Der de fleste KI-stemmeagenter låser deg til én leverandørs lydkjede fra start til slutt, deler AVA pipelinen i tre ledd du kan bytte ut hver for seg: tale-til-tekst, språkmodell og tekst-til-tale. Prosjektet ligger på GitHub under MIT-lisens med 1111 stjerner, og retter seg mot dem som allerede kjører telefoni på Asterisk eller FreePBX. Utvikleren oppgir seks ferdig validerte oppsett for produksjonsbruk.
Integrasjonen skjer der Asterisk-folk forventer den. Du legger inn en dialplan-kontekst som setter AI_AGENT til en agent-slug og sender samtalen inn i Stasis, mens selve motoren kjører i Docker med et admin-grensesnitt på port 3003. Lyden går over AudioSocket eller RTP. For dem som vil holde alt lokalt finnes et GPU-oppsett med llama.cpp og lokale stemmer som Kokoro og Piper, uten et eneste kall ut av huset.
Den ferskeste versjonen, 7.3.3, er verdt å merke seg av en annen grunn enn nye funksjoner: den retter at agentprompter og samtaletilstand kunne mutere delt konfigurasjon og lekke mellom gjenbrukte WebSocket-tilkoblinger. På et telefonisystem betyr det at én innringers samtale kunne påvirke den neste. Samme versjon rydder også opp i avbrytelser, slik at halvferdig tale forkastes når den som ringer bryter inn.
Sikkerhetsmessig er admin-grensesnittet den åpenbare svakheten, og prosjektet sier det selv: port 3003 er eksponert på nettverket, engangspassordet skrives til container-loggen, og porten må stenges bak brannmur, VPN eller omvendt proxy før produksjon.
Hva bør du gjøre?
- Steng port 3003 bak brannmur eller VPN før du setter AVA i produksjon.
- Oppgrader AI Engine og Local AI Server sammen til 7.3.3, ellers består lekkasjen av samtaletilstand mellom samtaler.
- Kjør
preflight.sh --apply-fixesførst; den lager.envog genererer en JWT-nøkkel for deg.