的端口地址的第二映射关系。该模块基于kubernetes集群部署,通过启动多个Deployment实现多副本Websocket接口服务,可以根据业务需求动态调整Deployment数量实现缩扩容和故障自修复。使得服务能够自动部署,满足高可用及负载均衡的需求。
语音处理模块54,使分布式服务容器将收到的语音片段分别进行处理,各自获得对应的处理结果。该模块能够对接Websocket接口服务模块,通过长连接获得数据传送,通过能力引擎完成相应的服务
结果反馈模块55,至少根据第二映射关系组合同一语音数据流的各语音片段对应处理结果,获得反馈结果,并返回分发处理模块。分发处理模块至少根据第一映射关系将反馈结果返回请求端。该模块能够将获得的结果及数据相关信息通过主动或被动的方式返回给请求方Websocket接口服务模块。
上述模块的实现原理参见分布式语音处理方法中的相关介绍,此处不再赘述。
本发明的分布式语音处理系统在容器集群多副本部署场景下既满足了高可用和动态缩扩容的灵活性又保证同一语音流和服务副本对应的一致性,减少服务器之间带宽,节省网络资源。
图4是本发明的分布式语音处理系统的另一种实施例的模块示意图。如图4所示,在图3所示装置实施例的基础上,本发明的基于混合加密的登录认证系统还包括但不限于:自适应模块55,并且通过终端采样模块521和参数确定模块522来替换参数获取模块52。
容器更新模块50,实时更新每个分发处理模块对应的分布式服务容器集群。
数据接收模块511,通过媒体资源控制协议服务端接收一语音数据流。
信息提取模块512,分析并提取语音数据流中的呼叫随路信息,呼叫随路信息包括主叫号码、被叫号码、坐席号、坐席地址和呼叫标识编号以及语音类型参数。
集群分发模块521,将语音数据流和呼叫随路信息发送到自分发处理模块集群中选中的一分发处理模块,每个分发处理模块集群包括至少两个分发处理模块。
第一映射模块522,建立请求端、语音数据流、呼叫随路信息与被选中的语音数据流的第一映射关系。
语音切片模块531,分发处理模块将语音数据流按照语音的顺序前后依次切片为若干个语音片段。
容器分发模块532,将语音片段分发到分发处理模块对应的分布式服务容器集群中选出若干分布式服务容器,分布式服务容器集群包括若干个并行部署且具有唯一地址的分布式服务容器。
第二映射模块533,建立基于语音数据流切片、语音数据流切片的每个语音片段的顺序与被选中的分布式服务容器的端口地址的第二映射关系。
地址转换模块534,基于一离散函数生成一关键值K,基于关键值K将第二映射关系转换为一分发地址并储存。
语音处理模块54,分布式服务容器建立长连接后传送的语音片段分别进行语音识别,获得对应的文本片段。
结果反馈模块55,至少根据第二映射关系中语音片段的前后顺序依序组合将同一语音数据流的各语音片段的处理结果进行组合获得,获得反馈结果,并返回到对应的分发处理模块。分发处理模块至少根据第一映射关系将反馈结果返回请求端。以及
负载匹配模块56,监控每个分发处理模块对应的分布式服务容器集群中各分布式服务容器的负载,当分布式服务容器的负载超出预设阈值,则增加分发处理模块对应的分布式服务容器集群中分布式服务容器的数量。当分布式服务容器的负载小于预设阈值,则减少分发处理模块对应的分布式服务容器集群中分布式服务容器的数量。
上述模的实现原理参见分布式语音处理方法中的相关介绍,此处不再赘述。
本发明的分布式语音处理系统在容器集群多副本部署场景下既满足了高可用和动态缩扩容的灵活性又保证同一语音流和服务副本对应的一致性,减少服务器之间带宽,节省网络资源。
图5是本发明的分布式语音处理系统运行的示意图。如图5所示,本发明系统可以通过以下子模块实现:
MRCPv2服务模块41获得媒体流片段。实现MRCP服务端,接收MRCP RECOGNIZE消息。分析私有字段callParameter提取出主叫号码、被叫号码、坐席号、坐席ip和呼叫标识callid、语音类型参数等。标准的单个呼叫RTP包是20毫秒,本模块将缓存多个RTP包,累积至1秒后,将上述呼叫随路信息与语音通过HTTP协议发送给实时语音处理模块。
副本语音流片段分发模块421、422,该模块适配MRCP协议并接收同一媒体流的多个数据片段,并根据数据片段携带的相关随路信息中能确定同一媒体流的关键标识,利用一致性Hash算法计算根据实时更新的websocket地址表,匹配分发到同一个的Websocket接口服务副本中,从而避免分发给不同的Websocket接口服务副本后造成对接能力引擎产生的数据流片段混乱,并导致单个媒体流内容无法准确进行相应能力服务。基于kubernetes集群部署,同一个Deployment下管理多个分发副本,本实施例中分发副本数设为2。通过从MRCPv2模块接收的呼叫随路信息中提取callId参数来标识单通通话的所有语音流片段,利用Hash算法匹配并请求分发到相对应的Websocket接口服务副本。例如:
