作者簡介

本文作者為攜程基礎業(yè)務研發(fā)部呼叫中心團隊，其在傳統(tǒng)呼叫中心基礎上，結合軟交換、智能分配、自動語音語義處理等技術，為攜程用戶提供人性化、人機互動、便捷的電話語音服務。

一、前言

智能手機早已成為日常生活中不可或缺的一部分，隨著移動互聯(lián)網(wǎng)的快速發(fā)展，人們的生活習慣與工作方式也在不斷發(fā)生改變。從移動通信、移動支付，再到移動辦公，“移動化”已滲透至各行各業(yè)，并逐步成為企業(yè)業(yè)務發(fā)展的趨勢。

攜程呼叫中心研發(fā)團隊根據(jù)業(yè)務的需求，研發(fā)完成了一套完整的呼叫中心移動坐席解決方案，使業(yè)務坐席不再受制于工作時間、辦公地點，隨時隨地，有網(wǎng)絡的地方，就有呼叫中心。

二、移動辦公呼叫中心系統(tǒng)架構

移動場景保留了典型的呼叫中心系統(tǒng)架構，在接入端加入 SBC，用于移動呼叫中心語音接入和安全控制。坐席無論身在何處，只需要一臺電腦、智能手機或智能設備，通過 Wifi、3G 或 4G 網(wǎng)絡登錄坐席 App，即可開啟日常工作。

三、移動場景下面臨的挑戰(zhàn)

目前國內(nèi)企業(yè)的 Intranet 基本為 100M，而自有機房的核心網(wǎng)絡可達到 1000M 甚至雙 1000M。因為物理網(wǎng)絡有著高度可靠的帶寬、網(wǎng)絡質量與穩(wěn)定性，用戶基本無需顧慮帶寬、延時、網(wǎng)絡抖動等情況。

而相較于物理網(wǎng)絡，移動環(huán)境普遍存在著穩(wěn)定性差、帶寬波動劇烈、信號覆蓋不均衡導致網(wǎng)絡頻繁切換等多個問題，加之外部環(huán)境的復雜性與多樣性，通話延遲、卡頓、中斷、回聲與噪聲等問題難以避免，克服這些問題便成為了呼叫中心移動化所面臨的巨大挑戰(zhàn)與難點。

四、攜程呼叫中心移動坐席解決方案

攜程呼叫中心通過優(yōu)化標準的 SIP 協(xié)議，減少坐席應用與后端服務的交互；深度定制音頻編解碼器，在提高音質的同時降低了數(shù)據(jù)流量；通過丟包補償技術來提升弱網(wǎng)環(huán)境下的通話質量。

基于優(yōu)化后的 SIP 協(xié)議開發(fā)標準的 SDK，應用層可快速實現(xiàn)電話相關的功能，將原來基于電腦或 IP 電話的 IP-Talk 的方式移植到移動智能終端，突破傳統(tǒng)的空間限制，實現(xiàn)了完全開放的自由移動。

1、CCodec

音頻編解碼器，通俗理解就是把自然界的聲音采集，轉換成數(shù)字信號，再采用相應的壓縮技術，對得到的數(shù)字信號進行壓縮，即可形成常見的音頻文件，如 wav、mp3、aac 等。

而音頻的數(shù)字化采集與處理，理論上無法實現(xiàn)完全與自然發(fā)音相同，只是盡可能優(yōu)化算法，使其最大化接近原始發(fā)音。同等條件下，音頻質量主要取決于以下技術指標：

• 采樣率：一秒內(nèi)采樣聲音波形的點數(shù)，每秒抽取的點數(shù)越多，獲取的頻率信息就越豐富，音頻還原也就越接近自然。

• 采樣位數(shù)：采樣獲取到模擬信號的數(shù)字表示，比特率越高，表示某一點的信息也就越豐富。

經(jīng)過相關的編碼、壓縮算法的處理，音質越高所產(chǎn)生的音頻流越大，傳輸所需要的帶寬也越高，與之相對應的，耗費的流量也同比上漲。

移動場景下，音頻編碼及相關的壓縮算法需要在提高音質保證用戶體驗的同時，盡可能降低傳輸帶寬和存儲空間。如果音頻編解碼能支持動態(tài)碼率，便能為用戶帶來更好的通話體驗。所謂動態(tài)碼率支持，即：

• 在弱網(wǎng)情況下使用低碼率，適當?shù)慕档鸵糍|，以便降低對帶寬的要求及流量的消耗，以提高通話的成功率和有效性。

• 在網(wǎng)絡質量良好的情況下提高碼率，相應的，音質也可以隨之提升，甚至可以提高音頻的聲道數(shù)，在提高通話良好體驗的同時，可以支持音樂等更豐富的音頻聽感。

攜程呼叫中心研發(fā)團隊通過研究最近的音頻編解碼技術和相關壓縮算法，研發(fā)完成了一套有損音頻編碼器——CCodec。

CCodec 是基于開源音頻編解碼算法研發(fā)的有損音頻編解碼器，不僅可以支持動態(tài)調(diào)整比特率、音頻帶寬和幀大小，同時能在編碼的過程中根據(jù)音頻數(shù)據(jù)的復雜程序即時確定使用的比特率，在保證質量的前提下兼顧編碼后產(chǎn)生文件的大小，即 VBR（Variable Bit Rate）。在保證音頻質量的同時，大大降低了數(shù)據(jù)流量，尤其適合互聯(lián)網(wǎng)上的語音實時交互和音樂傳輸。

