2026年的语音智能体（Voice AI Agent）赛道已经不是"能不能用"的问题，而是"谁先把它从Vapi、Retell、Bland、Synthflow这类SaaS手里抢回成本控制权"。这四家平台对外报价普遍是每分钟0.07美元起，但实测的"全包成本"（含电话号码月租、并发席位费、语音模型溢价、超时计费）往往翻倍到0.15美元甚至更高，一个中等规模的外呼/接听团队月烧500到2000美元是常态。而开源生态里，Pipecat、LiveKit Agents、TEN Framework、Dograh已经把"STT→LLM→TTS→电话线路→编排"整条链路打通，配合Fish-Speech、FunASR这类引擎，自建一套能打电话、能外呼、能当AI前台的语音智能体，硬件成本可压到SaaS的10%到20%。本期第4轮掘金，重点拆解这条被严重低估的"实时语音智能体开源栈"。
前面几轮覆盖了数字人、字幕配音、会议纪要，但都是"离线生成"——先把文字/语音喂进去，过几十秒出结果。而实时语音智能体是另一条赛道：它能像真人一样接电话、插话、处理打断、走完一通完整的对话流程，落地场景是牙科诊所预约确认、教培试听邀约、催收提醒、跨境电商售后、本地商家到店引导、律师事务所接听分流。
这个赛道的SaaS定价是"按通话分钟 + 平台费"双重抽成，业务量越大被抽得越狠，而且通话录音、客户数据全部躺在第三方平台上——对医疗、金融、法律这类强合规行业几乎是红线。自建栈的核心价值不是省钱，而是数据主权 + 成本可控 + 可定制话术 + 可白标转售。这意味着它的变现空间远超"省一笔订阅费"，可以直接做成垂直行业的付费产品和托管服务。
| 维度 | 权重 | 说明 |
|---|---|---|
| 变现潜力 | 40% | 能否包装成"AI前台/AI外呼"垂直产品？能否白标托管按月收费？ |
| 训练营适用性 | 25% | 学员2-4小时能否跑通一个能打电话的Demo？ |
| 技术新颖度 | 20% | 是否覆盖实时打断、全双工、低延迟WebRTC等前沿能力 |
| 维护活跃度 | 15% | 是否有商业公司或大厂背书？最近是否有commit？ |
把七个项目按链路摆开，就是一条完整的"自建语音智能体"流水线，每一层都有开源替代，没有任何一个环节被SaaS卡脖子：
flowchart LR
subgraph 电话线路层["电话线路 / 信令"]
A1[VoIP / SIP 中继]
A2[LiveKit WebRTC]
end
subgraph 编排层["编排 / 对话管理"]
B1[Pipecat]
B2[TEN Framework]
B3[Dograh]
end
subgraph 模型层["STT → LLM → TTS"]
C1[FunASR<br/>中文ASR]
C2[faster-whisper<br/>多语种STT]
C3[任意 LLM<br/>本地/云端]
C4[Fish-Speech<br/>SOTA TTS]
end
subgraph 产品层["开箱即用"]
D1[AIReceptionist<br/>AI前台]
end
A1 --> B2
A2 --> B2
B1 --> C1
B1 --> C2
B2 --> C3
B3 --> C3
C3 --> C4
C1 --> D1
C4 --> D1
quadrantChart
title 七款语音智能体开源项目定位
x-axis "上手难度低（易交付）" --> "上手难度高（需定制）"
y-axis "变现潜力弱" --> "变现潜力强"
quadrant-1 "高变现·需定制"
quadrant-2 "高变现·易交付（金矿）"
quadrant-3 "低变现·易交付"
quadrant-4 "低变现·需定制"
"AIReceptionist": [0.2, 0.8]
"Dograh": [0.4, 0.85]
"TEN Framework": [0.35, 0.7]
"Pipecat": [0.7, 0.75]
"LiveKit Agents": [0.75, 0.65]
"Fish-Speech": [0.5, 0.6]
"FunASR": [0.8, 0.55]
金矿象限（高变现+易交付）集中在左上：AIReceptionist、Dograh、TEN Framework——这三个最适合直接做成付费产品和训练营，因为学员能快速出成果、你能快速收钱。
