audio-fork-server

Go 全双工音频网关（Go 1.23，纯静态编译 CGO_ENABLED=0）。在同一条 WebSocket 长连接上桥接 FreeSWITCH mod_audio_fork 与本地 sherpa-asr-server / sherpa-tts-server：上行把麦克风 PCM16 转发给 ASR 识别，下行把 TTS 合成的 PCM16 灌回 FreeSWITCH 播放，上下行真正并发，并内建 「开嗓打断」（barge-in）。

• 用途：为平台提供真正的全双工语音链路，取代「先识别、后单向播报」的半双工时序。
• 边界：本服务不做识别与合成，只做双向桥接、会话管理与打断判定；识别文本来自 sherpa-asr-server，合成音频来自 sherpa-tts-server。它讲的下游契约与 mod_audio_fork 一致（WS /audio、子协议 audio.drachtio.org、PCM16 音频与控制信令），接入方把 apps/callflow-esl 的 [duplex] 网关地址指向本服务即可。
• 打断策略：[bargeIn].trigger 三态对齐平台 barge-in 规范——partial（增量文本达 minTextLength 时打断，默认，抗噪）、speech-start（VAD 开嗓信号瞬时打断）、final（整句 定稿才打断）。

专题导航

• 云语音网关总览
• 全仓服务目录

目录结构

speech-gateway/audio-fork-server/
├── cmd/audio_fork_server/   # main：解析参数/配置、装配会话管理器与服务、优雅停机
├── internal/
│   ├── config/              # config.toml 解析、默认值与 AUDIO_FORK_* 环境变量覆盖
│   ├── server/              # HTTP /health + WS /audio 服务端、子协议协商、名额控制
│   ├── session/             # 会话管理器与单连接全双工生命周期
│   ├── asr/                 # 上行：连接 sherpa-asr-server 流式识别、断线重连
│   ├── tts/                 # 下行：请求 sherpa-tts-server PCM16 流式合成
│   └── protocol/            # mod_audio_fork 帧结构与控制信令
├── config.toml              # 默认配置
├── build.ps1 / build.sh     # Windows / Linux 构建入口（跨平台静态编译 + 装配 dist/）
├── .air.toml                # air 热重载配置（本地开发）
├── test_e2e.ts              # 端到端联调脚本
└── dist/                    # 自包含交付目录（dist/win_x64、dist/linux_x64），不提交

构建

需要 Go 1.23+。build.ps1（Windows）与 build.sh（Linux/macOS）等价，均一次性交叉编译 Windows x64 与 Linux x64 两个纯静态二进制（CGO_ENABLED=0、-ldflags "-s -w"），并把 config.toml 一并拷入交付目录：

pwsh ./build.ps1          # 或根目录 bun run build:native audio-fork

bash ./build.sh           # 或根目录 bun run build:native audio-fork

产物为自包含交付目录 dist/win_x64/（audio_fork_server.exe + config.toml）与 dist/linux_x64/（audio_fork_server + config.toml）。dist/ 与 tmp/ 不提交。

运行

本服务属于根 bun run dev 默认启动组。开发期用 air 热重载（改动 .go / .toml 自动重编重启）：

bun run dev:audio-fork:air     # = bun run --cwd speech-gateway/audio-fork-server air

air 依据 .air.toml 执行 go build ./cmd/audio_fork_server 并以 -c config.toml 拉起进程， 需本机 PATH 中已安装 air。也可直接运行交付目录中的二进制：

cd dist\win_x64
.\audio_fork_server.exe -c config.toml

配置路径解析顺序：-c / --config 参数 → AUDIO_FORK_CONFIG_PATH → 进程 CWD 下 ./config.toml / ../config.toml → 可执行文件同目录 config.toml。

最小配置

config.toml 关键字段（完整字段见文件内注释）：

• [server]：port（默认 10091）、path（/audio）、subprotocol（audio.drachtio.org）、 healthPath（/health）。
• [asr].wsUrl：本地 sherpa-asr-server 流式识别地址（默认 ws://127.0.0.1:10096/audio）。
• [tts].baseUrl：本地 sherpa-tts-server 地址（默认 http://127.0.0.1:9080），format 必须为 pcm、sampleRate 须与 ASR/FreeSWITCH 统一为 16000。
• [bargeIn]：enabled / trigger / minTextLength。

部署时常用环境变量覆盖：AUDIO_FORK_PORT、AUDIO_FORK_ASR_WS_URL、AUDIO_FORK_TTS_BASE_URL、 AUDIO_FORK_TTS_SPEED、AUDIO_FORK_TTS_SPEAKER_ID、AUDIO_FORK_LOG_LEVEL。跨机部署时 asr.wsUrl / tts.baseUrl 必须从本服务所在主机可达，server.host 需绑定 FreeSWITCH 可达网卡。

健康检查

Invoke-WebRequest http://127.0.0.1:10091/health

返回 JSON：status、activeSessions / maxSessions，以及当前生效的 asr.wsUrl、 tts（baseUrl / sampleRate / format / speed / speakerId）与 bargeIn （enabled / trigger）。健康通过只代表本服务已监听、配置合法，不代表上游 ASR / TTS 可达。

最小验证

1. 先起 sherpa-asr-server（10096）与 sherpa-tts-server（9080），再起本服务。
2. GET /health 返回 status: ok 且 asr.wsUrl / tts.baseUrl 指向已就绪的上游。
3. 用 test_e2e.ts 端到端联调脚本，或把 apps/callflow-esl 的 [duplex] 网关指向 ws://<本机>:10091/audio 走一通真实通话，确认上行识别与下行灌音并发、开嗓可打断。

注意事项

• 端口、路径、健康检查等事实以全仓服务目录为唯一来源。
• 任务中启动的服务必须在结束前停止，避免端口 / 资源残留。