Framework de Python de código abierto para crear agentes de IA conversacionales en tiempo real, con servicios intercambiables de voz, LLM y transporte.
16,6 mil2,9 milPythonBSD-2-ClauseActualizado ayer
neural-maze/realtime-phone-agents-course
Curso semana a semana para crear un centro de llamadas de voz con IA usando FastRTC, Superlinked, Twilio, Opik y Runpod.
- Estrellas
- 1,109
- Forks
- 253
- Issues abiertos
- 6
- Último commit
- hace 9 meses
¿Qué es?
Este curso, compuesto por varias lecciones, explica paso a paso cómo crear un sistema de agentes de voz con IA en tiempo real. El ejemplo práctico es una inmobiliaria cuyos empleados son agentes de voz que responden y realizan llamadas telefónicas a través de Twilio, buscan propiedades con Superlinked y mantienen conversaciones de baja latencia impulsadas por FastRTC.
Los componentes de voz y modelos incluyen conversión de voz a texto con Moonshine y Faster Whisper, conversión de texto a voz con Kokoro y Orpheus 3B, y despliegue de modelos de código abierto en pods de GPU de Runpod. Las lecciones posteriores incorporan varios avatares con personalidades y voces distintas, prompts versionados y trazas completas de cada llamada con Opik.
Cada lección combina un artículo de Substack y una sesión en vivo con código publicado en su propia rama y notebooks de Jupyter. Antes de seguir las lecciones, se necesita tener configuradas y funcionando las claves de API de Twilio, Runpod, Opik y Qdrant Cloud.
Funciones clave
- 01Agentes de voz que atienden llamadas entrantes y realizan llamadas salientes mediante Twilio
- 02Conversión de voz a texto y de texto a voz en tiempo real, con opciones de modelos locales y alojados
- 03Búsqueda de propiedades en datos estructurados y de texto con Superlinked
- 04Modelos Whisper y Orpheus autoalojados y desplegados en pods de GPU de Runpod
- 05Agentes con varios avatares y personalidades, prompts y voces específicos para cada uno
- 06Trazas de los pasos de transcripción, LLM, herramientas y TTS con Opik
Casos de uso
- Aprender a crear agentes de voz para llamadas de clientes con un enfoque de producción
- Crear un prototipo de recepcionista con IA o de centro de llamadas que busque en una base de datos de productos o propiedades
- Comparar modelos de voz locales y alojados en GPU dentro de un pipeline de voz funcional
Inicio rápido
- 1
Lee la guía de configuración en docs/GETTINGS_STARTED.md para configurar tu entorno e instalar las dependencias
- 2
Inicia la aplicación del centro de llamadas (FastAPI en el puerto 8000 mediante Docker Compose)
make start-call-center - 3
Expón tu servidor local a Internet con ngrok
make start-ngrok-tunnel
Antes de usarlo
- Es un curso, no una herramienta lista para usar, y se desarrolla semana a semana.
- Para conectar llamadas telefónicas reales se necesita una cuenta de Twilio y un túnel de ngrok.
- Varios componentes dependen de servicios de pago o con GPU, como Runpod y Groq.
Temas
Preguntas frecuentes
- ¿Qué es realtime-phone-agents-course?
- Curso semana a semana para crear un centro de llamadas de voz con IA usando FastRTC, Superlinked, Twilio, Opik y Runpod. Este curso, compuesto por varias lecciones, explica paso a paso cómo crear un sistema de agentes de voz con IA en tiempo real. El ejemplo práctico es una inmobiliaria cuyos empleados son agentes de voz que responden y realizan llamadas telefónicas a través de Twilio, buscan propiedades con Superlinked y mantienen conversaciones de baja latencia impulsadas por FastRTC.
- ¿realtime-phone-agents-course es gratuito? ¿Qué licencia tiene?
- realtime-phone-agents-course es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿realtime-phone-agents-course sigue mantenido?
- Sin commits en más de 6 meses. El último commit de realtime-phone-agents-course fue el 10 ene 2026.
- ¿Para qué puedo usar realtime-phone-agents-course?
- Aprender a crear agentes de voz para llamadas de clientes con un enfoque de producción Crear un prototipo de recepcionista con IA o de centro de llamadas que busque en una base de datos de productos o propiedades Comparar modelos de voz locales y alojados en GPU dentro de un pipeline de voz funcional
- ¿Cómo se instala realtime-phone-agents-course?
- Lee la guía de configuración en docs/GETTINGS_STARTED.md para configurar tu entorno e instalar las dependencias Inicia la aplicación del centro de llamadas (FastAPI en el puerto 8000 mediante Docker Compose): make start-call-center Expón tu servidor local a Internet con ngrok: make start-ngrok-tunnel
- ¿Dónde consigo realtime-phone-agents-course?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/neural-maze/realtime-phone-agents-course
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Kit de herramientas de código abierto para transcripción de voz, reconocimiento de intenciones y síntesis de voz en el dispositivo, pensado para agentes y aplicaciones de voz en tiempo real.
11,3 mil620C++OtherActualizado hace 18 días
Biblioteca de C++ con bindings para Python para buscar similitudes y agrupar vectores densos de forma eficiente, con aceleración opcional mediante GPU.
41,2 mil4,6 milC++MITActualizado hace 15 horas
Familia de modelos de texto a voz de código abierto de Resemble AI, con clonación de voz a partir de un breve clip de referencia en inglés y muchos otros idiomas.
27,1 mil3,6 milPythonMITActualizado hace 3 meses
Herramienta de código abierto para traducir videos a otros idiomas mediante reconocimiento de voz, traducción de subtítulos, doblaje con IA y síntesis de audio y video.
IA y Machine Learning#video-translation#speech-to-text#subtitle-translation#text-to-speech#ai-dubbing
19,5 mil2,4 milPythonGPL-3.0Actualizado hace 5 días
Kit de voz sin conexión basado en onnxruntime para reconocimiento de voz, síntesis de voz, VAD, diarización y más, en múltiples plataformas e idiomas.
15,4 mil1,8 milC++Apache-2.0Actualizado hace 8 horas