我是AWS服务中的一个新成员,我们想要构建一个简单的演示,来检测一个特殊的单词和:1触发一个动作,2个响应(作为调用期间的语音)。
例如,如果用户说:“帮助”,我想回答“确定”并进行操作(AWS lambda)。
我们用的是Twilio,Twilio应该播放音频。
据我所知,我有两种选择,Android和Transcribe,当Lex是为机器人而转录的时候,只需翻译演讲,就不能参与对话。
所以问题是:
编辑
更清楚的是:与两个人的交流将是实时的,当有人说“帮助”时,我想插话,例如,我想在谈话中添加一个机器人声音,然后说"OK“。
人1:嗨,你好吗 救命..。 机器人:好的(就像电话会议中的第三个人)。
发布于 2020-01-12 14:01:39
在用户插入帮助之前,我不完全清楚与用户之间的交互。他们是否在实时监听机器人、媒体文件、TTS或与其他人的通信?
为了进行实时分析,您需要使用Twilio Media Streams,它将语音会话流到一个服务中,然后该服务可以将语音转换为几乎实时的文本,查找关键字,然后以编程方式根据这些关键字执行一些操作。
在Lex中使用Twilio媒体流的一个例子:
https://stackoverflow.com/questions/59702058
复制相似问题