Asterisk中抑制远端发送sendonly或inactive时的MOH播放机制
在Asterisk VoIP系统中,当远端端点发送带有"sendonly"或"inactive"属性的SDP时,系统会默认将其解释为"保持"状态并自动播放保持音乐(MOH)。然而,在某些特定场景下,这种默认行为可能并不符合实际需求,特别是在远端正在发送早期媒体或系统已经在播放特定音频的情况下。
问题背景
在SIP协议交互过程中,当主叫方A呼叫被叫方B时,被叫方可能会返回180 Ringing响应,随后发送183会话进展消息。这些消息中的SDP描述可能包含"sendonly"或"inactive"属性。按照行业惯例和Asterisk的默认实现,系统会将这些属性视为呼叫保持信号,从而触发保持音乐播放。
这种机制在大多数情况下是合理的,但在以下场景中会产生问题:
- 被叫方正在发送早期媒体(如自定义回铃音)
- 拨号方案中已经配置了特定音频播放给主叫方
- 系统需要保持当前音频流不被中断
技术实现原理
Asterisk通过解析SDP中的媒体方向属性来决定如何处理媒体流。当检测到"sendonly"(a=sendonly)或"inactive"(a=inactive)属性时,核心媒体处理逻辑会触发保持状态,启动MOH播放。这一机制位于Asterisk的SDP协商和媒体处理模块中。
解决方案
为了解决这一问题,Asterisk引入了新的配置选项和行为控制机制:
-
新增通道变量:开发了
SUPPRESS_MOH_ON_REMOTE_SENDONLY通道变量,当设置为true时,系统将不会在收到远端sendonly/inactive属性时自动播放MOH。 -
拨号方案控制:在拨号方案中可以通过设置通道变量来精确控制这一行为:
same => n,Set(SUPPRESS_MOH_ON_REMOTE_SENDONLY=true) -
核心代码修改:对媒体处理逻辑进行了增强,在触发MOH播放前检查相关标志位,确保在需要抑制MOH的场景下保持现有媒体流不变。
应用场景
这一改进特别适用于以下场景:
-
定制化回铃音系统:当企业使用定制回铃音(CRBT)时,可以确保主叫方听到的是定制音频而非标准MOH。
-
媒体网关应用:在媒体网关场景中,可能需要保持现有媒体流的连续性。
-
特殊业务场景:如语音信箱系统、交互式语音应答(IVR)等需要精确控制音频播放的场景。
实现细节
在技术实现上,主要修改涉及:
- SDP解析模块:增强了对媒体方向属性的处理逻辑
- 媒体控制层:增加了MOH触发条件的判断
- 通道变量处理:新增了对抑制MOH标志的支持
系统现在会在以下情况下保持现有音频流:
- 远端发送sendonly/inactive属性
- 抑制MOH标志被激活
- 当前已有活跃的媒体流
最佳实践
对于系统管理员和开发人员,建议:
- 在需要保持现有媒体流的场景下明确设置抑制标志
- 对于定制化音频应用,应在拨号方案中妥善处理媒体方向变化
- 测试不同场景下的媒体流行为,确保符合业务需求
这一改进显著增强了Asterisk在复杂媒体场景下的灵活性,使系统能够更好地适应各种业务需求,同时保持了与传统实现的兼容性。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112