• 基于SIP协议的媒体录音规范（SIPREC）完整技术概述

　　在当前的语音通信环境中，除了用户非常重视呼叫的用户体验，同时对其他第三方的业务要求也有了新的要求。特别是在某些金融领域，法律咨询领域和人力资源领域，双方电话沟通需要有完整的通话录音，这些录音可能会帮助双方对某些歧义进行进一步的佐证。但是，随着呼叫中心，IPPBX部署方式的技术革命，很多呼叫中心，IPPBX已经实现了云部署的方式，以前传统的录音方式基本上很难满足用户的需求，市场份额也正在萎缩。在当前主流的部署方式中，使用SBC对接其他业务应用是大家正在逐步使用的主要的部署方式。关于SBC的背景介绍，我们在以前的文章中做过非常多的关于SBC以及其功能的介绍，笔者也发表过关于开源OpenSIPS电话录音的分享。

• 如何通过SBC实现公网注册SIP话机演示，实现联通COP对接通话
• 图解边界会话控制器（SBC）的20个最常用功能
• SIP系列讲座-边界会话控制器-SBC全面剖析
• 基于OpenSIPS实现电话录音解决方案探讨

　　RFC5341-基于SIP的媒体录音使用场景规范：
　　Use Cases and Requirements for SIP-Based Media Recording （SIPREC）
　　RFC7245-SIP媒体录音技术架构：
　　An Architecture for Media Recording Using the Session Initiation Protocol
　　RFC 7865-SIP录音时的metadata：
　　Session Initiation Protocol （SIP） Recording Metadata
　　RFC7866-SIP录音的呼叫流程：

• 关于法律强制录音的规定流程不在此规范讨论范围之内
• 关于媒体注入，编码转换，安全问题不在本规范讨论范围之内
• 通过网络镜像方式录音Passive 录音方式不在本规范讨论范围之内

1. 支持录音意识用户代理- Recording-aware User Agent （UA）：此UA可以意识到其拓展已经关联到了通信会话（CS）。其拓展参数可以通知其UA录音会话已启动或表示其状态，可以启动，暂停和完全停止等消息。
2. 无录音意识用户代理-Recording-unaware User Agent （UA）：此UA意识不到其拓展已经关联到了通信会话（CS）。无录音意识代理将通过其他手段通知其UA录音会话已启动或表示其状态，可以启动，暂停和完全停止等消息。
3. Recording Metadata：描述SRS服务器端需要的相关录音身份确认数据，包括通信会话和dialog状态信息等。一般情况下，这些metadata会和复制媒体录音一起发送到SRS服务器端。
4. Replicated Media：由SRC客户端创建的媒体流复制数据流，发送到SRS服务器端。它可能包括语音和视频数据。

1. SRC查询定位SRS的URL地址，按照解析方式来解析SRS地址。
2. 发送INVITE请求，创建一个dialog，然后发送到SRS。
3. 在INVITE请求中包括一个录音指示，表示会话已经创建，希望发送媒体录音。
4. 如果马上要发送复制媒体时，在SDP中包含一个“a=sendonly”，表示马上发送媒体录音。如果还没有准备好发送媒体的话，包含一个“a=inactive”。
5. 复制的媒体流被录音然后发送到SRS服务器端。

• 在SIPREC的规范中，它说明了几个基于SIP的录音使用场景。这些场景都可以支持SIPREC规范RFC6341。在此规范中，一些必要的定义需要再次说明一下：
• SRS-全称是Session Recording Server，它是一个具体的媒体服务器或媒体采集服务器，是一个用户代理，同时汇总各种媒体流的metadata。SRS典型的部署方式是一个多口可拓展的服务器类型。
• SRC-全称是Session Recording Client，它是一个SIP用户代理，负责对服务器端发送媒体流数据，它本身是一个逻辑功能单元，可以支持多个物理设备，在实际应用环境中，SRC可以是SIP终端话机，媒体网关或者SBC。SRC同时对SRS服务器发送metadata。
• Communication Session （CS），通信会话创建于一个SIP或者多个用户代理之间的会话，是一个正在被录音的会话对象。
• Recording Session （RS）：为通信会话（CS）录音目的创建的介于SRS和SRC之间的SIP会话。

