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

当大模型的能力不断向端侧下沉，AI 的触角正在从屏幕里的对话框延伸到真实世界。最近一个开源项目给出了一个颇具想象力的答案：让一台普通的 Mac 电脑直接接打真实电话。这个名为 ai-phone 的项目运行在 Apple Silicon 芯片的 macOS 上，本质上是一个 SIP 电话守护进程，依托本地语音识别、语音合成与语言模型，把电脑变成一个不知疲倦的 AI 电话助手，且项目采用 AGPL-3.0 开源许可证。

模型组合、隐私边界与延迟表现

ai-phone 的工作方式非常直观：来电时，它按照用户预设的问候语和指令自动应答；也可以根据给定的提示词主动拨出电话，比如替你致电餐厅询问今晚八点是否有两人座位。通话结束后，系统会返回完整的文字记录，方便后续归档与处理。所有拨出的电话开头都会明确声明自己是 AI，这一点在合规层面值得肯定。

目前该项目仅支持搭载 Apple Silicon 的 macOS，Intel Mac、Linux 与 Windows 暂不可用，原因在于语音后端基于 MLX 框架构建，即便对话交给云端模型处理，语音识别与合成仍依赖本地算力。内存方面，默认 4B 本地模型建议 16GB，9B 模型建议 32GB，8GB 机器可选更小的 2B 模型。需注意，限制只针对运行 ai-phone 的电脑，来电一方可用任意手机或 SIP 客户端。

从多年产业实践经验来看，ai-phone 的落地路径设计得相当务实。接入电话网络有多种方式：直接使用 SIP 地址通话，或接入自有 SIP 中继、Telnyx、Twilio 账号获取真实号码，运营商费用自行承担。想零成本试用，可在安装时选择 SIP 地址模式，再用 pjsua 软电话拨打本机地址即可验证全流程。安装环节只需克隆仓库、运行安装脚本和 setup 向导，向导会根据检测到的内存自动推荐并下载本地模型权重。更值得关注的是中继模式：具备 shell 权限的外部 Agent 可通过 call --relay、say、listen、hangup 几条命令逐轮控制通话，每条带 --json 的命令都在标准输出返回结构化结果，这为把电话能力嵌入更复杂的智能体工作流打开了空间。

在技术栈构成上，语音识别采用 Parakeet 并通过 MLX 本地运行；语言模型既可选本地 MLX 模型，也可接入 Claude Code 或 Codex 订阅，或任何兼容 OpenAI 接口的端点；语音合成则提供 Phonon 与 Kokoro 两种方案，后者支持美式和英式声音且语速可调。隐私设计上，语音识别与合成全程本地完成，但若使用远程语言模型或外部 Agent，通话文本、指令与对话历史会传给相应的云服务商，这是使用前必须评估的边界。当前实测显示，即便在内存压力很大的条件下，首次可听响应中位数约为 1.50 秒，尚未达到 1 秒目标；此外目前仅支持英语，且一次只能处理一路通话，真实运营商线路的端到端验收也仍在推进中。

ai-phone 的价值不在于它已经多么完善，而在于它验证了一条清晰的路径：消费级电脑加上本地模型，足以承担真实世界的语音交互任务。随着语音后端跨平台适配与延迟优化的推进，这类端侧 AI 电话能力有望成为中小企业客服前台的低成本选项。