MRCP助力美团语音交互升级

智能语音对话作为人工智能领域的重要分支，近年来取得了显著的发展，其核心技术包括语音识别、自然语言理解、对话管理等。美团作为国内领先的生活服务电子商务平台，不断探索并实践着最前沿的语音交互技术，其中MRCP（Media Resource Control Protocol，媒体资源控制协议）作为一种关键的通信协议，在美团的语音交互系统中发挥着不可替代的作用。

MRCP的定义与背景

MRCP是一种用于语音服务器向客户端提供各种语音服务（如语音识别和语音合成）的通信协议。它定义了控制媒体处理资源所必需的请求（Request）、应答（Response）和事件（Event）等消息，并借助RTP（Real-Time Transport Protocol，实时传输协议）创建一个媒体会话，同时借助SIP（Session Initiation Protocol，会话初始化协议）和SDP（Session Description Protocol，会话描述协议）创建一个控制会话，实现媒体资源服务器端和客户端之间的控制。

在传统的语音应用中，各集成商必须针对不同的ASR/TTS厂商提供的API接口进行专门的集成开发，不同ASR/TTS引擎的接口各不相同，从而导致了集成过程的复杂性和局限性。而MRCP协议的出现，为语音和网络技术的集成提供了更加规范的解决方案。有了MRCP协议后，ASR/TTS厂商提供MRCP协议的标准统一接口，语音集成开发商们不必再针对特定的ASR/TTS进行开发，从而降低了业务开发周期和成本。

美团自研ASR/TTS能力

自2018年起，美团语音交互部持续投入语音识别（ASR）和语音合成（TTS）的自主研发，目前已形成平台级的服务能力。美团语音识别重点针对美团场景进行优化，相比通用场景的识别率更高。在电话呼叫场景的测试集中，美团语音识别的字准率达到94.6%，远超业界头部厂商的平均水平。美团语音合成从美团各场景出发，建立起从端到云一体化、全面覆盖客服、配送、听书等各个方向的合成音色群，并支持不同数据量级的语音定制化能力，性能和效果均达到业界一流水准。

MRCP在美团的应用场景及效果

在美团的语音交互系统中，MRCP被广泛应用于语音识别领域。通过MRCP协议的应用，美团实现了高效的语音识别和合成功能，为用户提供了更便捷、自然的交互方式。例如，在骑手语音助理、客服中心语音转译等多个业务场景中，美团语音交互系统已经落地应用，并取得了显著成效。美团还针对低延迟流式语音识别技术进行了深入研究和实践，进一步提升了系统的实时性和准确性。

此外，MRCP还支持目前最热门的开源语音通信平台Asterisk和FreeSWITCH，并提供了丰富的接口文档。在呼叫中心这一典型的应用场景中，智能语音服务通过MRCP协议与FreeSWITCH进行对接。用户接通电话后，智能语音服务从呼叫中心设备中实时获取声音讯号，将语音讯号转化为文本流实时输出，并将要回复的文本话术经过语音合成转化为语音讯号，交由呼叫中心进行语音播报。这一过程中，MRCP协议的应用使得调用方仅需面向MRCP接口撰写程序，而无需考虑不同语音引擎产品之间的差异，从而实现了真正的“一次开发、多种环境下应用”。

MRCP对美团语音交互的赋能作用

随着美团自研的ASR/TTS逐步达到业界一流水平，美团内部越来越多业务接入美团自研的TTS和ASR能力。特别是TTS，在应用的业务场景中取得了超越外采系统的效果。然而，在业务对接和优化过程中，也面临着一些挑战，如音色机械、音色不统一、合成延时过高等问题。通过MRCP协议的应用，美团有效地降低了业务使用、升级语音能力的成本，并平滑地提升了用户体验。例如，在业务升级替换音色过程中，采用MRCP将语音合成和识别与电话系统直接对接的方式，避免了因系统复杂性、运营疏漏等问题导致的音色不统一等体验问题。

综上所述，MRCP在美团语音交互中的实践和应用取得了显著成效。它不仅提升了美团语音交互系统的性能和效果，还降低了业务开发周期和成本。未来，随着技术的不断进步和应用的深入拓展，MRCP在语音交互领域的应用前景将更加广阔。同时，美团也将继续投入研发力量，推动语音交互技术的持续创新和发展。