Fon Fonster – 开源 AI 语音代理平台

它是什么 – Fonoster 是一个开源技术栈，让您可以构建、测试和运行基于语音的代理（如电话线机器人），这些代理可以理解语音、生成语音回复，甚至呼叫其他号码。它将电话基础设施（PBX、SIP、电话号码）与 AI 服务（语音转文本、文本转语音、大型语言模型）相结合，并通过 API 优先的设计暴露所有功能。

核心组件

组件	作用
多租户平台	在同一服务器上运行多个隔离的工作区（例如，不同的客户）。
PBX 和 SIP 网关	将真实电话线连接到平台；您可以购买号码或使用现有的 SIP 中继。
语音 SDK	TypeScript（`@fonoster/voice`）和 Python（`fonoster-voice`）库，它们使用会话协议 – 一种承载呼叫事件和命令的 WebSocket。
NodeJS SDK	`@fonoster/sdk` 用于配置资源（号码、呼叫、应用）以及以编程方式创建呼叫。
CLI（`@fonoster/ctl`）	用于管理工作区、应用、号码和部署的命令行工具。
插件	扩展平台（例如，添加新的存储后端、认证方法）。
AI 集成	内置对 Deepgram、Google Speech、OpenAI LLM 等的支持，用于 Autopilot 基于 YAML 的代理。
认证与安全	OAuth2、JWT、RBAC，以及通过 Let's Encrypt 自动 HTTPS。

创建代理的两种方式

1. Autopilot（声明式）

编写一个简单的 agent.yaml，选择：

STT – 例如，Deepgram nova-3
TTS – 例如，Deepgram 语音 aura-asteria-en
LLM – 例如，OpenAI gpt-4o
提示配置（欢迎消息、系统提示、再见、错误处理、空闲检查）

使用 CLI 部署：

npx @fonoster/ctl workspaces:login   # 一次性 API 密钥登录
npx @fonoster/ctl applications:create -f agent.yaml

然后将真实电话号码指向创建的应用。平台自动处理呼叫流程、语音转换、LLM 推理和响应合成。

2. 语音应用（代码优先）

编写一个与 会话 WebSocket 通信的程序。SDK 为您提供高级方法：

say – 说出文本（或流式 LLM 令牌）
gather – 等待语音或 DTMF 输入
play、playDtmf – 播放音频或音调
transfer、hold、hangup 等。
访问原始音频以用于自定义语音流水线。

const { VoiceServer } = require("@fonoster/voice");
new VoiceServer({port:3000}).listen(async session => {
  await session.say("Hi! What’s your name?");
  const {speech:name} = await session.gather();
  await session.say(`Nice to meet you ${name}`);
  await session.hangup();
});

在本地或通过隧道（ngrok）暴露服务器，并从 Fonoster 应用中引用它。

典型工作流程

部署 Fonoster – Docker compose 或自托管在您自己的云上（参见 使用 Docker 部署 Fonoster）。
创建工作区 – 隔离用户、密钥和资源。
添加电话号码 – 通过提供商购买或注册现有的 SIP 中继。
构建代理 – 使用 Autopilot YAML 快速创建机器人，或使用自定义语音应用获得完全控制。
将号码连接到代理 – 通过仪表板或 CLI。
呼叫号码 – 平台路由呼叫，运行 AI 管道，并返回语音回复。

谁可能使用它？

初创公司 构建 AI 驱动的客户服务机器人，无需支付 Twilio 式的按分钟费用。
企业需要对语音数据进行本地控制以符合合规要求。
开发者 想要尝试基于 LLM 的电话代理、呼叫中心自动化或语音优先界面。
研究人员 在真实电话环境中探索多模态 AI（语音 ↔ LLM ↔ TTS）。

入门指南

文档 – 快速入门指南、Docker 自托管、会话协议规范和迁移说明都在 docs/ 文件夹中。
CLI – 使用 npx @fonoster/ctl … 安装以执行一次性命令。
SDK – npm i @fonoster/sdk（通用 API）和 npm i @fonoster/voice（会话处理）。
社区 – 提供 Discord 服务器、GitHub Issues 和贡献指南。

许可证和状态

许可证 – MIT（宽松，商业友好）。
状态 – 积极开发中，但仓库警告正在进行重大升级；可能发生破坏性更改，贡献暂时暂停。

TL;DR

Fonoster 是一个开源的“类 Twilio”平台，让您可以运行 AI 驱动的电话机器人。您可以在 YAML 文件（Autopilot）中描述机器人，或编写通过 WebSocket 会话通信的全功能代码。它捆绑了电话、语音服务、LLM 访问以及开发者友好的 API/CLI，全部采用 MIT 许可证。

fonoster/fonoster