Проблема
Хотелось бы определить, ответил ли на входящий вызов человек или машина.
Подробности
Я использую Twilio. И у Twilio есть эта функция. Однако то, как это реализовано в их системе, кажется мне неподходящим для моего варианта использования.
Twilio использует обнаружение автоответчика для управления потоком вызова. Из-за этого Twilio ждет несколько секунд после соединения вызова, чтобы проанализировать звук от вызова, чтобы определить, является ли это автоответчиком. Соединение вызова продолжается только после того, как вызов будет отложен и не будет выполнен анализ.
Для моего случая использования. То, что на звонок ответил человек или машина, не влияет на поток вызовов ... поэтому в задержке нет необходимости. Это влияет только на статистику, которая понадобится позже. А именно в этом случае. Как часто человек, которому я плачу за то, чтобы ответить на звонок, на самом деле отвечает на звонок, а не пропускает звонок и позволяет ему перейти на голосовую почту?
Все входящие звонки переадресовываются на телефон. Обычно мобильный телефон.
Вопрос
Есть ли способ определить идентификатор, на который ответил человек или машина, но без задержки с помощью Twilio?
Если нет, то есть ли еще один шаблон, о котором я не думал, который можно использовать для достижения той же цели? (Чтобы определить частоту, с которой сотрудник отвечает на телефонные звонки, а не пропущенные звонки)
Другие вещи, которые я рассмотрел
- Extend the number of rings on the cell phone, then let Twilio take the voice mail instead of the cell phone provider's voice mail.
- The problem with this solution is that a lot of cell phone providers do not allow you to change the number of times that the phone will ring before voice mail picks up. Even more difficult is that the number of rings is not set. The cell phone provider might take a more or less time to locate the phone and this counts against the amount of time that the phone will ring before it goes to voice mail.
- Implement answering machine detection within my own application (Python)
- This is probably a viable alternative. The problem here is that I know very little about how Python could be used to analyze an audio file to see if it sounds like a person or a machine picked up.