这条栈的价值不止"省SaaS费"，可拆出四条独立变现线，互相不冲突：
路径一：垂直行业AI前台/外呼托管服务（最稳现金流） 选一个你熟悉的行业（建议从牙科、宠物医院、教培、装修入手），用Dograh或AIReceptionist搭一套标准话术，打包成"24小时AI前台"。定价：号码费¥30/月 + 托管费¥299-599/月。100个客户就是月入3-6万，且续费率天然高（一旦接入很难换）。这是最像"生意"的路径。
路径二：行业话术模板市场（边际成本趋零） 用TEN Framework的可视化能力，沉淀几十个行业的标准接听/外呼模板（牙科预约、试听邀约、到店核销、催收提醒），单个模板¥99-499售卖，叠加"帮你部署"增值服务。前期重，后期纯利润。
路径三：高客单私有化部署（To B大单） 针对金融、政务、医疗"语音数据不能上云"的强需求，用FunASR + LiveKit做完全内网部署的语音智能体方案。单项目¥5万-30万，一年做3-5个就是七位数营收。门槛高但客单极高。
路径四：开发者训练营与专栏（轻资产规模化） - ¥99-199引流营：零基础用TEN搭AI前台（2小时出Demo） - ¥399-999专栏：Pipecat/LiveKit语音Agent开发实战 - ¥1999-3999高阶营：行业垂直方案从0到交付（含话术库）
四条路径可形成漏斗：低价营引流 → 托管服务赚现金流 → 私有化大单冲营收 → 模板市场做长尾。
主题：《4小时搭一个能打电话的AI前台——给自家公司省下每年2万订阅费》
| 时段 | 内容 | 学员产出 |
|---|---|---|
| 0:00-0:40 | 讲清SaaS计费陷阱与自建成本对比 | 一张自建ROI测算表 |
| 0:40-1:40 | 部署TEN Framework，可视化配话术 | 一个浏览器里能对话的Agent |
| 1:40-2:40 | 接入Fish-Speech替换ElevenLabs、FunASR优化中文 | 音色自然、中文识别准的Agent |
| 2:40-3:30 | 接电话号码（SIP/VoIP），跑通真实通话 | 一通真实接听Demo |
| 3:30-4:00 | 话术调优、转人工、留言转写 | 可上线给老板演示的产品 |
学员带走的不是一个"作业"，而是一个当天就能给自家/客户公司部署、立刻省钱的生产工具，这种"即时变现"的反馈是训练营复购和口碑的核心。
| 排名 | 项目 | 最佳变现方向 | 预估定价 |
|---|---|---|---|
| 1 | Dograh | 白标语音Agent托管平台 | 托管¥500-2000/月/客户 |
| 2 | AIReceptionist | 线下实体店AI前台托管服务 | ¥299-599/月 + 号码费 |
| 3 | TEN Framework | 行业话术模板市场 | 模板¥99-499 + 部署增值 |
| 4 | Pipecat | 行业垂直定制方案 | 一次性¥3000-15000 + 维护 |
| 5 | FunASR | 政企私有化语音智能体方案 | 单项目¥5万-30万 |
这五个的共同点是：开源只是起点，"行业话术 + 托管运维 + 合规落地"才是真正的护城河和定价权来源。技术栈人人能抄，但"懂某个行业怎么接电话、怎么不踩合规线"抄不走。
第一，电话线路合规是头号风险。各国对自动外呼/AI接听有严格法规（中国《个人信息保护法》、美国TCPA、欧盟GDPR），外呼尤其敏感，建议优先做"接听（inbound）"而非"外呼（outbound）"，合规成本低得多。第二，延迟决定成败，超过800ms用户就会感知到"机器人感"，务必用LiveKit/TEN这类原生WebRTC栈，不要用HTTP轮询拼接。第三，别只卖技术，这个赛道的客户根本不懂STT/TTS，他们买的是"不漏电话、能约上客、能省一个前台的人头"——话术和交付体验比技术选型重要十倍。
本文由「51学通信」原创整理，站长爱卫生（微信：gprshome201101）。聚焦AI与通信开源栈的商业化落地，关注公众号获取每周开源掘金地图与训练营动态。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。