Lampline：自托管语音代理平台

12次阅读

获取下载链

微信关注「软件教程管家」公众号，回复 lampline

30秒速读：想做电话客服机器人，却不想把通话数据交给第三方平台？Lampline 是一个开源自托管的语音代理平台：基于 Pipecat，一条命令就能在自己电脑上跑起来；能把 Dialogflow CX 的旧代理整体导入继续用，还自带 AI 试打电话、按评分规则给通话打分的质检流程。本篇把三种部署方式、费用账和电话接入讲清楚。

软件信息表

项目	说明
软件名	Lampline
版本	GitHub 滚动发布
平台	跨平台（Windows / macOS / Linux，需 Docker）
许可证	Apache-2.0，开源免费
界面语言	英文
首次启动	约下载 3GB 本地模型，之后秒启
核心依赖	Docker + Compose v2；或 Python 3.11+ 原生运行
技术栈	Python + Pipecat；代理以 YAML + Markdown 文件夹管理

版本选择：三种部署方式，先看结论

方式	命令	适合谁
Docker 全免费	`scripts/docker-up.sh --free`	想零成本先跑通全链路；模型+语音全跑本机（Ollama Qwen3 4B + Moonshine + Kokoro）
Docker 带 key	`scripts/docker-up.sh`	已有云模型 key，想要更好回复质量
Mac 原生	先装 Ollama，再 `scripts/engine-up.sh --free`	Mac 用户，Ollama 直接调用 GPU，比跑在 Docker 里快

明确推荐：先用 –free 把链路跑通，一分钱不花。确认代理流程、电话质检都符合预期，再决定要不要接云模型 key。Mac 用户直接走原生路线，别在 Docker 里跟 Ollama 较劲。注意 –free 本机回复会比云模型慢、简单些，这是官方 README 明确写了的 trade-off，不是 bug。

安装：5 个卡点一次走顺

先装 Docker Desktop（含 Compose v2）。这是硬性前置，装完确认 docker compose version 能跑通再往下。
拉代码进目录。git clone https://github.com/C4rohan/lampline && cd lampline，然后执行 scripts/docker-up.sh --free。
首次启动下载约 3GB，别中途关。进度条走完之后再启动就是秒级。如果卡住不动，先看日志（scripts/docker-up.sh --logs）而不是反复重启。
打开终端打印的链接。形如 http://localhost:7860/#/?key=…，页面会记住 key；请求默认绑定 localhost，每次请求都带 key，这是官方的默认安全姿态。
去 Integrations 页选模型和语音，点 Test connection。测通了再建代理——key 填错导致的行为异常，90% 都是这一步没测。

装完必改设置：5 处先调顺

模型提供商（Integrations 页）。20 家可选（Claude、OpenAI、Gemini、Vertex AI、Azure OpenAI、Bedrock、Groq、Mistral、DeepSeek、Grok…），粘贴 key 后点 Test connection；没 key 就用 Ollama 跑本机模型，零成本。每个提供商都有”合理的默认模型”，可再改。
语音引擎（Integrations→Whisper / Kokoro）。免费路线点 Download models 下载，或选 Moonshine（边说边转写，延迟更低）。听和说分开配，别只配一半就去打电话测试。
密钥存哪（.env 文件）。ANTHROPIC_API_KEY、GEMINI_API_KEY 这类 key 填 .env，官方要求文件权限 chmod 600，且 key 绝不进 agents 仓库——别图省事把 key 写进代理 YAML 里，仓库一公开就等于裸奔。
电话接入（Phone numbers 页）。Twilio / Telnyx 按页内步骤配 webhook，或经 jambonz 接自己的 SIP 中继、PBX。注意电话线路和号码是外部服务的，Lampline 本身不提供线路，只负责接进来。
代理即代码，纳入 git。agents/ 目录就是 YAML + Markdown，改完提交；engine 每次通话都重新读目录，改完下次通话即生效。常用 CLI：vk import auto export.zip 导入，vk export dfcx|ces agents/<name> 导出回 Google 格式。

注意事项：动手前先看这 5 条

Google Voice 质检电话要手动点。Evals 页的免费电话评估走 Google Voice，必须你自己按 Call 拨出，不能自动拨号（Google 不允许程序自动拨号）。这是限制，不是 bug。
导入 Dialogflow 先看转换报告。flows、pages、playbooks、forms、routes、tools 都能导，但会出一份”要检查项”报告：webhook 在接好之前只会返回 mock，别直接上线，先跑一遍真实测试通话。
通话成本自己算一遍。官方给了成本模型（python3 costs/cost_model.py 可复算）：自托管约 $0.02–0.17/通，Dialogflow CX 约 $0.50/通。别只看模型价，把电话线路、GPU、运维人力一起算，4 分钟通话 1 万通/月：本机无 GPU 服务器+Google 模型 API 约 $1,384，本机 GPU+自托管模型约 $681，CX Agent Studio 基准 $5,000。
只测自己有权限的代理。Evals 能打任何有电话号码的代理（Dialogflow CX、CX Agent Studio、Vapi、Retell、自家 IVR），但只能测自己拥有或被授权测试的，别拿去骚扰别人的线路。
数据位置心里有数。设置、通话记录、知识库、下载的模型都在 ./.vpe-data；停服 scripts/docker-up.sh --down，数据卷保留，重装不丢代理。