自托管网关,把电话线路和聊天渠道接入 AI 智能体,使用你自己的 API 密钥。
Azure-Samples/voicelive-api-salescoach
基于 Azure Voice Live API 的演示应用,让销售人员与 AI 虚拟客户进行语音对练。
- Star
- 150
- Fork
- 94
- 未关闭 Issue
- 8
- 最近提交
- 29天前
这是什么?
Voice Live API Sales Coach 是一个示例应用,展示如何用 AI 语音训练辅助销售培训。用户选择行业相关的销售场景,与 AI 虚拟客户进行实时语音对话,并在结束后获得表现反馈。
应用基于 Azure AI 服务构建:对话通过 Azure Voice Live API 实现语音到语音交互,对话结束后由大语言模型进行分析,Azure Speech Services 提供发音和流利度评估。前端使用 React 与 Fluent UI,后端为 Python Flask,通过 WebSocket 进行通信。
项目提供 Dev Container、构建脚本,以及基于 `azd up` 的一键部署,可创建 Azure AI、Speech 资源和 Container App。支持 Azure OpenAI 密钥与 Microsoft Entra ID 身份验证,也可选择接入 Foundry Agent 来驱动场景行为。
核心功能
- 01通过 Azure Voice Live API 与 AI 虚拟客户进行实时语音对话
- 02对话后分析语气、内容、需求挖掘、价值主张表达和异议处理等表现
- 03借助 Azure Speech Services 评估发音与流利度
- 04提供按行业划分的销售场景和评分指标
- 05使用 azd 一条命令部署到 Azure
适用场景
- 通过模拟通话训练销售人员处理异议和需求挖掘
- 了解 Azure Voice Live API 与 Speech 服务如何用于交互式语音应用
- 作为 Flask 与 React 实时语音应用的参考实现
快速上手
- 1
使用 azd 部署到 Azure
azd up - 2
在本地安装并构建应用
./scripts/build.sh - 3
启动服务器
cd backend && python src/app.py - 4
在浏览器中打开 http://localhost:8000
使用前须知
- 需要拥有 Azure 订阅,并具备 Voice Live、Speech 和 gpt-4.1-mini 模型部署及足够的模型配额。
- 本地开发需要填写包含 Azure AI Foundry 和 Speech 密钥或终结点的 .env 文件。
标签
常见问题
- voicelive-api-salescoach 是什么?
- 基于 Azure Voice Live API 的演示应用,让销售人员与 AI 虚拟客户进行语音对练。 Voice Live API Sales Coach 是一个示例应用,展示如何用 AI 语音训练辅助销售培训。用户选择行业相关的销售场景,与 AI 虚拟客户进行实时语音对话,并在结束后获得表现反馈。
- voicelive-api-salescoach 可以免费使用吗?用的什么许可证?
- voicelive-api-salescoach 以 MIT 许可证开源。用于商业产品前,请先确认许可证条款。
- voicelive-api-salescoach 还在维护吗?
- 活跃维护中。voicelive-api-salescoach 最近一次提交是在 2026年9月21日。
- voicelive-api-salescoach 适合用来做什么?
- 通过模拟通话训练销售人员处理异议和需求挖掘 了解 Azure Voice Live API 与 Speech 服务如何用于交互式语音应用 作为 Flask 与 React 实时语音应用的参考实现
- voicelive-api-salescoach 怎么安装和运行?
- 使用 azd 部署到 Azure: azd up 在本地安装并构建应用: ./scripts/build.sh 启动服务器: cd backend && python src/app.py 在浏览器中打开 http://localhost:8000
- 在哪里获取 voicelive-api-salescoach?
- 源代码和安装说明在 GitHub 上:https://github.com/Azure-Samples/voicelive-api-salescoach
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
微软出品的 21 节课程,用 Python 和 TypeScript 教开发者构建生成式 AI 应用。
开源文档解析工具,把 PDF、Office、HTML 等文件转换为结构化数据,供生成式 AI 使用。
把 Git 仓库或本地目录整理成一份适合喂给大模型的纯文本摘要。
NLWeb 的 Python 参考实现,为网站添加自然语言对话接口,并可作为 MCP 服务器使用。
基于 LangGraph 构建的模块化 Agentic RAG 教程与项目,支持层级索引、对话记忆和查询澄清。