模块 API
ASR（语音识别）
XSwitch 内置了很多 ASR 模块。ASR 的全称是 Automatic Speech Recognition，即自动语音识别。ASR 模块可以将用户的语音转换为文本，从而实现语音识别功能。
不同的 ASR 模块使用不同的引擎，大部分模块使用云端服务，如阿里、讯飞、百度等，也有的模块使用本地引擎。
VAD
ASR 跟 VAD 相关。VAD 即 Voice Activity Detection（语音活动检测），简单来讲，就是用于检测什么时候开始说话，什么时候结束说话。
很多 ASR 引擎都内置了 VAD 功能，一般都推荐使用 ASR 引擎内置的 VAD 功能。
ASR 参数中有几个与 VAD 相关的参数：
voice-ms：语音检测时间，单位毫秒。在这段时间内如果连续检测到语言则认为开始说话。silence-ms：静音检测时间，单位毫秒。在这段时间内如果边续检测到静音则认为是结果讲话，推荐值为500～700毫秒。threash：声音检测能量阈值。vad-mode：VAD 模式，用于选择 VAD 引擎和模式。默认值为-1，即使用 ASR 引擎内置的 VAD。
如果 ASR 引擎内置的 VAD 效果不好，也可以通过vad-mode参数选择其他的 VAD 引擎。以下是可用的 vad-mode 列表（注意，根据您使用的版本不同，并不是所有版本中都支持这些模式）：
-1：默认，使用 ASR 引擎内置的 VAD。0：系统内置 VAD，简单 VAD。1：FVAD 1。2：FVAD 2。3：FVAD 3。20：Silero VAD。
详见 VAD 。
通用参数
ASR 模块有一些通用参数。这些参数对理论上对所有引擎都有效。如果 ASR 模块通用参数与特定引擎相关参数重叠，推荐使用通用参数。
language：语言，不同的引擎有不同的格式，如zh-CN等。noinput-timeout：无输入（未检测到通话）超时时间，单位毫秒。典型值5000。speech-timeout：语音超时时间，单位毫秒。典型值：15000。partial：是否返回识别中间结果。默认值为false。
VAD 相关参数：
voice-ms：语音检测时间，单位毫秒。在这段时间内如果连续检测到语言则认为开始说话。若参数不存在则使用默认的时间（不同引擎默认值可能不同），推荐值为60毫秒。silence-ms：静音检测时间，单位毫秒。在这段时间内如果边续检测到静音则认为是结果讲话，推荐值为500～700毫秒。threash：声音检测能量阈值。
不同的引擎有不同的参数，详见各引擎相关的文档。