一段语音问候,技术上能播出来,不代表听起来是对的。人名、药名、地名、产品术语,最容易暴露书面文字和实际发音之间的差距。要修一个读音,通常得提开发工单、改配置、再重新生成音频。
Fluency Lab 试了一套不同的做法:每家诊所配一个持久化 actor,把发音词典当成有版本的资源来管理。员工用短信提交纠正,actor 校验并应用,问候语重新合成,再由定时 canary 检查生成的音频。
示例用 TypeScript 写成,串起了 Telnyx Edge Compute、Agent SDK、Messaging、发音词典和文本转语音几项能力。
两种提交格式,对应两类词典条目
员工发来的纠正支持两种写法。第一种是别名条目,比如把某个药名按音节标注读音;第二种把发音包在斜杠里,生成的是 IPA 音素条目。两种格式走同一条消息通道,解析后落到不同类型的词典项上。
消息进来之后,应用要做一串动作:
- 校验 Telnyx Messaging webhook 签名;
- 把接收号码映射到诊所标识;
- 为该诊所解析出一个持久化 actor;
- 解析并校验待加入的词典条目;
- 以 webhook 事件 ID 为键,把这次修改放进待处理队列;
- 拉取当前发音词典;
- 通过 PATCH 发送完整替换的条目列表;
- 遇到并发更新冲突时重试;
- 记录已应用的修改,重新合成问候语;
- 给提交修改的员工回一条确认。
对外路由保持很薄,业务状态和重试行为都放在 actor 里。webhook 先推导出稳定的诊所 ID,再把校验过的事件转给对应的 actor,调用只传文本、发送方、接收方和事件 ID 这几项。
词典不是被动配置,它有持久化所有者
actor 持有重启后继续工作所需的状态,包括诊所 ID、词典 ID、版本号、条目列表、待处理修改、上一次 canary 哈希、最后应用的版本,以及一个降级标记。
首次使用时,actor 会创建该诊所的词典。在线模式下,冷启动的 actor 会先按预期名称查找已有词典并重新挂接,而不是再建一个。
这是整套设计的核心选择:发音词典不是被动配置,它有一个持久化的所有者,负责应用、记录和检查每一次改动。
并发更新的坑也在这里。发音词典的更新会替换完整的条目数组,如果两个编辑者从同一个起始版本各自构建更新,盲目重试可能把其中一方的修改覆盖掉。Fluency Lab 的做法是每次尝试前先拉取当前词典,合并请求的词条,冲突最多重试三次。
上生产前还得补的几道闸
示例演示的是所有权和恢复模式,真正用于生产的发音工作流,还需要按业务场景加上相应控制:
- 对员工发送方要求身份认证或白名单;
- 在纠正对来电者生效前加一道审批;
- 存储能把每次修改关联回原始事件的审计标识;
- 监控反复出现的冲突和耗尽的重试;
- 由具备资质的人复核发音改动;
- 用访问令牌或等效的访问层保护音频路由;
- 为审计表中保存的员工标识定义保留和隐私规则。
这套思路可复用的地方不止发音。一个持久化 actor 可以拥有任何需要非开发者安全修改的运营资源:问候语、菜单、营业时间、路由规则,或者其他带版本的配置。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.