AiDuo123 Logo
简体|繁體
充值登录注册
★ 5,189· 1,243 forks· Python· BSD-2-Clause开源替代

Dograh - 開源語音 AI 平臺

dograh-hq/dograh

可自部署的 Vapi/Retell 開源替代品,提供視覺化工作流構建器、電話整合和 MCP 原生支援,一鍵搭建生產級語音 AI 助手

成熟度：維護活躍,3天前最新提交,29個開放 issue,56位貢獻者,版本迭代至 v1.44.0

GitHub 仓库 → HN 讨论 · 16 点 · 10 评论对标：Vapi、Retell

项目体检

部署 · docker compose 一键启动(start_docker.sh 脚本),包含 PostgreSQL/Redis/MinIO 等多服务栈,本地默认 3010 端口,远程部署需额外配置 nginx/coturn

成本 · 内置 LLM/TTS/STT 栈和自动生成密钥开箱即用,可选接入 Twilio/Vonage 等电话服务商、自有 LLM/语音模型,需 PostgreSQL/Redis/MinIO 依赖

技术 · Python 主体,基于 Pipecat 和 ReactFlow 构建,集成 pgvector/Redis/MinIO,支持 Asterisk ARI 电话协议

许可 · BSD-2-Clause 协议,允许商用且无需开源衍生代码,可自由修改和分发

活跃 · 3天前最新提交,v1.44.0 版本于 8 天前发布,56 位贡献者参与,29 个开放 issue,活跃度高

解決什麼

Dograh 針對語音 AI 平臺的兩大痛點:一是 Vapi/Retell 等 SaaS 平臺費用佔總成本 60-70%,實際 LLM/語音服務費用僅佔 30-40%;二是開源方案(如 Pipecat、LiveKit)雖免費但缺乏標準化工具鏈,從對話中提取變數、處理電話轉接、管理工作流等"管道工作"仍需大量手動開發。Dograh 提供完整的自部署語音 AI 平臺,內建視覺化工作流編輯器、電話整合和測試工具,讓團隊在保留開源靈活性的同時避免重複造輪子。

為何火

在 HN 討論中,開發者普遍認同"平臺費用吃掉大部分預算"的痛點。Dograh 的 BSD-2 協議(比 AGPL 更寬鬆)、YC 校友背書和快速迭代(56 位貢獻者、3 天前最新提交)形成信任基礎。專案提供 MCP(Model Context Protocol)原生支援,允許 Claude Code、Cursor 等 AI 程式設計助手直接操作工作流,這種"用 AI 構建 AI"的元能力吸引了大量開發者。5000+ Stars 和 1200+ Forks 顯示社群已形成規模,Better Stack 的影片推薦進一步提升曝光。

核心功能

  • 視覺化工作流構建器:基於 ReactFlow 的拖拽式節點編輯器,包含起始節點、Agent 節點、全域性指令、工具呼叫、條件轉移和結束節點,支援 QA 節點、知識庫、Webhook 和嵌入式工具
  • 雙模式測試:Test Audio 在瀏覽器內語音測試,Test Chat 文本模式快速迭代 Prompt 並支援回放/編輯使用者輪次後重新生成響應
  • 電話整合:原生支援 Twilio、Vonage、Telnyx、Plivo、Asterisk ARI 等,包含人工轉接功能
  • MCP 伺服器:允許 Codex/Claude Code 等 AI 助手檢查現有 Agent、搜尋文件、建立工作流和儲存草稿
  • BYOK 架構:可替換任意 LLM/TTS/STT 提供商,儲存支援 MinIO 或 S3 相容服務

安裝

本地部署(60 秒):

curl -o docker-compose.yaml https://raw.githubusercontent.com/dograh-hq/dograh/main/docker-compose.yaml && \
curl -o start_docker.sh https://raw.githubusercontent.com/dograh-hq/dograh/main/scripts/start_docker.sh && \
chmod +x start_docker.sh && ./start_docker.sh

首次啟動需 2-3 分鐘下載映象,完成後訪問 http://localhost:3010。

AI 助手安裝(可選): 在 Claude Code 中執行 /plugin marketplace add dograh-hq/dograh-plugins 安裝官方外掛,然後讓 AI 自動檢測系統、執行指令碼並驗證部署。

遠端伺服器:先執行 sudo ./setup_remote.sh 生成配置,再執行 ./remote_up.sh 啟動,需額外配置 nginx 和 TURN 伺服器。

適合誰

  • 成本敏感的創業團隊:平臺費用佔比過高(60-70%)的 Vapi/Retell 使用者,通過自部署將成本降至實際 LLM/語音服務費用
  • 需要資料主權的企業:金融、醫療等行業要求本地化部署和完全控制對話資料
  • 定製化需求強的開發者:需要修改底層邏輯、接入特殊電話協議或私有模型的團隊
  • AI 工具鏈重度使用者:使用 Claude Code/Cursor 的團隊可通過 MCP 讓 AI 助手直接操作工作流,提升開發效率

中國使用者注意:內建語音棧可直接使用,但對接國內電話運營商(如阿里雲、騰訊雲)需自行適配 SIP 協議;訪問 OpenAI 等海外模型可能需要網路代理。

社群評價

HN 討論(16 點、10 評論)中,使用者高度認可成本優勢和開源透明度。一位開發者分享從 Vapi 遷移後成本結構從"70% 平臺費 + 30% 服務費"逆轉為"100% 服務費",但坦言開源方案的"管道工作"仍痛苦,Dograh 通過標準化工具鏈解決了這一問題。早期測試者反饋響應延遲問題,團隊回應可能源於系統資源或 LLM 推理延遲,正在最佳化每毫秒級效能。有使用者請求增加類似 Vapi 的語音角色選擇器,已列入開發計劃。整體氛圍積極,多位使用者表示已加星並計劃在公司內試用,YC 校友背景和 BSD-2 協議增強了信任感。

選型對比

vs Vapi/Retell:

  • 成本:Dograh 自部署免平臺費,僅付 LLM/語音服務成本;Vapi/Retell 按分鐘收費且平臺費佔大頭
  • 控制:Dograh 可修改原始碼、本地部署;商業方案閉源且資料儲存在其雲端
  • 易用性:Vapi/Retell 開箱即用,Dograh 需自行維護 Docker 棧和依賴服務
  • 生態:商業方案整合更豐富,Dograh 需自行對接部分服務商

vs Pipecat/LiveKit:

  • 開箱程度:Dograh 提供完整工作流編輯器和測試工具,Pipecat 僅為底層框架需自行搭建 UI
  • 學習曲線:Dograh 視覺化操作降低門檻,Pipecat 需編寫程式碼
  • 靈活性:兩者都開源可定製,但 Pipecat 更底層適合深度改造

已知坑

  1. 首次部署複雜度:雖號稱 60 秒啟動,但實際需等待 2-3 分鐘下載映象,且遠端部署需手動配置 nginx/coturn,文件中明確警告直接執行 docker compose up 會因缺少 .env 失敗
  2. 響應延遲:社群反饋語音互動存在延遲,團隊承認與系統資源和 LLM 推理速度相關,小模型延遲低但指令遵循能力弱,需在延遲與推理能力間權衡
  3. 電話整合限制:人工轉接僅支援部分電話服務商,國內運營商需自行適配 SIP 協議
  4. 資料庫密碼變更:README 警告修改 POSTGRES_PASSWORD 不會重新加密已有資料庫,需手動進入容器用 psql 修改
  5. 遙測資料:預設收集匿名使用資料,需在啟動前設定 ENABLE_TELEMETRY=false 停用

安装方式：docker

← 浏览全部项目