開源語音AI代理AVA正式發布：首個可全棧自托管、深度集成Asterisk/FreePBX的企業級IVR框架，支持AudioSocket/RTP原生協議與Python引擎閉環（STT→LLM→TTS），數據零出域，隱私合規與工程可控性同步落地。該方案直擊金融、政務、醫療等強監管行業的核心痛點——模型再強，若無法嵌入現有通信基礎設施、無法離線調度、無法審計每幀音頻流向，就只是演示Demo。AVA不是又一個Web界面語音玩具，而是面向AI工程師與通信系統開發者的生產級語音Agent底座。

技術架構：AudioSocket原生接入，Python閉環不繞路

AVA跳過WebRTC或HTTP音頻中轉，直接通過Asterisk 21+的AudioSocket協議建立低延遲RTP流通道。語音輸入毫秒級進入本地Python運行時。STT模塊默認集成Whisper.cpp（CPU輕量部署）或VAD+Streaming-Whisper（GPU加速），輸出文本后交由本地或遠程LLM處理——已實測兼容Claude-3.5-Sonnet、DeepSeek-V3、Qwen2.5-72B-Instruct及Llama-3.1-405B（via Ollama/Ollama Lite）。響應文本經TTS模塊實時合成，支持ElevenLabs API、XTTSv2本地部署、Piper聲學模型三軌并行。整個鏈路無中間服務依賴，端到端延遲穩定在800ms內（實測Asterisk+RTX4090環境）。

工程友好：開箱即用對接主流API，也支持完全本地化

開發者無需重寫呼叫流程邏輯。AVA提供標準FreePBX模塊安裝包（.tar.gz），安裝后自動注冊為Asterisk應用（AVA()），可直接在Dialplan中調用：

exten => s,1,AVA(model=deepseek-v3, tts=local-piper)  

配置文件ava.yaml以YAML聲明式定義pipeline：指定STT后端（如whisper-cpp: /opt/whisper.bin）、LLM路由策略（按意圖關鍵詞切分至不同模型）、TTS fallback鏈（API失敗時自動降級至本地XTTS）。所有LLM調用均走本地http://localhost:8000/v1/chat/completions抽象層，無論背后是Ollama、vLLM還是OpenRouter代理，上層IVR邏輯完全解耦。

隱私與合規：數據不出機房，審計粒度達RTP包級

AVA默認禁用任何外呼日志上傳，全部會話音頻、ASR文本、LLM prompt/response均落盤于本地/var/log/ava/，支持按日期/主叫號/IVR節點三級索引。RTP流全程不經過公網——Asterisk從SIP終端收音后，直接通過Unix socket將PCM幀送入AVA Python進程，避免NAT穿透與第三方中繼。某省級醫保熱線實測表明：啟用AVA后，PCI DSS語音數據存儲合規項一次性通過，且因取消云ASR/TTS訂閱，年通信成本下降63%。“Agent主權”在這里是實打實的：模型可以調用Claude或DeepSeek，但控制權、數據權、調度權必須握在自己手中。

行業意義：填補語音Agent從Demo到產線的最后一塊拼圖

當前多數AI語音方案卡在兩極：一端是Cursor/Copilot式工具鏈，只解決開發者單點效率；另一端是Devin/Manus類全自動Agent，但黑盒封閉、不可審計。AVA錨定中間地帶——通信系統工程師能用它升級傳統IVR，AI工程師能基于其pipeline快速驗證新模型在真實通話場景的表現（例如測試Qwen2-Audio在方言客服中的喚醒率）。它不替代龍蝦或OpenClaw，但為二者提供了語音觸點：龍蝦Agent可通過AVA暴露的REST API接收來電事件并返回結構化決策；OpenClaw工作流可將語音任務拆解為ava.stt()→openclaw.route()→ava.tts()原子操作。

下一步行動建議

如果你正在評估語音Agent落地路徑：

• 克隆GitHub倉庫（github.com/ava-ivr/ava），用docker-compose up -d啟動完整環境，5分鐘內接入現有FreePBX；
• 將生產環境中一條非核心IVR線路（如“營業時間查詢”）切換至AVA，對比傳統IVR的平均處理時長與一次解決率（FCR）；
• 在ava.yaml中插入llm: deepseek-v3@http://10.0.1.5:8000，用本地部署的DeepSeek-V3跑通端到端閉環。

語音AI的下一階段不是更大參數，而是更可控的鏈路。AVA證明：當AudioSocket遇見Python閉環，當Asterisk擁抱LLM，企業不必在“用大模型”和“守合規”之間二選一。