PatterAI/Patter

解决的问题

Patter 是一个开源 SDK，简化了为 AI Agent 提供电话号码的过程。它消除了管理整个语音栈的复杂性——包括 Agent 循环、语言模型、语音转文本 (STT)、文本转语音 (TTS) 和电话运营商——让开发者无需手动拼接这些分散的服务即可构建语音 Agent。

工作原理

Patter 作为一个完整的语音栈运行，负责管理通话流程和 Agent 循环。它允许开发者为语音体验的每一层选择并更换供应商：

• LLM: 文本生成 (例如 OpenAI, Anthropic, Google Gemini)。
• STT: 语音转文本 (例如 Deepgram, AssemblyAI, Whisper)。
• TTS: 文本转语音 (例如 ElevenLabs, OpenAI, Cartesia)。
• Realtime Engine: 一站式语音解决方案 (例如 OpenAI Realtime, Gemini Live)。
• Telephony: 电话运营商 (例如 Twilio, Telnyx, Plivo)。
• Audio Processing: VAD 和抑制 (例如 Silero VAD, Krisp)。

开发者可以以 Realtime、Pipeline 或 Hybrid 模式运行。该 SDK 在 Python 和 TypeScript 中具有完全的功能对等性，并包含用于通话转移、护栏以及通话中供应商故障转移的内置 LLM 回退链工具。

适用对象

正在构建语音功能 AI Agent 的开发者，用于餐厅预订助手、CRM 查询和工单创建或个性化外呼等任务。

亮点

• 供应商无关: 只需一行代码即可更换 LLM、STT、TTS 和运营商供应商。
• 双 SDK: Python 和 TypeScript 实现之间具有完全的功能对等性。
• UTF-8/实时语音: 支持实时语音交互和集成电话功能。
• 本地开发: 内置隧道和仪表板，用于在终端进行本地测试和通话模拟。
• 企业级准备: 包括 OpenTelemetry 追踪、护栏和供应商故障转移链。