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。
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 StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python07
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07