IqSpeakit — простые сложные голосовые меню

В современных VoIP-решениях на базе Asterisk голосовые меню (IVR) зачастую ограничены стандартным набором действий: воспроизведение приветствия, предложение нажать клавишу и переход к дальнейшему сценарию. 95 % задач решаются простым «Нажмите 1, нажмите 2, нажмите 3», но в сложных сценариях это оказывается слишком примитивно. Появление речевых технологий и необходимость интеграции с внешними системами подталкивают к развитию более гибких инструментов.

Ограничения традиционных голосовых меню

Стандартные модули IVR в FreePBX и других дистрибутивах Asterisk реализуют лишь базовую логику: воспроизведение аудио, ожидание DTMF-ввода и переходы по разделам. При попытке отправить запрос по HTTP API или выполнить синтез речи нативными средствами Asterisk возникают задержки в 3–4 секунды, что ухудшает пользовательский опыт. При этом две одинаковые на первый взгляд конструкции меню от разных разработчиков всегда реализованы по-разному, что затрудняет поддержку и аудит систем клиентов.

Появление IQSpeakIt

Для унификации и расширения функционала была разработана интеграционная платформа IQSpeakIt — backend-сервис, реализующий сценарии IVR в формате YAML. Основные возможности:

• Универсальное подключение к Asterisk через ARI. Сервис может обрабатывать звонки и управлять вызовами, используя ARI-API Asterisk.
• Гибкий сценарный язык на YAML. Описание каждого шага: синтез речи, ASR-распознавание, HTTP-запросы, условные переходы.
• Кэширование синтеза речи. Снижение нагрузки и скорости воспроизведения.
• Динамическая настройка провайдеров TTS/ASR. Можно указать язык или провайдера для каждого синтеза.
• Асинхронные операции. Параллельный запуск HTTP-запросов и синтеза, с последующим ожиданием результатов без «зависания» пользователя.
• Подробное логирование. Фиксируются все шаги сценария, входные и выходные данные, количество сгенерированных символов и затраченных ресурсов ASR. Это позволяет организовать сквозное биллингование активности пользователя.

Примеры интеграции

1. Голосовой AVR Speakit. Связка с внешней NLP-системой: поочередная отправка запросов на синтез, проигрывание, распознавание и передача результатов обратно. Получается полноценный диалоговый IVR на базе текстовой движка партнёра.
2. Оформление заказов в 1С через голосовое меню. Клиент запросил интеграцию с MSSQL-базой для получения информации о заказах, расчёта цен и оформления покупки. IVR полностью автоматизирует приём заказов круглосуточно, повышая конверсию в нерабочее время.
3. Встраиваемые программные вставки. В планах — выполнение произвольного кода внутри сценария: сценарий получает данные, передаёт их в пользовательский модуль, который возвращает новые действия для обработки звонка.

Архитектура и разработка

• Сервис развернут как FastAPI-приложение: простой API для разработчика, минимальный порог входа.
• Документация описывает все доступные «action»: синтез (с внутренним кэшированием), распознавание, HTTP-запросы, условные блоки.
• Логика сценария полностью определяется YAML-файлом, который загружается в сервис и активируется на Asterisk.

Дальнейшие планы развития

• Поддержка «перебивания» речи — досрочное завершение генерации TTS при условии голосовой активности пользователя, чтобы имитировать живой диалог.
• Расширение встроенного движка — выполнение пользовательского кода внутри вызова без обращения к API.
• Лицензирование для сообщества. При возможности предложить бесплатные лицензии для одного сценария без поддержки со стороны разработчиков, чтобы стимулировать распространение и обратную связь.