我正在寻找一种制作程序的方法，该程序可以调用指定的号码并播放声音信息。被叫者将被要求按下他手机上的一个按钮，然后程序必须能够捕捉到哪个按钮被按下。
我目前有一个可用的解决方案，使用 Voicent，但我发现它不稳定，我希望对过程进行更多控制，更不用说集成在 java 中的解决方案了。
用于呼叫的协议必须是 SIP。
我环顾四周寻找 java 解决方案，并在其他 mjsip 中找到了它，它看起来很有希望，但我看不到捕获击键的可能性。
所以问题是，是否存在任何解决方案（最好是在 java 中实现的东西），我可以在其中捕获按下的击键？
此外，如果可能的话，我希望能够延迟播放声音文件，直到被叫方对着电话讲话。