多副本Websocket接口服务模块441、442、443,该模块基于kubernetes集群部署,通过启动多个Deployment实现多副本Websocket接口服务,可以根据业务需求动态调整Deployment数量实现缩扩容和故障自修复。使得服务能够自动部署,满足高可用及负载均衡的需求。可以通过副本控制管理模块进行Websocket接口服务模块Deployment的创建和删除管理。例如,副本控制模块将Websocket接口服务Deployment数量设定为3,则启动了三个副本的Websocket接口服务模块。其中一个Websocket接口服务模块被语音流片段分发模块按算法选择,并间隔1秒持续接收长度为1秒的同一通通话的语音流片段。该Websocket接口服务模块接收语音片段后会根据callId与实时语音识别引擎创建1个持久性的长连接,来完成实时转写识别任务。
副本控制管理模块43,该模块管理控制Websocket接口服务模块及语音流分发处理模块的弹性缩容、扩容,管理模块通过查询服务模块和分发模块命名空间下最新的域名、端点信息并更新到地址表。将更新的Websocket接口服务端点信息及服务域名发送给分发处理模块,分发模块对相应的地址信息做更新,避免因弹性缩扩容造成服务副本数量和服务端点地址变化带来的语音片段数据丢失或无效扩容,达到实时动态发现Webscoket,自动更新服务节点信息。控制Websocket接口服务模块及语音流分发处理模块的弹性缩容、扩容。将创建或删除的Websocket接口服务模块副本相关服务端点信息及服务域名地址发送给语音流分发处理模块进行信息更新。例如,本实施例中,语音流处理分发模块副本数为2,Websocket服务模块副本数为3,副本控制管理模块。在首次创建三个副本的Websocket服务模块时,将副本的服务域名地址adapterWebsocket-svc-00、adapterWebsocket-svc-01、adapterWebsocket-svc-02发送给2个语音流处理分发模块,如果发生Websocket服务模块的动态的缩扩容,则将需要更新的地址再次发送给2个语音流处理分发模块。
实时语音识别引擎45,根据Websocket接口服务模块建立长连接后传送的语音片段进行识别,并将识别后的文字结果返回给请求方。语音片段识别的结果为一段文本。本实施例中实时语音识别引擎与Websocket接口服务模块建立长连接,语音识别引擎接收到语音片段及呼叫信息后,形成语音处理会话,并完成实时语音识别,最后将识别结果以同步方式返回Websocket接口服务模块。
本申请相对现有技术而言,所具有的优点和效果
(1)在容器集群多副本部署场景下既满足了高可用和动态缩扩容的灵活性又保证同一语音流和Websocket服务副本对应的一致性。
(2)弹性缩扩容后可以动态发现Websocket接口服务端点,自动更新hash后的服务节点,无需人工配置。
(3)通过容器集群化部署本系统,实现了对接能力引擎的Websocket接口服务的高可用、弹性扩容、负载均衡。
(4)能减少服务器连接之间的带宽,节省了网络资源,容器化部署节省服务器资源。
本发明实施例还提供一种分布式语音处理设备,包括处理器。存储器,其中存储有处理器的可执行指令。其中,处理器配置为经由执行可执行指令来执行的分布式语音处理方法的步骤。
如上所示,该实施例本发明的分布式语音处理系统在容器集群多副本部署场景下既满足了高可用和动态缩扩容的灵活性又保证同一语音流和服务副本对应的一致性,减少服务器之间带宽,节省网络资源。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“平台”。
图6是本发明的分布式语音处理设备的结构示意图。下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以执行如图1中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:处理系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现的分布式语音处理方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示,该实施例本发明的分布式语音处理系统在容器集群多副本部署场景下既满足了高可用和动态缩扩容的灵活性又保证同一语音流和服务副本对应的一致性,减少服务器之间带宽,节省网络资源。
根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明处理的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上,本发明的目的在于提供分布式语音处理方法、系统、设备及存储介质,在容器集群多副本部署场景下既满足了高可用和动态缩扩容的灵活性又保证同一语音流和服务副本对应的一致性,减少服务器之间带宽,节省网络资源。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (12)
