本周工作总结:

1. TRTC实时会话与转写方案落地

完成基于腾讯云TRTC的实时会话及转写文字效果实现，支持双设备同房间通信。优化ASR上传规则，将原本双向采集改为电脑端单方向监听——分别捕获麦克风输入与音频输出并独立提交给ASR，实现说话人角色区分，提升转写结果的可读性与后续分析价值。

2. 软电话系统搭建与通话录音转录

完成Asterisk软交换平台与Linphone软电话的部署配置，为电脑端和手机端分别分配软电话账号。通过Asterisk路由实现两端通话功能，并启用通话录音能力。建立录音分片机制，将通话录音按时间或静音边界切分后批量上传至ASR进行转录，完成转录结果的持久化存储。通过手机外放音频进行端到端转录效果测试，验证专有名词下的实时性与准确率表现。

3. 后端技术栈迁移

将后端项目从Python迁移至Golang，利用Golang在高并发与实时处理场景的性能优势，优化音频流处理与ASR交互效率。

问题与洞察:

1. 说话人区分的工程价值：将麦克风输入与音频输出分别提交ASR，实现了”本地侧”与”远端侧”的自动标注。这一优化虽增加了ASR调用次数，但大幅降低了后续对话角色分离的处理成本，在客服质检、销售复盘等场景具有直接业务价值。
2. Python迁移Golang的动机与风险：迁移动机明确——Golang在音频流并发处理、内存占用、部署便捷性上优于Python。但短期内增加了开发调试成本，且Golang生态在音频处理库（如pydub、librosa的等价物）丰富度上弱于Python，部分功能可能需要自研或引入C绑定。
3. 软电话方案的真实通话体验差距：Linphone作为软电话在通话音质、抗丢包能力上与硬件话机或原生手机通话存在差距，且Asterisk的录音质量受编解码配置影响较大。当前测试用手机外放音频属于实验室环境，真实通话场景（网络抖动、背景噪音、回声）下的转写效果仍需验证。

下周重点工作:

1. 软电话方案工程化与稳定性优化
   1. 优化Asterisk录音配置（编解码、采样率、降噪），提升录音质量与ASR识别准确率
   2. 建立分片上传的失败重试与本地缓存机制，确保数据不丢失
2. 真实通话场景验证
   1. 模拟真实电话场景测试（弱网、噪音、多人通话），评估转写效果边界
   2. 对比软电话方案与TRTC方案在相同音频质量下的ASR准确率差异
   3. 收集业务方反馈，明确软电话方案是否满足核心场景需求
3. 多厂商ASR对比
   1. 模拟不同场景对不同ASR引擎，如阿里云、腾讯云、火山引擎等，进行测试