摘 要：随着自然语音识别技术的成熟，智能语音识别业务将会在传统电信行业迎来大发展，MRCPv2标准协议使得语音识别能力的集成变得更加方便快捷。该文详细介绍了MRCPv2协议的系统架构和控制流程，总结了MRCPv2协议的使用规范，并且通过MRCPv2在语音识别中状态机变迁、关键方法、事件以及重要消息头的讲解，对一次典型语音识别业务中MRCPv2协议的应用进行了详细的阐述。
关键词：MRCPv2 智能语音识别 系统结构 控制机制 电信
中图分类号：TN912.34 文献标识码：A 文章编号：1674-098X（2014）01（c）-0057-04
Abstract：With natural language recognition technology matures， intelligent speech recognition service will get great development in the traditional telecommunications industry， MRCPv2 standard protocols enables the integration of speech recognition capabilities becoming more convenient. This paper describes the system architecture and control process of MRCPv2， summarizes MRCPv2 Use Agreement. Furthermore， by the detailed description of MRCPv2’s state machine mechanism， key method， events and important message headers in speech recognition， it explains clearly the application of MRCPv2 in a typical speech recognition service.
Key words：MRCPv2 Intelligent Speech Recognition System Architecture Control Mechanism Telecommunication
1 MRCPv2协议简介
媒体资源控制协议（Media Resource Control Protocol，MRCP）是一种基于TCP/IP的通讯协议，用于客户端向媒体资源服务器请求提供各种媒体资源服务。此协议最初是由Cisco、Nuance等公司联合开发，由IETF作为Internet草案发布，经过不断的更新，目前最新的版本为RFC6787[1]，可以支持的媒体资源业务包括文语转换（Text to Speech，TTS）、自动语音识别（Automatic Speech Recognition，ASR）、录音（Recording）、声纹识别（Voiceprint Recognition， VPR）。
2 MRCPv2系统结构及协议控制
MRCP协议本身不是独立的，它不仅仅依赖于TCP/IP协议，还依赖于SIP、SDP、RTP、RTCP、RTSP等协议。
其系统结构如图1所示。[1]
（1）控制面：它通过SIP协议在客户端（MRCP Client）和服务器（MRCP Server）之间建立和管理会话（注：MRCPv1就使用RTSP协议完成控制，MRCPv2改为SIP协议）。
（2）媒体面：它通过SDP交换媒体能力以及通过RTP协议完成媒体的承载交换。
（3）业务面：它通过MRCP协议来控制完成媒体资源服务的相关请求、响应和事件的传递，从而为客户端提供所需要的媒体资源服务。
其协议控制机制如图2所示。
（1）SIP协商过程中，MRCP Client在INVITE消息中携带自身用于传递MRCP协议以及RTP语音流的SDP（IP地址、端口号）[2-3]。
（2）协商成功返回的200消息中会带上MRCP Server侧的SDP；
（3）MRCP Client发起TCP连接创建，并且通过在TCP连接上发送MRCP协议消息控制MRCP Server分配的资源。
（4）MRCP Client/Server通过在RTP连接上传输语音数据从而实现媒体资源业务。
（5）当业务应用结束时，终止SIP会话的同时，还需要关闭TCP和RTP连接。
MRCPv2的使用规范可以总结如下：
（1）MRCP Client通过SIP&SDP建立与MRCP Server的MRCP控制通道（使用MRCP通道ID进行唯一标识，MRCP Server回200消息时通过a=channel属性指定）。
（2）可以通过SIP的Re-INVITE消息添加或者删除一个会话中的MRCP控制通道，所以一个会话可以拥有多个MRCP控制通道（比如一个会话可以同时拥有ASR&TTS通道）。
（3）多个MRCP控制通道可以共享同一个TCP连接。
（4）一个MRCP消息只能携带一个MRCP通道ID。
（5）MRCP控制消息不能更改SIP会话的状态。
（6）由于MRCP不保证传输的可靠性，所以必须使用TCP来保证其传输。
3 语音识别技术及其在电信智能语音识别业务中的应用
自动语音识别技术（Automatic Speech Recognition，ASR）是一种将人的语音转换为文本的技术，其广泛应用于语音通讯系统、声控电话交换、数据查询、订票系统、电信银行客服、计算机控制、工业控制等领域。