1.一种分布式语音处理方法,其特征在于,包括:
接收请求端发送的一语音数据流;
向自分发处理模块集群中择一选中的一分发处理模块发送所述语音数据流,建立所述请求端、语音数据流与被选中的所述分发处理模块的第一映射关系;
将所述语音数据流切片为若干个语音片段后,所述分发处理模块向自对应的分布式服务容器集群中选出若干分布式服务容器分发所述语音片段,并建立基于每个所述语音片段与所述被选中的分布式服务容器的端口地址的第二映射关系;
将收到的所述语音片段分别进行处理,各自获得对应的处理结果;以及
至少根据第二映射关系组合同一所述语音数据流的各语音片段对应所述处理结果,获得反馈结果,并返回分发处理模块;所述分发处理模块至少根据所述第一映射关系将所述反馈结果返回所述请求端。
2.根据权利要求1所述的分布式语音处理方法,其特征在于,所述至少根据第二映射关系组合同一所述语音数据流的各语音片段对应所述处理结果,获得反馈结果,并返回分发处理模块;所述分发处理模块至少根据所述第一映射关系将所述反馈结果返回所述请求端,还包括:
监控每个所述分发处理模块对应的分布式服务容器集群中各所述分布式服务容器的负载,当所述分布式服务容器的负载超出预设阈值,则增加所述分发处理模块对应的分布式服务容器集群中所述分布式服务容器的数量;当所述分布式服务容器的负载小于预设阈值,则减少所述分发处理模块对应的分布式服务容器集群中所述分布式服务容器的数量。
3.根据权利要求2所述的分布式语音处理方法,其特征在于,所述接收请求端发送的一语音数据流,之前还包括:
实时更新每个所述分发处理模块对应的分布式服务容器集群。
4.根据权利要求1所述的分布式语音处理方法,其特征在于,所述接收请求端发送的一语音数据流,包括:
通过媒体资源控制协议服务端接收一语音数据流;
分析并提取所述语音数据流中的呼叫随路信息,所述呼叫随路信息包括主叫号码、被叫号码、坐席号、坐席地址和呼叫标识编号以及语音类型参数。
5.根据权利要求4所述的分布式语音处理方法,其特征在于,所述向自分发处理模块集群中择一选中的一分发处理模块发送所述语音数据流,建立所述请求端、语音数据流与被选中的所述分发处理模块语音数据流的第一映射关系,包括:
将所述语音数据流和所述呼叫随路信息发送到所述自分发处理模块集群中选中的一分发处理模块,每个所述分发处理模块集群包括至少两个分发处理模块;
建立所述请求端、语音数据流、所述呼叫随路信息与被选中的所述语音数据流的第一映射关系。
6.根据权利要求5所述的分布式语音处理方法,其特征在于,所述将所述语音数据流切片为若干个语音片段后,所述分发处理模块向自对应的分布式服务容器集群中选出若干分布式服务容器分发所述语音片段,并建立基于每个所述语音片段与所述被选中的分布式服务容器的端口地址的第二映射关系,包括:
所述分发处理模块将所述语音数据流按照语音的顺序前后依次切片为若干个语音片段;
将所述语音片段分发到所述分发处理模块对应的分布式服务容器集群中选出若干分布式服务容器,所述分布式服务容器集群包括若干个并行部署且具有唯一地址的分布式服务容器;
建立基于所述语音数据流切片、所述所述语音数据流切片的每个所述语音片段的所述顺序与所述被选中的分布式服务容器的端口地址的第二映射关系;以及
基于一离散函数生成一关键值K,基于所述关键值K将所述第二映射关系转换为一分发地址并储存。
7.根据权利要求1至6中任意一项所述的分布式语音处理方法,其特征在于,所述将收到的所述语音片段分别进行处理,各自获得对应的处理结果,包括:
所述分布式服务容器建立长连接后传送的所述语音片段分别进行语音识别,获得对应的文本片段。
8.根据权利要求7所述的分布式语音处理方法,其特征在于,所述至少根据第二映射关系组合同一所述语音数据流的各语音片段对应所述处理结果,获得反馈结果,并返回分发处理模块;所述分发处理模块至少根据所述第一映射关系将所述反馈结果返回所述请求端,包括:
所述至少根据第二映射关系中语音片段的前后顺序依序组合将同一所述语音数据流的各语音片段的所述处理结果进行组合获得,获得反馈结果,并返回到对应的所述分发处理模块;所述分发处理模块至少根据所述第一映射关系将所述反馈结果返回所述请求端。
9.根据权利要求7所述的分布式语音处理方法,其特征在于,至少一所述分布式服务容器被配置到两个以上的所述分布式服务容器集群中。
10.一种分布式语音处理系统,其特征在于,包括:
语音接收模块,接收请求端发送的一语音数据流;
分发选择模块,向自分发处理模块集群中择一选中的一分发处理模块发送所述语音数据流,建立所述请求端、语音数据流与被选中的所述分发处理模块的第一映射关系;
分布处理模块,将所述语音数据流切片为若干个语音片段后,向自对应的分布式服务容器集群中选出若干分布式服务容器分发所述语音片段,并建立基于每个所述语音片段与所述被选中的分布式服务容器的端口地址的第二映射关系;
语音处理模块,使所述分布式服务容器将收到的所述语音片段分别进行处理,各自获得对应的处理结果;以及
