📌 本文重點
- AVA 可直接接在既有 Asterisk／FreePBX 上
- 先用雲端 STT／LLM／TTS 做 PoC 再考慮本地化
- 適合中小企業與研發團隊快速測試語音 AI 總機
AVA 是一套能接在 Asterisk／FreePBX 上的開源語音客服引擎，讓你不用買 SaaS，也能自己搭一個會接電話、回答問題、轉分機的 AI 總機。
想先看專案，可直接開 AVA GitHub。如果你手上已經有 FreePBX，這類型工具最實際的價值不是「聊天」，而是把既有電話流量接進 STT、LLM、TTS 流程，先做出可測的 PoC，再決定要不要擴到正式客服。
核心功能
1. 直接接進 Asterisk，不用重做整套電話系統
AVA 的架構很直白：Asterisk 用原生 Audiosocket 或 RTP 收到來電，把音訊送到 Python 引擎；Python 再依序呼叫語音轉文字（STT）、大型語言模型（LLM）、文字轉語音（TTS），最後把回覆送回通話。
這代表你可以保留現有 SIP、分機、IVR 與 FreePBX 管理介面，只替換「講話的那一段」。
2. 雲端模型先上線，本地模型後續再換
AVA 內建支援 OpenAI、Gemini、Grok、ElevenLabs，也能自訂 STT／LLM／TTS 組合。最快的做法是先用雲端 API 跑第一版，例如 OpenAI 做 STT+LLM、ElevenLabs 做 TTS；如果後續遇到隱私或成本問題，再改成本地模型。
💡 關鍵： 先用雲端組合上線 PoC，再視隱私與成本需求改成本地模型，是風險最低的導入路徑。
官方也提到，若有 25GB 以上 GPU，可走全本地即時語音代理。
3. 適合做可控腳本，不只自由聊天
電話客服的重點不是模型多聰明，而是流程穩不穩。AVA 適合把提示詞、FAQ、分機規則、營業時間、留言流程都寫成明確腳本，例如：
- 「辨識來意後轉接
201業務部」 - 「下班時間改成留言並發通知」
先把流程規則化，測試會比直接放任模型自由發揮穩很多。
適合誰用
如果你是中小企業 IT、SI、通訊整合商，手上已有 Asterisk 或 FreePBX，AVA 很適合拿來做低成本 PoC：一台伺服器、一組 API key、幾個分機規則，就能讓公司總機先有基本問答與轉接能力。
💡 關鍵： 利用現有 Asterisk／FreePBX，只要加一台伺服器與一組 API key，就能快速驗證語音 AI 總機可行性。
如果你是實驗室或研發團隊，AVA 的價值在於可替換性。你可以先用雲端模型驗證流程，再逐步把 STT、LLM、TTS 換成本地推論，測試隱私保護、工具呼叫、資料落地等需求。
這比直接綁定單一 SaaS 平台更容易控制。
下面這組搭配最適合先做測試：
| 名稱 | 核心功能 | 免費方案 | 適合誰 |
|---|---|---|---|
| AVA | 串接 Asterisk 的語音代理框架 | 開源免費 | 要自架語音客服的人 |
| OpenAI / Gemini / Grok | STT、LLM 問答 | 多數為試用額度或按量計費 | 想最快上線 PoC 的團隊 |
| ElevenLabs | 高品質英文與多語 TTS | 有試用額度 | 重視語音自然度的客服場景 |
怎麼開始
最快路徑是用 Docker 把 AVA 部署在一台 Linux 伺服器，並接到現有 FreePBX。實作上可照這個順序做：
- 準備一台可連到 Asterisk 的伺服器，先安裝
Docker。 - 從 AVA GitHub 依範例啟動容器，填入
OpenAI或Gemini、ElevenLabs的API key。 - 在 FreePBX 建一個測試路由，讓指定
DID或分機把來電導到Audiosocket／RTP對應的 AVA 服務。 - 先只做一個簡單腳本：自我介紹、詢問需求、依關鍵字轉接分機或播放
FAQ。 - 拿真實電話測試
20到30通，記錄辨識錯誤、等待時間與轉接成功率，再調提示詞。
💡 關鍵： 先用 20–30 通真實來電測試腳本與提示詞，比盲目擴大量更能看出系統穩定度與實用性。
你可以先做兩個最有感的場景。
第一個是公司語音 IVR：例如「按 1 找業務」改成自然語音，來電者直接說「我要報價」就轉接業務分機，同時能回答地址、營業時間、付款方式。
第二個是 24 小時留言與簡單 FAQ：下班後由 AI 先接聽，回答常見問題，必要時收姓名、電話、需求摘要，再寄送到信箱或寫入工單。
成本與進階玩法
PoC 階段最主要的成本是語音與模型 API，用量低時通常比買整套 SaaS 便宜，尤其你已經有 Asterisk 時更明顯；但一旦通話量大，TTS 與即時 LLM 成本會開始浮現，所以建議先限制場景，只做總機問答、留言與分流。
如果你有隱私要求，下一步就是把部分流程換成本地模型：例如本地 STT、本地 LLM，只把 TTS 留在雲端，或直接全本地化。
另一個值得做的進階項目是客製對話腳本，把「業務、客服、總務」拆成不同代理，分別設定提示詞、FAQ 和轉接規則，測試效果會比單一通用客服更好。
對已經有電話系統的團隊來說，AVA 最實際的切入點不是一次取代客服，而是先把一條來電流程自動化，讓你用自己的基礎設施，快速驗證語音 AI 到底能不能真正接電話。
🚀 你現在可以做的事
- 打開 AVA GitHub 專案頁，閱讀 README 並確認環境需求
- 在現有 FreePBX 上規劃一條測試路由，準備 1 個具代表性的來電場景腳本
- 申請
OpenAI／Gemini與ElevenLabs的 API key，實作一個 20–30 通的 PoC 測試流程