PatterAI/Patter

解決的問題

Patter 是一個開源 SDK，簡化了為 AI Agent 提供電話號碼的過程。它消除了管理整個語音棧的複雜性——包括 Agent 循環、語言模型、語音轉文本 (STT)、文本轉語音 (TTS) 和電話電信商——讓開發者無需手動拼接這些分散的服務即可構建語音 Agent。

工作原理

Patter 作為一個完整的語音棧運行，負責管理通話流程和 Agent 循環。它允許開發者為語音體驗的每一層選擇並更換供應商：

• LLM: 文本生成 (例如 OpenAI, Anthropic, Google Gemini)。
• STT: 語音轉文本 (例如 Deepgram, AssemblyAI, Whisper)。
• TTS: 文本轉語音 (例如 ElevenLabs, OpenAI, Cartesia)。
• Realtime Engine: 一站式語音解決方案 (例如 OpenAI Realtime, Gemini Live)。
• Telephony: 電話電信商 (例如 Twilio, Telnyx, Plivo)。
• Audio Processing: VAD 和抑制 (例如 Silero VAD, Krisp)。

開發者可以以 Realtime、Pipeline 或 Hybrid 模式運行。該 SDK 在 Python 和 TypeScript 中具有完全的功能對等性，並包含用於通話轉移、護欄以及通話中供應商故障轉移的內置 LLM 回退鏈工具。

適用對象

正在構建語音功能 AI Agent 的開發者，用於餐廳預訂助手、CRM 查詢和工單創建或個性化外呼等任務。

亮點

• 供應商無關: 只需一行代碼即可更換 LLM、STT、TTS 和電信商供應商。
• 雙 SDK: Python 和 TypeScript 實作之間具有完全的功能對等性。
• UTF-8/即時語音: 支援即時語音互動和整合電話功能。
• 本地開發: 內置隧道和儀表板，用於在終端進行本地測試和通話模擬。
• 企業級準備: 包括 OpenTelemetry 追蹤、護欄和供應商故障轉移鏈。