前言

RustPBX 是一个高性能的媒体处理引擎，为构建语音智能体而设计。

语音智能体架构

一般 Agent 直接以文本和大模型交互，而语音智能体输入输出都是语音。主要有两种做法：

• 端到端架构：直接以语音作为输入输出。延迟低，且具备多模态理解能力。
• 链式架构：将语音转换为文本，交给大模型处理，再将文本转换为语音播放。

其中端到端大模型价格昂贵（文本模型的至少 10 倍以上），且工具调用复杂。

链式架构由于是纯文本交互，输出更加可控，可以灵活选择音色，工具调用更为简单。

如何使用 SDK

客户端使用 WebSocket 连接到服务端，使用 命令/事件 模式交互：

通话控制

客户端发送 命令 到 RustPBX，控制通话行为。例如：

• 通过 Invite 命令发起呼叫
• 通过 Hangup 命令挂断呼叫
• 通过 TTS 命令播放文字

事件通知

RustPBX 通过 WebSocket 连接发送 事件 到客户端，通知通话状态变化和请求处理结果。例如：

• 通过 AsrFinal 事件通知语音识别结果
• 通过 Speaking 事件通知是否在说话
• 通过 Hangup 事件通知对方挂断

更多内容

📄️ RustPBX Go SDK

RustPBX Go SDK 规范