定義
DTMF（デュアルトーン多周波信号、いわゆるプッシュ信号）とは、電話がキー操作を伝える方式です。各キーは低い音と高い音を同時に鳴らし、受信側のシステムがその組を数字として判別します。
DTMFの仕組み
各キーは、低い周波数群と高い周波数群から1つずつ、2つの音を同時に鳴らし、受信側はその組を1つの数字として復号します。どの組がどのキーに対応するかは、ITU-T Q.23が定めています。周波数の表はDTMFとはのガイドに載っています。
通話中、数字は2つの方法で相手側に届きます。帯域内では、音は通話の中の普通の音声であり、圧縮コーデックによって歪むことがあります。帯域外では、数字はイベントとして送られます。RFC 4733は、そうしたイベントをRTPパケットに入れる方法を定めており、音がコーデックを通って残るかどうかに、数字の到達が左右されません。
音声エージェントにとって重要な理由
音声は、入力によっては不向きなチャネルです。16桁の口座番号を声に出して読むと認識エラーを招きますが、キーパッドの数字は正確に届きます。エージェントは、正確さが重要なときにキーパッドを求め、それ以外では音声を受け付けることができます。
数字を読み取ることもできます。Twilioの通話とエージェントのWebSocketでは、Cartesiaのエージェントが発信者のキーパッド入力を入力として読み取り、それに応答します。頼る前に、自社の通信事業者の経路で、受信するキー入力をテストしてください。
方向が逆になることもあります。電話メニューのある会社に発信するエージェントは、部署につなぐためにキーを押す必要があります。Cartesia Managed Agentsには、そのためのsend_dtmfというシステムツールがあります。
キーパッドで入力した数字も、録音や文字起こしに残ることがあるため、機微な情報として扱ってください。詳しい仕組みはガイドをお読みください。