行业痛点
解决方案
端到端实时语音模型
可对接 Gemini Live、OpenAI Realtime、通义千问 Omni、豆包实时语音等语音到语音模型，秒级响应、可随时打断，对话最自然。
级联 ASR → LLM → TTS
ASR 可选 Deepgram、FunASR 等，LLM 可选 DeepSeek、通义等，TTS 可选 CosyVoice、ElevenLabs 等，按效果与成本自由组合。
Python SDK + pipecat
pip install srtc 即可入会，收发 PCM 音频；内置 pipecat transport，可直接接入现有语音 Agent 管线。
实时打断
SDK 按 20ms 帧实时发送 TTS 音频，用户插话时可立即清空未播放的内容。
多人场景
AI 作为普通参会者加入频道，可同时听取多位用户的语音并区分说话人，适合会议助手与多方面试。
SIP 电话融合
通过会议室连接器的 SIP 接入，传统电话线路直接呼入 AI Agent，实现智能电话客服和 AI 外呼。
对话分析
对话录音、转写记录、情感分析、服务质量评分。
可私有化
RTC 服务与 AI 服务都可部署在企业内网，搭配私有化 ASR / LLM / TTS 时数据全程不出企业。
几行代码把 AI 接进频道
服务端 Python SDK 支持 Linux x86_64 / aarch64、macOS、Windows，Python 3.10+。
# pip install "srtc[pipecat]"
from srtc.pipecat_transport import SRTCParams, SRTCTransport
transport = SRTCTransport(token, SRTCParams(audio_in_enabled=True, audio_out_enabled=True))
pipeline = Pipeline([transport.input(), stt, llm, tts, transport.output()])方案优势
常见问题
支持哪些 AI 模型？
SRTC 本身不绑定模型。端到端方案可对接 Gemini Live、OpenAI Realtime、通义千问 Omni、豆包实时语音等；级联方案可自由组合 ASR（Deepgram、FunASR 等）、LLM（DeepSeek、通义等）与 TTS（CosyVoice、ElevenLabs 等），pipecat 支持的服务基本都能直接用。
AI 服务端怎么接入 SRTC？
用服务端 Python SDK：pip install srtc（需要 pipecat 集成时安装 srtc[pipecat]）。你的后端通过服务端 API 签发令牌，AI 进程凭令牌加入频道，按帧收到每位用户解码后的 PCM 音频，再把 TTS 输出写回频道即可。
端到端模型和级联方案怎么选？
端到端模型延迟最低、语气最自然，适合追求体验的对话场景；级联方案更灵活，可以逐段替换为私有化的 ASR / LLM / TTS，适合对数据合规和成本控制要求高的场景。两者可在同一套 SRTC 上并存。
AI Agent 能接电话吗？
可以。通过会议室连接器的 SIP 接入，传统电话线路可以直接呼入 AI Agent，也可以由 Agent 发起外呼，用于智能电话客服、AI 外呼回访等场景。