Asterisk中MixMonitor录制音频参数传递的正确方式
2025-06-30 17:31:20作者:俞予舒Fleming
问题背景
在使用Asterisk的AGI接口进行音频录制时,许多开发者会遇到一个常见问题:当尝试通过Python脚本使用MixMonitor应用程序同时录制通话的混合音频、发送方音频和接收方音频时,发现第三个参数对应的音频文件无法生成。这个现象看似是Asterisk的Bug,但实际上是由于参数传递格式不正确导致的。
错误现象分析
开发者通常会尝试以下两种参数传递方式:
agi.appexec('MixMonitor', f"{recording_file},t({transmitted_file}),r({received_file})")
或者
agi.appexec('MixMonitor', f"{recording_file},r({received_file}),t({transmitted_file})")
在这两种情况下,都会发现第三个参数对应的音频文件没有被创建。例如第一种方式中received_file缺失,第二种方式中transmitted_file缺失。
根本原因
这个问题并非Asterisk的Bug,而是参数格式使用不当。MixMonitor应用程序的参数解析规则要求:
- 主录音文件路径后可以跟随多个选项参数
- 选项参数之间不应使用逗号分隔
- 每个选项参数应直接连接在一起
正确解决方案
正确的参数传递格式应为:
agi.appexec('MixMonitor', f"{recording_file},t({transmitted_file})r({received_file})")
关键区别在于移除了t选项和r选项之间的逗号分隔符。这种格式符合Asterisk对MixMonitor参数解析的预期。
技术细节
MixMonitor应用程序的参数解析机制如下:
- 第一个参数始终是混合音频的输出文件路径
- 后续参数可以是各种选项,包括:
- b:在通话开始时开始录制
- t(filename):仅录制发送方音频
- r(filename):仅录制接收方音频
- 选项之间不需要也不应该使用逗号分隔
最佳实践建议
- 在使用AGI接口调用Asterisk应用程序时,应仔细查阅对应应用程序的文档说明
- 参数传递格式要严格遵循应用程序的语法要求
- 对于复杂的参数组合,建议先在dialplan中测试确认语法正确性,再移植到AGI脚本中
- 录制重要通话时,应添加错误处理逻辑,验证各音频文件是否成功生成
总结
这个案例展示了Asterisk参数传递的一个常见误区。虽然表面看起来像是系统Bug,但实际上是由于对应用程序参数格式理解不准确导致的。通过正确理解MixMonitor的参数格式要求,开发者可以顺利实现多方音频的分别录制功能。这也提醒我们在使用开源软件时,仔细阅读文档和正确理解参数格式的重要性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
196
218
暂无简介
Dart
637
145
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
653
277
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
628
仓颉编译器源码及 cjdb 调试工具。
C++
128
859
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
74
99
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.73 K