FreeSWITCH 中 DTMF 按键采集的三种模式对比与实战配置

1. 从电话按键到数据包：DTMF到底是什么？

如果你用过老式的座机电话，一定记得按数字键时听筒里发出的那种“嘀嘀”声。这可不是随便响响的，它背后是一套精密的音频编码系统，叫做DTMF，中文叫“双音多频”。简单来说，每个按键（0-9、*、#）都对应着两个特定频率的正弦波声音，一个高频，一个低频。比如你按“1”，电话就会同时发出697赫兹和1209赫兹的声音，接收方通过分析音频频谱，就能知道你到底按了哪个键。

在传统的电话网络里，这个声音是直接混在通话的语音流里传输的，也就是所谓的“带内”传输。但到了今天基于IP网络的VoIP时代，比如我们用的微信语音、网络电话，情况就复杂多了。我们不再仅仅传输声音，还要高效、准确地把“用户按了哪个键”这个信息告诉服务器，以便进行IVR语音导航（“按1转人工，按2查余额”）、电话会议密码验证等操作。

这时候，如果还像以前一样，把按键音当作普通声音塞进语音流，问题就来了：网络传输可能有丢包、有延迟，音频编码（如G.711、G.729）本身也会对声音进行压缩和改变，很容易导致服务器端“听不清”或“听错”按键音。所以，工程师们想出了几种更聪明的办法，把按键信息“打包”成数据，进行传输。在FreeSWITCH这个强大的开源软交换平台上，主要支持三种模式：RFC2833、INBAND和SIP INFO。

我刚开始接触FreeSWITCH做IVR项目时，就曾在这里踩过坑。客户反馈说电话菜单经常错乱，明明按了1，系统却识别成了2。排查了半天，最后发现是对方网关设备发送DTMF的方式，和我的FreeSWITCH配置不匹配。所以，搞清楚这三种模式的原理、优缺点和怎么配，可不是纸上谈兵，而是直接关系到你的语音服务稳不稳、用户体验好不好的实战问题。接下来，我就把自己这些年摸爬滚打总结的经验，掰开揉碎了分享给你。

2. 三种DTMF传输模式深度对比

选择哪种DTMF模式，有点像选快递：有的快但可能不同步，有的稳但开销大，有的兼容性好但效率一般。下面这张表能让你快速抓住核心区别：