一台Mac变身AI电话前台：开源ai-phone让本地大模型接打真实电话

想象一下：你的一台Mac电脑，不需要云端服务、不依赖外部API，就能自动接听来电、按预设话术应答，甚至主动拨出电话帮你说一句“今晚八点有两人桌吗”。开源项目ai-phone把这一切变成了现实——它是一个运行在Apple Silicon芯片上的SIP电话守护进程，用本地语音模型和语言模型驱动，让一台Mac真正成为全天候的AI电话前台。项目采用AGPL-3.0许可证开源，本文将带你拆解它的技术架构、接入方式与实际能力边界。

本地跑通语音闭环，Mac即AI前台

ai-phone的核心思路是把“听、说、想”三个环节都装进一台Mac。来电时，它按用户预设的问候语和指令应答；也可以根据提示词主动拨出电话，通话结束后返回完整的文字记录。运行环境目前只支持搭载Apple Silicon的macOS，Intel Mac、Linux和Windows暂不支持，原因是其语音后端基于MLX框架构建，即使对话交给云端模型处理，语音识别和合成仍然依赖本地MLX运行。不过这个限制只针对运行ai-phone的那台电脑，打进电话的一方可以使用任何手机或SIP客户端，门槛极低。

硬件门槛与线路接入方案

硬件配置上，默认的4B本地模型建议16GB内存，9B模型建议32GB，8GB机器可在安装时选择更小的2B模型，模型下载数GB磁盘空间。电话线路接入提供多种路径：直接使用SIP地址通话，或接入自有SIP中继、Telnyx、Twilio账号获得真实电话号码，运营商费用自行承担。想免费试用的话，安装时选择“A SIP address”并保持名称为agent，再用pjsua软电话拨打本机SIP地址即可体验完整流程，零成本试错。

中继模式：外部Agent逐轮接管通话

从多年产业实践经验来看，ai-phone最有想象力的设计是“中继模式”。对于拥有shell权限的外部Agent，项目提供了call --relay、say、listen、hangup四条命令，让Agent可以逐轮控制通话：拨号、说话、听取对方回应、挂断，每条带--json的命令都会在标准输出返回结构化JSON对象。没有进行中的通话时，listen会等待来电并以中继模式接管。这意味着你可以把ai-phone当作一个“电话工具”挂载到Claude Code或任何智能体工作流中，让AI在执行任务时自主打电话——订餐、预约、询价都成为Agent能力的一部分。中继模式下如果某一轮无人应答，默认25秒超时，避免通话僵死。模型组成方面，语音识别使用Parakeet通过MLX本地运行；语言模型可选本地MLX模型、Claude Code或Codex订阅，或任何兼容OpenAI接口的端点；语音合成可选Phonon或Kokoro，后者提供美式和英式声音且语速可调。

隐私本地化与当前能力边界

隐私设计是这个项目的另一大亮点：语音识别和合成全部在本地完成，音频不经第三方转手。需要注意的是，如果使用远程语言模型，它会收到通话文本、指令和对话历史；如果接入外部Agent，该Agent背后的云服务商也能看到转录内容，企业使用时需评估数据流向。目前项目仍处于早期阶段：从全新克隆开始的安装配置流程已验证，本地通话和打断测试已跑通，但真实运营商线路和端到端Agent验收尚未完成。性能上，最近一次本地测试在内存压力很大的条件下，首次可听响应中位数为1.50秒，未达到1秒目标。此外目前仅支持英语，且一次只能处理一路通话，拨出的电话开头都会声明自己是AI——合规意识值得肯定，但离生产级多并发部署还有距离。

ai-phone展示了一条务实的路径：不追求庞大平台，而是把语音识别、生成、合成和电话协议在消费级硬件上串成闭环。随着语音后端扩展到更多平台、响应速度持续优化，AI接打电话将从极客玩具走向真实的客服前台与业务自动化场景，值得开发者持续关注。