freeswitch关于语音识别有detect_speech和play_and_detect_speech 2个模块，怎么区分这两个模块的用途呢，我是这样理解的，做机器人人机交互的时候，首先play_and_detect_speech，因为可控制的参数还蛮多的，尤其在需要打断的时候；做双通道语音识别就使用detect_speech。
官方wiki：
play_and_detect_speech：
https://developer.signalwire.com/freeswitch/FreeSWITCH-Explained/Modules/mod-dptools/6586714/#lua
detect_speech：
mod_dptools: detect_speech | FreeSWITCH Documentation
从文档可以看出，detect_speech的介绍相比play_and_detect_speech就偷懒了一些，并没有那么详细。
本文介绍detect_speech +mrcp做实时语音识别
场景如下：
A是呼叫平台，B是freeswitch网关，C是线路（用户），如何针对呼叫平台A做双向语音识别呢？
如果呼叫平台A也是基于freeswitch开发的，当然可以直接在a上面使用detect_speech实现；如果平台A不是基于freeswitch开发的，那就在A的必经之路上面加入一个freeswitch网关B，在网关B上面使用detect_speech实现坐席和用户的双向语音识别。
语音识别需要用到asr，连接asr采用mrcp来实现。
采用esl获取detect_speech的事件，相比play_and_detect_speech来说要复杂一些，这部分我倒不太熟；不过采用lua的话，可以使用 session:setInputCallback('onInput','')回调函数来获取结果，倒是方便很多。
获取结果后，拼接结果，将结果通过http接口传给后端应用，剩下的就由后端流程去处理，做实时质检、实时辅助等等功能了，效果如下：
以上语音识别呢，是基于句子的语音识别，因为使用的是mrcp，默认是没有中间结果；
还有一种方案是获取freeswitch的语音流，通过udp或其他方式实时推送给asr，这种方式可以实现基于每个字的实时识别，但是实现方式来说，需要基于freeswitch做二次开发了，复杂一些，而采用detect_speech呢，就是纯粹使用freeswitch提供的app来实现，不涉及freeswitch源码的改造。
如需更多帮助可私聊
