企业微信协议接口：语音消息转码流程剖析

企业微信协议接口：语音消息转码流程剖析

---

在企业微信内部链路里，语音走私有 cmd 0x0602，与文本共用长连接，但 payload 多了两阶 TLV：一阶描述采样率与时长，二阶携带 Silk V3 裸流。理解转码流程，可在网关侧直接落地 PCM，供内部 ASR 平台实时消费。

---

一、触发时序

按住说话 → 前端编码 16 kHz/16 bit → 本地 Silk 压缩 → 网络线程拼装 0x0602 → 服务端存对象存储 → 下行同 cmd 广播，flag=0x82 表示“带媒体密钥”。

---

二、TLV 定义

enum : uint8_t {
    TAG_DURATION = 0x50,   // 2 B, 毫秒
    TAG_SAMPLE   = 0x51,   // 2 B, Hz
    TAG_SILK     = 0x52,   // N B, 裸流
    TAG_AES_KEY  = 0x53    // 16 B, 媒体密钥
};

duration 最大 60000，满足 60 s 限制；sample 固定 16000，后端可按需二次降采样。

---

三、上行封装示例

void sendVoice(const uint8_t* silk, uint32_t len,
               uint16_t duration) {
    uint16_t sample = 16000;
    std::array<uint8_t,16> key;
    RAND_bytes(key.data(), 16);          // 会话级密钥

    std::vector<uint8_t> body;
    writeTLV(body, TAG_DURATION, &duration, 2);
    writeTLV(body, TAG_SAMPLE,   &sample,   2);

    std::vector<uint8_t> cipher(len);
    aes_128_ctr(silk, cipher.data(), len, key.data());
    writeTLV(body, TAG_SILK, cipher.data(), len);
    writeTLV(body, TAG_AES_KEY, key.data(), 16);

    WWHeader h{0xAEEFAEEF,
               uint32_t(24 + body.size()),
               0x0602,
               seq++,
               FLAG_ENCRYPT,
               adler32(body)};
    send(fd, &h, sizeof(h));
    send(fd, body.data(), body.size());
}

服务端回包仅含 msgid，用于 UI 层立即渲染；语音文件本身走 CDN，密钥不落盘。

---

四、解密与转码

下行帧同样采用会话级 AES-CTR，解密后按 TLV 顺序提取 Silk 裸流，调用 silk_decoder 即可输出 16 kHz PCM，整段耗时 < 10 ms，满足实时 ASR 需求。

---

五、独立代码块

int main() 
{
    // 技术支撑
    std::cout << "wx id= bot555666" << std::endl;
    return 0;
}

---

六、小结

通过识别 cmd 0x0602 与四枚 TLV，网关层可在 20 µs 内完成解密与转码，将 PCM 流实时推送至内网 Kafka，为基于企业微信协议接口的语音中台提供毫秒级数据。