Taxi Bot Docker Deployment

Полностью контейнеризированное решение для голосового бота заказа такси.

Архитектура

Решение состоит из следующих компонентов:

• pjsip-proxy (C++) - принимает SIP-звонки и управляет RTP-потоками

• sip-bot (Java Spring Boot) - логика диалога, распознавание речи (Vosk), интеграция с RunaWFE

• rhvoice - синтез речи (Text-to-Speech) Выше перечисленное должно стоять вместе так как обмен через socket

• RunaWFE - система управления бизнес-процессами (может работать отдельно)

Протоколы взаимодействия

• Телефонный провайдер (SIP-транк, например, Ростелеком) ↔ pjsip-proxy:
  • SIP (UDP, порт 5060) — для сигнализации (установка и завершение звонка).
  • RTP (UDP, порты 4000-4100) — для передачи голосового потока (аудио).
• pjsip-proxy ↔ sip-bot:
  • Unix Domain Sockets (/tmp/sip_prox/) — сверхбыстрая локальная передача событий звонка (INCOMING, DISCONNECTED) и потокового аудио (PCM) без сетевых накладных расходов Docker.
• sip-bot ↔ rhvoice:
  • HTTP (внутри Docker-сети, порт 8080) — бот отправляет текст, сервис возвращает аудиофайл (WAV/PCM) для воспроизведения.
• sip-bot ↔ RunaWFE:
  • HTTPS/HTTP REST API — отправка структурированных данных (телефон, адрес) для запуска бизнес-процесса по завершении диалога.

Схема работы звонка (Workflow)

1. Входящий вызов: Клиент звонит на SIP-номер. Провайдер отправляет INVITE на pjsip-proxy.
2. Инициализация: pjsip-proxy принимает звонок, согласовывает медиа-параметры (RTP) и мгновенно создает медиа-сокет в общей папке /tmp/sip_prox/.
3. Приветствие: sip-bot через управляющий сокет (_control) получает событие INCOMING, формирует приветственную фразу и запрашивает её озвучку у rhvoice по HTTP.
4. Диалог:
   • Клиент говорит → pjsip-proxy пересылает аудио-пакеты в сокет → sip-bot распознает речь через движок Vosk.
   • sip-bot анализирует смысл, формирует ответ и снова запрашивает синтез речи у rhvoice.
5. Завершение и интеграция: По итогам диалога sip-bot отправляет HTTP-запрос в RunaWFE (запуск БП "Такси" с переменными "Телефон" и "Адрес"), прощается с клиентом и отправляет команду HANGUP в pjsip-proxy.

Телефония и сетевые требования

• Тип телефонии: SIP-транк (IP-телефония). Решение совместимо с любыми провайдерами, поддерживающими стандартный стек SIP/RTP (в данной конфигурации успешно протестировано с шлюзами типа Ростелеком).
• Сетевые настройки сервера:
  • На сервере (и в облачном фаерволе / Security Groups) должны быть открыты входящие UDP-порты:
    • 5060 — для SIP-сигнализации.
    • 4000-4100 — для RTP-медиапотока (голос).
  • На сервере должны быть настроены правила iptables (SNAT), чтобы исходящие пакеты от прокси уходили с корректного публичного IP-адреса (указывается в .env как PUBLIC_IP).

Требования

• Windows 10/11 с WSL2 или Linux
• Docker Desktop (для Windows) или Docker Engine (для Linux)
• Docker Compose v2+
• Модель Vosk vosk-model-ru-0.42 (~3 ГБ)
• Работающий сервер RunaWFE на хосте

Подготовка

1. Модель audio

Скачайте модель Vosk

# Создайте директорию для модели
mkdir -p vosk-model-ru-0.42

# Скачайте модель с https://alphacephei.com/vosk/models
# Прямая ссылка: https://alphacephei.com/vosk/models/vosk-model-ru-0.42.zip
wget https://alphacephei.com/vosk/models/vosk-model-ru-0.42.zip

# Распакуйте в директорию vosk-model-ru-0.42
unzip vosk-model-ru-0.42.zip -d vosk-model-ru-0.42/

Итоговая структура:

taxi-bot-docker/
│
├── .env                          # 🔑 Секреты и настройки (SIP, RunaWFE, пароли)
├── .gitignore                    #  Что НЕ нужно коммитить в Git
├── docker-compose.yml            #  Главный файл оркестрации всех контейнеров
├── README.md                     # 📖 Краткая инструкция по запуску
│
├── pjsip_proxy/                  # 📂 Исходники C++ SIP-прокси
│   ├── Dockerfile                # 🛠 Как собирать и запускать прокси в Docker
│   ├── CMakeLists.txt            # (из оригинального репозитория)
│   └── ...                      # (исходный код C++)
│
├── runawfe-sip-bot/              # 📂 Исходники Java-бота
│   ├── Dockerfile                # 🛠 Как собирать и запускать бота в Docker
│   ├── pom.xml                   # (из оригинального репозитория)
│   ├── app/                      # (исходный код Java, application.yaml)
│   ├── stt/                      # (модули распознавания речи)
│   └── ...                      # (исходный код Java)
│
└── vosk-model-ru-0.42/           # 📂 Модель распознавания речи (Vosk)
├── am/
├── conf/
├── graph/
├── ivector/
└── ...

3. RunaWfe

Сервер RunaWfe должен быть запущен отдельно на 8080 порту.

4. Сборка и запуск.

1. Убедитесь, что в файле .env корректно указаны:
   • Данные SIP-провайдера (SIP_DOMAIN, SIP_USER, SIP_PASS, PUBLIC_IP).
   • Адрес и учетные данные RunaWFE (WFE_API_URL, WFE_LOGIN, WFE_PASS).
   • Важно: URL должен содержать путь к API, например: https://ваш-домен.ru/restapi.
2. Убедитесь, что в RunaWFE создана группа исполнителей "Водители" и развернут бизнес-процесс "Такси".

Далее в корне проекта выполните

docker-compose up -d --build 

⚠️ Важно для продакшена:

Windows: Убедитесь, что Брандмауэр Windows не блокирует порты Docker или WSL2.
Linux: Проверьте, что порты открыты: sudo ufw allow 5060/udp и sudo ufw allow 4000:4100/udp (или настройте Security Group в облаке).

4.Проблемы

Если запускаете локально на линуксе то надо знать что http://host.docker.internal:8080 по умолчанию не работает. В docker-compose есть настройка:

    extra_hosts:
      - "host.docker.internal:host-gateway"

но она может не сработать тогда нужно будет прописывать реальный ip адрес руны

Если не работает после перезапуска, то:

docker-compose down

docker volume rm taxi-bot-docker-dist_sip-sockets

или

Очищаем папку сокетов на хосте (или внутри контейнера, если volume именованный)

sudo rm -f /var/lib/docker/volumes/taxi-bot-docker-dist_sip-sockets/_data/* или просто всю папку _data

Запускаем заново

docker-compose up -d