PatterAI/Patter

解決する課題

Patterは、AIエージェントに電話番号を付与するプロセスを簡素化するオープンソースSDKです。エージェントループ、言語モデル、音声認識（STT）、音声合成（TTS）、および電話キャリアを含む音声スタック全体の管理の複雑さを排除し、開発者がこれらの異なるサービスを手動で結合することなく、音声エージェントを構築できるようにします。

仕組み

Patterは、通話フローとエージェントループを管理する完全な音声スタックとして機能します。開発者は、音声体験の各レイヤーにおいて、プロバイダーを選択および交換することができます。

• LLM: テキスト生成 (例: OpenAI, Anthropic, Google Gemini)
• STT: 音声からテキストへの変換 (例: Deepgram, AssemblyAI, Whisper)
• TTS: テキストから音声への変換 (例: ElevenLabs, OpenAI, Cartesia)
• Realtime Engine: オールインワンの音声ソリューション (例: OpenAI Realtime, Gemini Live)
• Telephony: 電話キャリア (例: Twilio, Telnyx, Plivo)
• Audio Processing: VADおよびノイズ抑制 (例: Silero VAD, Krisp)

開発者は、Realtime、Pipeline、またはHybridモードで動作させることができます。SDKはPythonとTypeScriptの両方で完全な同等性を持って提供されており、通話転送、ガードレール、および通話中のプロバイダーフェイルオーバーのためのLLMフォールバックチェーンなどの組み込みツールが含まれています。

対象者

レストランの予約アシスタント、CRMの照会およびチケット作成、またはパーソナライズされたアウトバウンドコールなどのタスク向けに、音声対応AIエージェントを構築している開発者。

ハイライト

• プロバイダーに依存しない: LLM、STT、TTS、およびキャリアプロバイダーを、たった一行のコードで交換可能。
• デュアルSDK: PythonとTypeScriptの実装間で完全な同等性を実現。
• UTF-8/リアルタイム音声: リアルタイムの音声対話と統合されたテレフォニーをサポート。
• ローカル開発: ターミナルからの通話のローカルテストおよびシミュレーションのための、組み込みのトンネルとダッシュボード。
• エンタープライズ対応: OpenTelemetry トレーシング、ガードレール、およびプロバイダーのフェイルオーバーチェーンを含む。