Asterisk开源电话系统发布certified-20.7-cert6版本解析
Asterisk作为全球知名的开源电话系统(PBX)和通信平台,近日发布了其Certified分支的20.7-cert6版本。作为企业级通信解决方案的核心组件,Asterisk提供了完整的VoIP功能,支持传统电话系统与现代IP通信的无缝集成。本次更新主要针对社区报告的问题进行了修复,并引入了几项实用的新功能,进一步增强了系统的稳定性和功能性。
核心功能更新
STIR/SHAKEN认证增强
在电信防欺诈领域,STIR/SHAKEN协议已成为重要标准。本次更新中,res_stir_shaken模块新增了对未知电话号码(TN)的支持。通过配置stir_shaken.conf中的"unknown_tn_attest_level"选项,系统现在可以为未明确配置的来电号码发送Identity头部信息。这一改进使得企业能够更灵活地处理各种来电场景,同时保持通信的安全性。
SIP端点功能优化
针对SIP通信中的媒体处理,新版本增加了"suppress_moh_on_sendonly"端点选项。当远端通过SDP发送"sendonly"或"inactive"(保持)状态时,该选项可以阻止Asterisk向主叫方播放保持音乐(MOH)。这一功能特别适合需要精确控制媒体流的应用场景,如呼叫中心或高级通信解决方案。
混合监控功能升级
app_mixmonitor应用新增了'D'选项,实现了双声道音频记录功能。该选项将发送和接收的音频分别记录在立体声的不同声道中,同时保持与原有't'选项的兼容性。这一改进为通话质量分析、培训评估等场景提供了更专业的录音解决方案。
数据库系统改进
在底层数据存储方面,ast_db_* API取消了原有的253字节长度限制,现在支持总长度高达SQLITE_MAX_LENGTH(约10亿字节)的键值对。这一变化不仅影响了DB*拨号方案应用和函数,还提升了media_cache处理长URI资源的能力,为存储大型媒体文件或复杂数据提供了更好的支持。
技术实现细节
从技术架构来看,本次更新体现了Asterisk项目对系统稳定性和扩展性的持续关注。31个提交中包含了5位开发者的贡献,解决了16个具体问题。特别值得注意的是,这些改进大多源于社区反馈,展现了开源协作模式的优势。
在安全方面,虽然本次更新没有涉及安全公告的修复,但通过功能增强间接提升了系统的安全性。例如STIR/SHAKEN认证的改进有助于防范电话欺诈,而数据库系统的优化则增强了数据处理的可靠性。
升级建议
对于运行Certified 20.7系列版本的用户,建议评估本次更新带来的功能改进是否满足业务需求。特别是那些需要处理大量未知来电或需要高级录音功能的环境,升级将带来明显的价值。升级前应仔细阅读变更日志,了解可能影响现有配置的改动。
Asterisk开发团队通过这种定期的Certified版本更新,为企业用户提供了稳定可靠的通信平台选择。这种既保持核心稳定又逐步引入改进的发布策略,正是Asterisk在开源通信领域长期保持领先地位的关键因素之一。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00