为什么会讲是语音通话过程中的质检，主要是由于视频通话过程中，比如行为检测、衣着检测等，需要的资源量大，性能、质量等都要受到这样那样的影响，所以我们主要是讲对于通话过程中的语音进行实时或非实时的质检。

  这里的质检分几种，一是完全实时的，如使用mrcp或实时流的sdk，送2048个字节就进行一次识别及校正，这种的最常见的是用于做会议纪要、大规模商业投资下的座席辅助，但从实际上来说，成本有点高；二进行离线完全非实时的质检，即通话结束后，向质检系统上传录音后进行质检，其中asr效果较好的《使用OpenAI开源的whisper来识别下casablanca及中文》，但是成本太高了，对于gpu的使用，对于并发性能等都是非常有挑战的；三是半实时的，即如当年我们做的《宁卫录音分析和DSR融为一体，为质检提供更丰富的能力》，这种的实时性比第一种要弱一些，但是又完全区别第二种，如有实施诈骗的，要等诈骗电话结束后才能发现，这种的在通话过程中就可以处理，成本又完全低于以上两种方案。

  第一种方案，我们用在了120、122等领域以及一些重要的保险公司的座席助手项目中；第二种方案，用在了为客户提供通信支撑能力的平台上进行快速检测；第三种方案，则是用在了中小企业的通信平台上，以及《AU-UC/AI-PBX宣传片》，这样在成本上远低于实时的，但是实时效果远好过于第二种，也可以达到座席助手等能力。

  当然在以上几种方案外，我们还开源了一个rst项目：https://gitee.com/nwaycn/rst.git 用于将实时流从FreeSWITCH推送给golang实现的外部应用，让外部应用进行实时流的处理。