realtime-phone-agents-course 可以免费使用吗？用的什么许可证？

realtime-phone-agents-course 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

realtime-phone-agents-course 还在维护吗？

超过半年未提交。realtime-phone-agents-course 最近一次提交是在 2026年1月10日。

realtime-phone-agents-course 适合用来做什么？

学习如何构建面向客服通话的生产级语音智能体原型化一个可检索商品或房源数据库的 AI 接待或呼叫中心在完整的语音链路中对比本地模型与 GPU 托管模型的效果

realtime-phone-agents-course 怎么安装和运行？

阅读 docs/GETTINGS_STARTED.md 中的设置指南，配置环境并安装依赖启动呼叫中心应用（通过 Docker Compose 在 8000 端口运行 FastAPI）: make start-call-center 使用 ngrok 将本地服务暴露到公网: make start-ngrok-tunnel

在哪里获取 realtime-phone-agents-course？

源代码和安装说明在 GitHub 上：https://github.com/neural-maze/realtime-phone-agents-course

neural-maze/realtime-phone-agents-course

Q: realtime-phone-agents-course 是什么？

一门分周讲解的课程，教你用 FastRTC、Superlinked、Twilio 等搭建 AI 语音呼叫中心。 这是一门分课时的实战课程，带你构建实时 AI 语音智能体系统。示例场景是一家房地产公司，其“员工”是语音智能体，通过 Twilio 接听和拨打电话，用 Superlinked 检索房源，并借助 FastRTC 进行低延迟对话。

Q: realtime-phone-agents-course 怎么安装和运行？

阅读 docs/GETTINGS_STARTED.md 中的设置指南，配置环境并安装依赖 启动呼叫中心应用（通过 Docker Compose 在 8000 端口运行 FastAPI）: make start-call-center 使用 ngrok 将本地服务暴露到公网: make start-ngrok-tunnel

一门分周讲解的课程，教你用 FastRTC、Superlinked、Twilio 等搭建 AI 语音呼叫中心。

在 GitHub 查看

Star: 1,109
Fork: 253
未关闭 Issue: 6
最近提交: 9个月前

这是什么？

这是一门分课时的实战课程，带你构建实时 AI 语音智能体系统。示例场景是一家房地产公司，其“员工”是语音智能体，通过 Twilio 接听和拨打电话，用 Superlinked 检索房源，并借助 FastRTC 进行低延迟对话。

语音相关部分涵盖使用 Moonshine 和 Faster Whisper 做语音识别，使用 Kokoro 和 Orpheus 3B 做语音合成，并把开源模型部署到 Runpod 的 GPU 实例上。后续课时加入了多个具有不同性格和声音的虚拟形象、提示词版本管理，以及通过 Opik 对每次通话进行完整追踪。

每节课配有 Substack 文章、直播回放、独立分支的代码和 Jupyter 笔记本。运行课程前需要先配置 Twilio、Runpod、Opik 和 Qdrant Cloud 的 API 密钥。

核心功能

01通过 Twilio 实现语音智能体的呼入与呼出电话
02提供本地与托管两类实时语音识别和语音合成方案
03借助 Superlinked 对结构化与文本数据做房源检索
04在 Runpod GPU 实例上部署自托管的 Whisper 和 Orpheus 模型
05支持多个虚拟形象，各自拥有独立的人设、提示词和声音
06用 Opik 追踪语音识别、大模型、工具调用和语音合成各环节

适用场景

学习如何构建面向客服通话的生产级语音智能体
原型化一个可检索商品或房源数据库的 AI 接待或呼叫中心
在完整的语音链路中对比本地模型与 GPU 托管模型的效果

快速上手

1
阅读 docs/GETTINGS_STARTED.md 中的设置指南，配置环境并安装依赖
2
启动呼叫中心应用（通过 Docker Compose 在 8000 端口运行 FastAPI）
make start-call-center
3
使用 ngrok 将本地服务暴露到公网
make start-ngrok-tunnel

使用前须知

这是一门分周推进的课程，而不是开箱即用的工具。
接听真实电话需要 Twilio 账户和 ngrok 隧道。
多个组件依赖付费或 GPU 服务，例如 Runpod 和 Groq。

常见问题

realtime-phone-agents-course 是什么？: 一门分周讲解的课程，教你用 FastRTC、Superlinked、Twilio 等搭建 AI 语音呼叫中心。这是一门分课时的实战课程，带你构建实时 AI 语音智能体系统。示例场景是一家房地产公司，其“员工”是语音智能体，通过 Twilio 接听和拨打电话，用 Superlinked 检索房源，并借助 FastRTC 进行低延迟对话。
realtime-phone-agents-course 可以免费使用吗？用的什么许可证？: realtime-phone-agents-course 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
realtime-phone-agents-course 还在维护吗？: 超过半年未提交。realtime-phone-agents-course 最近一次提交是在 2026年1月10日。
realtime-phone-agents-course 适合用来做什么？: 学习如何构建面向客服通话的生产级语音智能体原型化一个可检索商品或房源数据库的 AI 接待或呼叫中心在完整的语音链路中对比本地模型与 GPU 托管模型的效果
realtime-phone-agents-course 怎么安装和运行？: 阅读 docs/GETTINGS_STARTED.md 中的设置指南，配置环境并安装依赖启动呼叫中心应用（通过 Docker Compose 在 8000 端口运行 FastAPI）: make start-call-center 使用 ngrok 将本地服务暴露到公网: make start-ngrok-tunnel
在哪里获取 realtime-phone-agents-course？: 源代码和安装说明在 GitHub 上：https://github.com/neural-maze/realtime-phone-agents-course

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。