结果反馈模块,至少根据第二映射关系组合同一所述语音数据流的各语音片段对应所述处理结果,获得反馈结果,并返回分发处理模块;所述分发处理模块至少根据所述第一映射关系将所述反馈结果返回所述请求端。
11.一种分布式语音处理设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至9任意一项所述分布式语音处理方法的步骤。
12.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被处理器执行时实现权利要求1至9任意一项所述分布式语音处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110913610.0A CN113630464B (zh) | 2021-08-10 | 2021-08-10 | 分布式语音处理方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110913610.0A CN113630464B (zh) | 2021-08-10 | 2021-08-10 | 分布式语音处理方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113630464A CN113630464A (zh) | 2021-11-09 |
CN113630464B true CN113630464B (zh) | 2022-08-02 |
Family
ID=78383974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110913610.0A Active CN113630464B (zh) | 2021-08-10 | 2021-08-10 | 分布式语音处理方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113630464B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115277652B (zh) * | 2022-06-29 | 2024-03-22 | 北京百度网讯科技有限公司 | 基于推理服务的流媒体处理方法、装置、电子设备 |
CN116431316B (zh) * | 2023-06-06 | 2023-11-14 | 阿里巴巴(中国)有限公司 | 任务处理方法、系统、平台及自动问答方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005020211A1 (de) * | 2003-08-18 | 2005-03-03 | Siemens Aktiengesellschaft | Sprachunterstützte texteingabe bei vorinstallierten anwendungen auf mobilen geräten |
CN110491370A (zh) * | 2019-07-15 | 2019-11-22 | 北京大米科技有限公司 | 一种语音流识别方法、装置、存储介质及服务器 |
CN111464977A (zh) * | 2020-06-18 | 2020-07-28 | 华人运通(上海)新能源驱动技术有限公司 | 语音场景更新方法、装置、终端、服务器和系统 |
CN112201248A (zh) * | 2020-09-28 | 2021-01-08 | 杭州九阳小家电有限公司 | 基于长连接的流式语音识别方法和系统 |
CN112331209A (zh) * | 2020-11-03 | 2021-02-05 | 建信金融科技有限责任公司 | 一种语音转文本的方法、装置、电子设备及可读存储介质 |
CN112654032A (zh) * | 2020-12-15 | 2021-04-13 | 中国联合网络通信集团有限公司 | 短号码的呼叫方法、装置和应用服务器 |
-
2021
- 2021-08-10 CN CN202110913610.0A patent/CN113630464B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005020211A1 (de) * | 2003-08-18 | 2005-03-03 | Siemens Aktiengesellschaft | Sprachunterstützte texteingabe bei vorinstallierten anwendungen auf mobilen geräten |
CN110491370A (zh) * | 2019-07-15 | 2019-11-22 | 北京大米科技有限公司 | 一种语音流识别方法、装置、存储介质及服务器 |
CN111464977A (zh) * | 2020-06-18 | 2020-07-28 | 华人运通(上海)新能源驱动技术有限公司 | 语音场景更新方法、装置、终端、服务器和系统 |
