开源 ai-phone 实测：一台 Apple Silicon Mac 如何变身能接打真实电话的 AI 前台

想象一下：你的 Mac 电脑不再只是办公工具，而是能自动接听电话、替你打电话订餐厅、并把每通对话转成文字记录的 AI 前台。开源项目 ai-phone 正在把这个设想变成现实。它是一个运行在 Apple Silicon 芯片 Mac 上的 SIP 电话守护进程，借助本地语音模型和语言模型，让一台消费级电脑直接接入真实电话网络。项目采用 AGPL-3.0 许可证开源，对开发者来说，这意味着一个零门槛体验「AI 打电话」的完整技术标本。

Agent 中继与隐私边界设计

ai-phone 的工作方式很直接：来电时，它按照预设的问候语和指令自动应答；也可以根据你给出的提示词主动拨出电话，比如询问餐厅今晚八点有没有两人桌。通话结束后，系统返回完整的文字记录，方便后续整理与归档。所有拨出的电话开头都会先声明自己是 AI，这一设计兼顾了合规与用户知情权。不过目前它仅支持英语，且一次只能处理一路通话，距离生产级多并发还有距离。

这个项目目前只支持搭载 Apple Silicon 的 macOS，Intel Mac、Linux 和 Windows 暂不支持。原因在于其语音后端基于 MLX 框架，即便对话交给云端模型处理，语音识别和合成仍然依赖它。硬件方面，默认 4B 本地模型建议 16 GB 内存，9B 模型建议 32 GB，8 GB 机器可选更小的 2B 模型。值得注意的是，这一限制只针对运行 ai-phone 的那台电脑，来电方可以用任何手机或 SIP 客户端拨打。

从多年产业实践经验来看，电话线路接入是企业落地的关键环节，ai-phone 提供了几种灵活方案：直接使用 SIP 地址通话、接入自有 SIP 中继，或通过 Telnyx、Twilio 账号获得真实电话号码（运营商费用自理）。想免费试用，可在安装时选择 SIP address 方式，用 pjsua 软电话拨打本机地址即可。上手流程相当简洁：克隆仓库后运行安装脚本，再执行 setup 命令，向导会引导你选择接听/拨出模式、配置模型与声音，并根据检测到的内存自动推荐并下载本地模型权重。之后启动守护进程即可常驻接听；若只需拨出，用时启动、用完即停。拨出命令支持 --json 参数与自定义提示词，便于程序化调用。

对具备 shell 权限的外部 Agent，项目提供了「中继模式」，这是最具想象空间的部分：Agent 通过 call --relay、say、listen、hangup 几条命令逐轮控制通话，可以拨号、说话、听取对方回应并挂断，每条带 --json 的命令都会返回结构化结果；无通话时 listen 会等待来电并自动接管，单轮无应答默认 25 秒超时。模型组成上，语音识别用 Parakeet 本地运行，语音合成可选 Phonon 或 Kokoro（支持英美式声音与语速调节），语言模型则可灵活选择本地 MLX 模型、Claude Code/Codex 订阅或任何 OpenAI 兼容端点。隐私设计也很克制：识别与合成全在本地完成，只有使用远程语言模型或外部 Agent 时，对应云服务商才会看到通话转录文本。

当然，项目仍在演进中：真实运营商线路与端到端 Agent 验收尚未完成，本地测试中首次可听响应中位数约 1.5 秒，未达到 1 秒目标。但作为「一台 Mac 即 AI 前台」的完整开源实现，它为本地语音智能体与电话网络的结合提供了极具参考价值的工程范本，值得开发者与产品团队持续关注。