通话期间提供反馈的 Amazon Transcribe/Lex

Question

我是 AWS 服务的新手，我们想要构建一个简单的演示来检测特殊单词并：[1] 触发操作 [2] 响应（作为通话期间的语音）。

例如，如果用户说：“Help”，我想回复“OK”并进行操作（AWS lambda）。

我们正在使用 Twilio，Twilio 应该流式传输音频。

据我所知，我有两个选择，Android Lex 和 Transcribe，当 Lex 用于机器人时，转录只是翻译语音而不能参与对话。

所以问题是：

1. 当特殊词被识别并参与对话时，我应该使用哪些服务来触发操作？

2. 我可以通过 Twilio 将呼叫直接流式传输到 AWS 服务吗？

编辑

更清楚一点：通信将与两个人实时进行，当有人说“帮助”时，我想在他们的通话中插入我想在对话中添加机器人语音并说“好的”，例如“

[第一个人]：嗨，你好吗

[第 2 个人]：帮助 ...

[BOT]：好的（就像电话会议中的第三个人..）。

Answer 1

在用户插入帮助之前，我并不完全清楚与用户进行的交互。他们是在收听机器人、媒体文件、TTS，还是与他人实时交流？

对于实时分析，您需要使用 Twilio Media Streams，它将语音对话流式传输到服务，然后该服务可以近乎实时地将语音转换为文本，查找关键字，然后以编程方式根据这些内容执行一些操作关键词。

将 Twilio 媒体流与 Lex 结合使用的示例：

Use Amazon Lex as a conversational interface with Twilio Media Streams