開源語音AI代理AVA正式發(fā)布：首個可全棧自托管、深度集成Asterisk/FreePBX的企業(yè)級IVR框架，支持AudioSocket/RTP原生協(xié)議與Python引擎閉環(huán)（STT→LLM→TTS），數(shù)據(jù)零出域，隱私合規(guī)與工程可控性同步落地。該方案直擊金融、政務(wù)、醫(yī)療等強監(jiān)管行業(yè)的核心痛點——模型再強，若無法嵌入現(xiàn)有通信基礎(chǔ)設(shè)施、無法離線調(diào)度、無法審計每幀音頻流向，就只是演示Demo。AVA不是又一個Web界面語音玩具，而是面向AI工程師與通信系統(tǒng)開發(fā)者的生產(chǎn)級語音Agent底座。

技術(shù)架構(gòu)：AudioSocket原生接入，Python閉環(huán)不繞路

AVA跳過WebRTC或HTTP音頻中轉(zhuǎn)，直接通過Asterisk 21+的AudioSocket協(xié)議建立低延遲RTP流通道。語音輸入毫秒級進入本地Python運行時。STT模塊默認(rèn)集成Whisper.cpp（CPU輕量部署）或VAD+Streaming-Whisper（GPU加速），輸出文本后交由本地或遠(yuǎn)程LLM處理——已實測兼容Claude-3.5-Sonnet、DeepSeek-V3、Qwen2.5-72B-Instruct及Llama-3.1-405B（via Ollama/Ollama Lite）。響應(yīng)文本經(jīng)TTS模塊實時合成，支持ElevenLabs API、XTTSv2本地部署、Piper聲學(xué)模型三軌并行。整個鏈路無中間服務(wù)依賴，端到端延遲穩(wěn)定在800ms內(nèi)（實測Asterisk+RTX4090環(huán)境）。

工程友好：開箱即用對接主流API，也支持完全本地化

開發(fā)者無需重寫呼叫流程邏輯。AVA提供標(biāo)準(zhǔn)FreePBX模塊安裝包（.tar.gz），安裝后自動注冊為Asterisk應(yīng)用（AVA()），可直接在Dialplan中調(diào)用：

exten => s,1,AVA(model=deepseek-v3, tts=local-piper)  

配置文件ava.yaml以YAML聲明式定義pipeline：指定STT后端（如whisper-cpp: /opt/whisper.bin）、LLM路由策略（按意圖關(guān)鍵詞切分至不同模型）、TTS fallback鏈（API失敗時自動降級至本地XTTS）。所有LLM調(diào)用均走本地http://localhost:8000/v1/chat/completions抽象層，無論背后是Ollama、vLLM還是OpenRouter代理，上層IVR邏輯完全解耦。

隱私與合規(guī)：數(shù)據(jù)不出機房，審計粒度達(dá)RTP包級

AVA默認(rèn)禁用任何外呼日志上傳，全部會話音頻、ASR文本、LLM prompt/response均落盤于本地/var/log/ava/，支持按日期/主叫號/IVR節(jié)點三級索引。RTP流全程不經(jīng)過公網(wǎng)——Asterisk從SIP終端收音后，直接通過Unix socket將PCM幀送入AVA Python進程，避免NAT穿透與第三方中繼。某省級醫(yī)保熱線實測表明：啟用AVA后，PCI DSS語音數(shù)據(jù)存儲合規(guī)項一次性通過，且因取消云ASR/TTS訂閱，年通信成本下降63%。“Agent主權(quán)”在這里是實打?qū)嵉模耗Ｐ涂梢哉{(diào)用Claude或DeepSeek，但控制權(quán)、數(shù)據(jù)權(quán)、調(diào)度權(quán)必須握在自己手中。

行業(yè)意義：填補語音Agent從Demo到產(chǎn)線的最后一塊拼圖

當(dāng)前多數(shù)AI語音方案卡在兩極：一端是Cursor/Copilot式工具鏈，只解決開發(fā)者單點效率；另一端是Devin/Manus類全自動Agent，但黑盒封閉、不可審計。AVA錨定中間地帶——通信系統(tǒng)工程師能用它升級傳統(tǒng)IVR，AI工程師能基于其pipeline快速驗證新模型在真實通話場景的表現(xiàn)（例如測試Qwen2-Audio在方言客服中的喚醒率）。它不替代龍蝦或OpenClaw，但為二者提供了語音觸點：龍蝦Agent可通過AVA暴露的REST API接收來電事件并返回結(jié)構(gòu)化決策；OpenClaw工作流可將語音任務(wù)拆解為ava.stt()→openclaw.route()→ava.tts()原子操作。

下一步行動建議

如果你正在評估語音Agent落地路徑：

• 克隆GitHub倉庫（github.com/ava-ivr/ava），用docker-compose up -d啟動完整環(huán)境，5分鐘內(nèi)接入現(xiàn)有FreePBX；
• 將生產(chǎn)環(huán)境中一條非核心IVR線路（如“營業(yè)時間查詢”）切換至AVA，對比傳統(tǒng)IVR的平均處理時長與一次解決率（FCR）；
• 在ava.yaml中插入llm: deepseek-v3@http://10.0.1.5:8000，用本地部署的DeepSeek-V3跑通端到端閉環(huán)。

語音AI的下一階段不是更大參數(shù)，而是更可控的鏈路。AVA證明：當(dāng)AudioSocket遇見Python閉環(huán)，當(dāng)Asterisk擁抱LLM，企業(yè)不必在“用大模型”和“守合規(guī)”之間二選一。