[Rust] active-call：基于Rust的高性能AI语音通话Agent框架

项目地址：https://github.com/restsend/active-call

效果预览

关键改进：纯 Rust 实现的 VAD 引擎

本次更新最关键的改进在于移除了对 onnxruntime 处理 Silero VAD 的依赖。我们重新用 Rust 手写了 Silero VAD 的推理逻辑，实现了显著的性能提升（约 2.5 倍）以及更低的内存占用。

以下是优化后的性能对比数据：

引入 Playbook：简化 Voice Agent 开发流程

考虑到之前基于 WebSocket 的 API 较为底层，开发者想要构建一个完整的 Voice Agent 流程会有些繁琐。因此，我们引入了一个全新的、可扩展的 playbook 方案。你可以基于 Markdown 格式轻松定义和配置你的语音助手。

一个基础的 playbook 配置示例如下：

---
asr:
  provider: “aliyun”
llm:
  provider: “aliyun”
  model: “qwen-turbo”
tts:
  provider: “aliyun”
vad:
  provider: “silero”
denoise: true
greeting: “您好，我是您的AI助理，请问有什么可以帮您？”
interruption: “both”
recorder:
  recorderFile: “hello_{id}.wav”
---
# Role and Purpose
You are an intelligent, polite AI assistant. Your goal is to help users with their inquiries efficiently.

# Tool Usage
- When the user expresses a desire to end the conversation (e.g., “goodbye”, “hang up”, “I’m done”), you MUST provide a polite closing statement AND call the `hangup` tool.
- Always include your response text in the `text` field and any tool calls in the `tools` array.

# Example Response for Hanging Up:
json
{
  “text”: “很高兴能为您服务，如果您还有其他问题，欢迎随时联系。再见！”,
  “tools”: [{“name”: “hangup”}]
}
---

核心特性与技术优势

• 内置 SIP 支持：active-call 是目前唯一内置 SIP 协议支持的 Voice-Agent SDK，这意味着你可以直接将其与 SIP 网关对接，轻松实现 AI 与电话系统的集成。
• LLM 流式输出：现已支持大语言模型的流式输出，可以实现“边思考边讲话”的更自然交互体验，有效降低响应延迟感。
• 卓越的性能表现：与 Pipecat、Livekit 等框架相比，active-call 更加专注于语音通话场景，并在性能上做了深度优化。实测在 2核4G 的常规配置下，可轻松支持 200路并发，并能保证长时间的稳定运行。
• 保留底层 WebSocket API：我们仍然提供了最基础的 WebSocket API，允许开发者通过 WebSocket 协议精细控制每一路通话。这为需要深度定制的开发者提供了极大的灵活性。

从实际的通话性能数据来看，基于 active-call 框架已经能够实现非常流畅的 AI 语音对话体验，端到端的延迟基本可以控制在 800ms 以内。

如果你对构建高性能语音应用或深入探索 开源实战 感兴趣，欢迎在 云栈社区 交流讨论更多技术细节。