CN112201248A (zh) * | 2020-09-28 | 2021-01-08 | 杭州九阳小家电有限公司 | 基于长连接的流式语音识别方法和系统 |
CN112331209A (zh) * | 2020-11-03 | 2021-02-05 | 建信金融科技有限责任公司 | 一种语音转文本的方法、装置、电子设备及可读存储介质 |
CN112654032A (zh) * | 2020-12-15 | 2021-04-13 | 中国联合网络通信集团有限公司 | 短号码的呼叫方法、装置和应用服务器 |
Non-Patent Citations (1)
Title |
---|
基于Spring Cloud和Docker的分布式微服务架构设计;黄强文等;《微型电脑应用》;20190614(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113630464A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10411956B2 (en) | Enabling planned upgrade/downgrade of network devices without impacting network sessions | |
WO2020228505A1 (zh) | 一种移动边缘计算节点的选择方法、装置及系统 | |
US10491523B2 (en) | Load distribution in data networks | |
CN110417842B (zh) | 用于网关服务器的故障处理方法和装置 | |
US9712412B2 (en) | Aggregating status to be used for selecting a content delivery network | |
CN113630464B (zh) | 分布式语音处理方法、系统、设备及存储介质 | |
CN112769837B (zh) | 基于WebSocket的通信传输方法、装置、设备、系统及存储介质 | |
US9407687B2 (en) | Method, apparatus, and network system for acquiring content | |
CN108023953A (zh) | Ftp服务的高可用实现方法和装置 | |
US20090092142A1 (en) | Methods, systems and computer program products for dynamic communication data routing by a multi-network remote communication terminal | |
CN112929264B (zh) | 业务流量传输方法、系统及网络设备 | |
US20120233240A1 (en) | Sctp association endpoint relocation in a load balancing system | |
KR20130130295A (ko) | 단말을 서버에 할당하고 단말로의 효율적인 메시징을 위한 시스템 및 방법 | |
WO2016180284A1 (zh) | 服务节点分配方法、装置、cdn管理服务器及系统 | |
CN110247847B (zh) | 节点之间回源选路的方法和装置 | |
CN107483628A (zh) | 基于dpdk的单向代理方法及系统 | |
JP2007207013A (ja) | 情報処理装置、情報共有プログラム | |
KR20210016802A (ko) | 소프트웨어 정의 네트워킹 환경에서 서버-클라이언트 기반의 네트워크 서비스를 위한 플로우 테이블을 최적화하는 방법 및 이를 위한 sdn 스위치 | |
RU2679340C1 (ru) | Маршрутизации сообщений без сохранения состояния | |
CN110958326B (zh) | 一种负载均衡方法、装置、系统、设备及介质 | |
CN110139119B (zh) | 数字广播系统的p2p音频直播分发方法、装置及存储介质 | |
KR101382177B1 (ko) | 동적 메시지 라우팅 시스템 및 방법 | |
US8880729B2 (en) | Method and apparatus for routing requests for service using BGP community attributes | |
CN111866100A (zh) | 一种控制数据传输速率的方法、装置和系统 | |
CN116996481B (zh) | 直播数据获取方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |