停止为 Vapi/Retell 付费：在 Python 中运行自己的 AI 语音代理

Source: Dev.to

在没有商业许可证的情况下构建 AI 呼叫代理

如果你是 Python 开发者，可以在自己的机器上启动一个延迟低于 500 ms 的语音代理。本指南介绍 Siphon，一个开源（Apache 2.0）Python 框架，用于将 SIP 中继桥接到大语言模型（LLM）。

前置条件

• Python 3.10 及以上
• Twilio 或 Telnyx SIP 中继
• LiveKit 凭证
• OpenAI API 密钥

第一步：安装与设置

克隆 Siphon 仓库并安装包：

pip install siphon-ai

在项目根目录创建 .env 文件，并填入你的提供商密钥。由于 Siphon 是自行托管的，你需要直接向 OpenAI、LiveKit 等提供商付费——没有中间商费用。

LIVEKIT_URL=wss://your-project.livekit.cloud
LIVEKIT_API_KEY=your_livekit_key
LIVEKIT_API_SECRET=your_livekit_secret
OPENAI_API_KEY=sk-yourkey
DEEPGRAM_API_KEY=yourkey
FROM_NUMBER=+15551234567
SIP_USERNAME=your_sip_user
SIP_PASSWORD=your_sip_pass

第二步：定义代理

Siphon 抽象了复杂的 WebRTC 流程和语音活动检测（VAD）。使用 Siphon 的插件架构来定义你的代理：

from siphon.agent import Agent
from siphon.plugins import openai, cartesia, deepgram

# Define the Agent
agent = Agent(
    agent_name="Receptionist",
    llm=openai.LLM(),
    tts=cartesia.TTS(),
    stt=deepgram.STT(),
    system_instructions="You are a helpful dental receptionist. Help the user book an appointment."
)

第三步：触发外呼

外呼 SIP 信令非常简洁。如果没有预先配置的中继 ID，可以使用 SIP 凭证触发呼叫；Siphon 会根据需要复用或创建外部中继。

import os
from dotenv import load_dotenv
from siphon.telephony.outbound import Call

load_dotenv()

call = Call(
    agent_name="Receptionist",
    sip_trunk_setup={
        "name": "telnyx-primary",
        "sip_address": "sip.telnyx.com",
        "sip_number": os.getenv("FROM_NUMBER"),
        "sip_username": os.getenv("SIP_USERNAME"),
        "sip_password": os.getenv("SIP_PASSWORD"),
    },
    number_to_call="+15550200",
)

# Execute the asynchronous dial and bridge to the LiveKit WebRTC room
call.start()

第四步：处理状态与中断

处理中断（抢话）是语音 AI 中最难的环节之一。Siphon 利用 LiveKit 的 WebRTC 引擎，在检测到人声时即时停止 TTS 输出，从而实现自然、低延迟的对话，全部托管在你的基础设施上。

更多资源

• GitHub 仓库：
• 文档：

如果 Siphon 为你省下了费用，请考虑给仓库点星！