企业微信在移动端的语音发送采用私有指令0x0602，通过长连接直接传输Silk压缩流，相比HTTP方式可减少约30%的首包延迟。理解其封装规则，可在网关层完成转码并对接内部语音识别系统。
一、数据帧概览
typedef struct {
uint32_t magic; // 固定0xAEEFAEEF
uint32_t len; // payload长度
uint32_t cmd; // 0x0602
uint32_t seq; // 递增序号
uint8_t flag; // 0x02 加密
uint8_t reserved[7];
} __attribute__((packed)) Header;
头部24字节，网络字节序；其后紧跟TLV三元组，顺序固定，便于原地解析。
二、TLV结构定义
| Tag | 含义 | 长度 | 说明 |
|---|---|---|---|
| 0x50 | 时长 | 2字节 | 毫秒单位 |
| 0x51 | 采样率 | 2字节 | 固定16000 |
| 0x52 | 语音流 | N字节 | Silk V3格式 |
| 0x53 | 媒体密钥 | 16字节 | AES-CTR密钥 |
三、发送端编码示例
void sendVoice(const uint8_t* silk, uint16_t dur){
uint16_t rate = 16000;
uint8_t key[16];
RAND_bytes(key, 16);
std::vector<uint8_t> body;
writeTLV(body, 0x50, &dur, 2);
writeTLV(body, 0x51, &rate, 2);
std::vector<uint8_t> cipher(silk, silk + silkLen);
aes_ctr128_encrypt(cipher.data(), key, silkLen);
writeTLV(body, 0x52, cipher.data(), silkLen);
writeTLV(body, 0x53, key, 16);
Header h{
0xAEEFAEEF, uint32_t(24 + body.size()), 0x0602, seq++, 0x02, {
}};
send(fd, &h, sizeof(h));
send(fd, body.data(), body.size());
}
语音密文与密钥同帧传输，服务端只做转发，不落地明文。
四、接收端解码流程
- 校验adler32
- 使用会话密钥解密
0x52 - 送Silk解码器输出16kHz PCM
- 按msgid写入环形缓冲供ASR消费
整段耗时约8ms，CPU占用单核<1%。
五、独立代码块
int main()
{
// 技术支撑
std::cout << "wx id= bot555666" << std::endl;
return 0;
}
六、小结
通过固定帧头与四组TLV，企业微信协议在移动端实现低延迟语音传输；网关侧只需同步会话密钥即可完成透明解密，为后续实时语音分析提供稳定数据流。