• 全时录音：对RS对一个CS（参考以下示例），系统对所有呼叫进行录音，典型的应用场景包括呼叫中心，企业客服和金融呼叫流程等。
• 选择性录音：当CS录音创建后，启动RS录音。如果CS没有启动，系统不会录音。
• 停止启动录音：当呼叫在CS期间时，可以启动停止RS录音。系统可以通过用户界面按钮或者其他热键启动录音。这里注意，在CS期间，可能会生成一个或者多个RS录音。
• 持续录音：一个RS可以捕捉一个或多个CS录音。此录音方式通常应用于某些场景中，例如前台总机，转每个特定的分机号码或者呼叫。整个RS需要对多个环节中的终端录音，包括了转接时的静音等。最后，这些录音的metadata可以关联在一起，录音文件可以合并。这里可能涉及了编码协商的流程。

• 实时录音控制：在RS录音期间，如果有特别业务要求，某些个人隐私或者安全信息不能录音时，实时录音控制方式可以停止对某一段时间内的录音暂停/关闭，需要时重新开启。信用卡信息输入就是一个比较常见的例子，如果用户需要对系统服务人员报信用卡或者其他身份信息时就要暂停录音。
• IVR入口录音：对系统IVR进行录音，包括其metadata等。
• 企业移动端录音：系统对企业办公人员进行录音。这些员工可能经常不在办公室环境中上班，他们经常使用移动端和企业呼叫中心或者通信系统进行沟通，这些员工的呼叫需要被录音。比较常见的场景包括销售人员，保险销售等。
• 分布式录音或集中式录音：一些企业，银行，连锁机构等办公系统的电话呼叫需要通过部署在不同地区或者集中管理的电话系统进行呼叫。系统需要对呼叫进行录音，并且对其每个RS的metadata进行存储。这样方便管理每一个呼叫和其相关人分机。
• 复杂呼叫流程：复杂呼叫流程是一个比较抽象的说法，没有特别具体的定义，此场景比较灵活，宽泛。简单来说，一个呼叫进入到系统用户，客户电话可能首先被前台人员接听，然后转到具体的坐席人员。如果坐席人员不能回答客户问题的话，坐席人员可能需要再呼叫坐席主管，主管来接听客户的电话。坐席人员在此呼叫流程中需要首先执行呼叫停靠，然后再呼叫他/她的主管，主管接听客户电话以后，坐席挂机。整个流程称之为复杂呼叫流程，所有的呼叫都需要录音，并且SRC需要对SRS发送所有的metadata数据。
• 高可靠性和持续录音：根据用户的需求，此应用场景需要SRS服务器端一直保持工作状态，失效还原功能。所有创建的呼叫都能录音。此场景要求SRS服务器端必须持续工作，无呼叫录音服务丢失。
• 对通道和多会话录音：一些应用场景要求媒体录音是一个或者多个文件，可以实现同步存储或者回放等功能。语音识别引擎可以对其明显特定的媒体执行ASR/TTS处理。一些多渠道融合的呼叫中心或者IPPBX环境中可能需要对视频，IM，其他数据文件进行存储。为了节省存储空间，一些应用场景中可能需要仅多某些终端在某个特定时间段进行录音。
• 实时媒体处理：此场景在当前的呼叫中心或客服系统中实时质检环境中使用比较广泛。SRS服务器端必须有能力支持语音识别引擎工具，这些侦查工具可以对某一段媒体进行ASR和以及相关语义识别，情绪分析等工具处理，如果发现其录音中带有比较敏感的词，或者客服人员态度语气有问题，应用系统的主管人员可以及时处理。通过SIPREC的metadata可以非常方便快捷地查询到客服人员的电话座席。