CCodec 可用于較多類型的音頻應用，如 VoIP、視頻會議、游戲內(nèi)的語音聊天、基于實時的音樂會直播等。其主要有以下特性：

• 支持多種比特率

• 支持 8kHz 到 48kHZ 的采樣率

• 支持 CBR 和 VBR 兩種碼率技術

• 支持單聲道和立體聲

• 支持多聲道

• 可以動態(tài)調(diào)整比特率、音頻帶寬和幀大小

• 具有較好的魯棒性丟失率和丟包補償機制

經(jīng)過實驗對比，除以上技術功能的支持外，它也具有良好的低算法延遲，非常適合實時通訊類的應用。在平衡音質和比特率的情況下，算法延遲可進一步降低到 5ms。

質量比特率對比

從比特率與質量的對比曲線中可以看出，CCodec 編解碼不僅在低比特時對音頻的保真超越了 iLBC、AMR-NB、Speex、AMR-WB，在高比特率的情況下，音質依然越超眾多現(xiàn)有的編解碼。

在移動弱網(wǎng)場景下，可以設置 CCodec 比特率為16-32，優(yōu)先滿足通話功能，進行有效溝通。而當網(wǎng)絡狀態(tài)良好的情況下，可以使用32以上的比特率，以適應傳輸更高品質的音樂等豐富的音頻數(shù)據(jù)流。

比特率遲時對比

呼叫中心系統(tǒng)多用于處理用戶的電話咨詢或售后服務，屬于實時通信系統(tǒng)。在實時通信系統(tǒng)中，音頻的延時對雙方的溝通體驗會造成巨大影響，而延時也是實時通訊系統(tǒng)中極為重要的標準。因此，音頻算法的延時顯得尤為重要。

CCodec 編解碼器算法延時小的特性，非常適合應用于攜程電話、VoIP 或視頻會議等應用場景。

2、CSIP

SIP 是由 IETF 制定的多媒體通信協(xié)議，它是一個基于文本的應用層控制協(xié)議，用于創(chuàng)建、修改和釋放一個或多個參與者的會話，廣泛應用于 CS（Circuit Switched，電路交換），NGN（Next Generation Network，下一代網(wǎng)絡）以及 IMS（IP Multimedia Subsystem，IP 多媒體子系統(tǒng)）的網(wǎng)絡中，可支持并應用于語音、視頻、數(shù)據(jù)等多媒體業(yè)務。

而 CSIP 是一個基于 SIP、SDP、RTP、STUN 等協(xié)議而實現(xiàn)的通信庫，可以支持音頻、視頻及短消息的傳輸。為適應移動網(wǎng)絡的抖動、時延，CSIP 實現(xiàn)時加入了以下特性：

• 集成 CCodec 音頻編解碼，抗30%網(wǎng)絡丟包，支持 250ms 網(wǎng)絡遲延。在弱網(wǎng)情況下，提升通話體驗

• 網(wǎng)絡狀態(tài)監(jiān)控，動態(tài)調(diào)整比特率，保障移動網(wǎng)絡下的穩(wěn)定運行

• 斷開自動恢復功能

• 優(yōu)化回聲消除、語音降噪的處理，提升聽覺體驗

3、Ctrip PhoneSDK 便捷接入

CSIP 功能強大且靈活，但由于是基于 C 語言開發(fā)，接口及使用方式對于移動開發(fā)來說，比較復雜且不宜使用。PhoneSDK 在 CSIP 的基礎上進行了邏輯封裝，提供簡單且易于使用的接口 API。

考慮到呼叫中心的特殊場景，在 PhoneSDK 的基礎上，團隊進一步擴展了與坐席相關的功能，實現(xiàn)了坐席的登錄、狀態(tài)改變等相關功能，進一步降低了坐席類應用的開發(fā)成本。

PhoneSDK 可快速實現(xiàn)以下網(wǎng)絡電話相關的功能：

• 呼出/應答

• 掛起

• 轉移

• 靜音

• 多人會話

• 會議

• 網(wǎng)絡狀態(tài)監(jiān)測

• IPv6

• WebSocket

• P2P

• TCP/SSL/UDP

• 噪聲消除

• 回聲抑制

• 丟包補償

• 抗網(wǎng)絡抖動

• 動態(tài)碼率調(diào)整

流量對比

為了使用 PhoneSDK 適應移動場景下的音頻傳輸，在音頻壓縮方面采用了有損壓縮算法，在保證音質的前提下，大大降低了編碼后的音頻大小。在相同的網(wǎng)絡環(huán)境下，使用相同的設備進行測試，在使用 CCodec 48KHz 采樣率的情況下，編碼的音頻僅為微信的1/2，是傳統(tǒng) G711/PCMu 的1/3左右。

五、案例—— “十一貝”呼叫中心私有云

北京十一貝技術有限公司，主要側重于保險營銷業(yè)務，提供去哪兒等用戶群不同類型的保險產(chǎn)品。根據(jù)其業(yè)務特性及具體需求，以移動 App 為主題，利用 PhoneSDK 快速研發(fā)了一套坐席 App，提供十一貝業(yè)務人員使用。