面向电话呼叫的实时语音 AI 流水线架构：流式 STT、LLM、TTS 与打断处理

文章指出浏览器内语音 AI 原型与电话线路上的自然对话是不同量级的分布式系统工程问题，需采用流水线架构让下游阶段基于上游部分输出提前工作。具体包括：PSTN/SIP 窄带流与全双工 WebSocket 桥接；本地 VAD 结合词级端点检测以应对噪声线路；在安全句法边界将 LLM token 流入 TTS；实现全栈 barge-in，清空网关播放缓冲并截断对话历史；将同步 webhook 与 CRM 工具调用从音频循环中解耦。

AI推荐理由 文章给出电话场景实时语音 AI 的流水线架构要点：PSTN/SIP 与 WebSocket 桥接、VAD 与词级端点检测、流式 LLM 到 TTS 的分句、全链路 barge-in 与工具调用解耦，对语音 Agent 落地有参考价值；属工程经验分享，无量化评测。