Ren(@Ryrenz):📞 太变态了，LiveKit Agents 能做出一个真会接电话、听得懂人话还能看见画面的 AI，而不是只能在网页里打字的聊天框。 GitHub 上 1.4 万 star，3800 多个 fork，九百多个 issue 还开着，Apache-2.0 协议开源。做语音 AI 最难受的不是模型不行，是中间那段工程：麦克风进来的声音要转文字，文字喂给模型，模型回的话再转语音播出去，中间还得判断人到底说完没有。自己拼这条链路，最后八成会卡在打断上——用户喘一口气，AI 就抢着说话，体验瞬间垮。LiveKit Agents 用一个基于 transformer 的模型来判断话轮有没有真的结束，专治这个毛病。它把语音识别、大模型、语音合成和各家的实时语音接口都做成了可换的插件，想接电话也行，agent 能直接拨出去或者接起来，等于你写几十行代码就有了一个会打电话的客服。工具调用这块原生支持 MCP，你已经在用的那些 MCP server 可以直接挂上去给它当手脚。最让人服气的是它自带测试框架：能给语音 agent 写测试用例，还能让一个模型当裁判去评它答得好不好。语音这种又慢又难复现的东西，终于能跑回归了。整套栈都能架在自己的服务器上，连 LiveKit server 本身也包括在内。语音交互这件事，开源这边已经追上来了。 GitHub：

2026.10.04 11:09

📞 太变态了，LiveKit Agents 能做出一个真会接电话、听得懂人话还能看见画面的 AI，而不是只能在网页里打字的聊天框。 GitHub 上 1.4 万 star，3800 多个 fork，九百多个 issue 还开着，Apache-2.0 协议开源。做语音 AI 最难受的不是模型不行，是中间那段工程：麦克风进来的声音要转文字，文字喂给模型，模型回的话再转语音播出去，中间还得判断人到底说完没有。自己拼这条链路，最后八成会卡在打断上——用户喘一口气，AI 就抢着说话，体验瞬间垮。LiveKit Agents 用一个基于 transformer 的模型来判断话轮有没有真的结束，专治这个毛病。它把语音识别、大模型、语音合成和各家的实时语音接口都做成了可换的插件，想接电话也行，agent 能直接拨出去或者接起来，等于你写几十行代码就有了一个会打电话的客服。工具调用这块原生支持 MCP，你已经在用的那些 MCP server 可以直接挂上去给它当手脚。最让人服气的是它自带测试框架：能给语音 agent 写测试用例，还能让一个模型当裁判去评它答得好不好。语音这种又慢又难复现的东西，终于能跑回归了。整套栈都能架在自己的服务器上，连 LiveKit server 本身也包括在内。语音交互这件事，开源这边已经追上来了。 GitHub：

500

Forward to community