Bolna AI

快速结论

Bolna AI 是构建电话语音智能体的开源编排框架和商业托管平台。规范代码仓库是 bolna-ai/bolna，默认分支为 master；截至 2026-07-20，仓库未归档且仍有更新，并公开招募维护者。它通过 WebSocket 连接电话、ASR、LLM 和 TTS，把用户语音转成文本、交给模型决策，再把回复合成为音频。典型用途包括预约、线索初筛、客服和经合规审查的批量外呼。

Bolna 的价值是供应商可替换和自托管编排，不是某个单一语音模型。开源仓库采用 MIT 许可证，包含核心 orchestration；Hosted APIs 和 no-code Dashboard 目前闭源。官网强调印度多语种和低延迟，但实际通话体验由电话网络、VAD、ASR、LLM 首 token、工具调用、TTS 首音频、WebSocket 与地域共同决定，不能把宣传的 sub-600ms 当成所有线路和脚本的 SLA。团队在采用前还必须设计 AI 身份披露、录音同意、拒绝外呼、滥用防护、安全存储和人工转接。

核心功能

• 多供应商语音栈：开源框架可组合 Deepgram 等转写服务、OpenAI/DeepSeek/Llama/Cohere/Mistral 等 LLM，以及 ElevenLabs、AWS Polly、Deepgram、OpenAI、Cartesia、Smallest 等语音合成路径；实际支持以当前代码和文档为准。
• 电话接入：本地示例明确支持 Twilio 和 Plivo；托管文档还列出 Vobiz 与 Exotel。不同产品层的供应商范围并不相同，不能把 Hosted 集成直接视为开源本地功能。
• JSON/代码定义 Agent：可配置 transcriber、LLM、synthesizer、任务和工具调用，适合版本管理和自动化部署。
• 流式与打断：ASR、LLM 与 TTS 采用流式链路，可减少等待并处理用户插话；端点检测和打断恢复仍需按语言、口音及噪声调试。
• 入站、外呼与批次：托管平台覆盖电话号码、入站 Agent、单次呼叫、批次和子账户等 API，可服务预约确认、回访和线索筛选。
• 工具与业务系统：Agent 可调用自定义 API、知识库或工作流，把预约、订单和 CRM 操作纳入对话；所有写操作都应做参数验证、授权和幂等保护。
• 本地部署：仓库的 local_setup 使用 Docker Compose，包含 Bolna、电话服务、Redis 和隧道组件；自托管仍需外部供应商 key 和公网可达回调。
• 人工接管：生产 Agent 应设置明确的转人工条件与上下文移交，不能只在提示词中写一句“必要时转人工”。

适合人群

• 需要为印度及多语种市场开发预约、客服、招聘初筛或销售电话的产品团队。
• 希望在 Twilio、Plivo、Exotel、Vobiz、ASR、LLM 和 TTS 之间保留选择权的工程组织。
• 有 DevOps、安全、电话运营与合规人员，能够维护低延迟流式系统和呼叫质量的企业。
• 想先用开源框架验证对话，再决定是否购买 Dashboard、Hosted API 或企业支持的团队。

如果主要是可视化编排非电话 Agent，可比较 Dify；若重视通用工作流与外部系统连接，可看 n8n。Bolna 不适合没有电话合规负责人、无法处理投诉或没有人工坐席兜底的无人外呼项目。

使用场景

合适的场景是低风险、可清楚限定的任务，例如告知已预约客户时间、收集明确字段、回答有批准知识库支撑的常见问题，并在不确定、情绪升级、敏感信息或用户要求时转人工。Agent 应在开场主动说明自己是 AI、所属组织、来电目的、是否录音以及如何退出；不能用逼真人声隐藏机器身份，也不能声称自己是某位员工。合成或克隆音色只能使用本人声音或已明确授权的录音和媒体，不得用于未经授权的身份利用、冒充、欺诈或骚扰。

外呼前要验证号码来源、营销同意、禁呼名单、时区和允许呼叫时段。通话录音规则因司法辖区不同，可能要求一方或全体参与者同意；跨地区呼叫应按更严格要求设计并咨询当地法律意见。医疗、法律、金融、催收、招聘等场景风险更高，不应让 LLM 自动作出结论。付款、账户恢复、身份核验和合同承诺必须使用独立安全渠道，并在异常、低置信度、重复失败、投诉、自伤或威胁信号出现时即时转人工。

价格与版本

开源 orchestration 代码按 MIT 免费获取，但需要自备服务器、Redis、电话供应商、ASR、LLM、TTS、号码和运维。托管官网在 2026-07-20 展示按使用付费、Pilot 与 Enterprise：新账户有少量试用额度，固定量方案页面示例为 6 美分/分钟并按 30 秒脉冲计费，量大有阶梯折扣；价格会变化，应以结算页和合同为准，而不是固化旧的 2 美分平台费。

“每分钟成本”不是一个数字。总成本通常为 Bolna 托管或自建基础设施，加电话接通/号码/SIP 费用、ASR 音频分钟、LLM token 与工具调用、TTS 字符或音频费用、录音存储、监控和人工转接。BYOK 可以减少平台加价，但不会消除供应商账单。试点应分别记录接通分钟、等待和留言、失败重试、平均 token、TTS 用量及转人工时长，计算成功任务成本，而不只比较通话分钟单价。

MIT 只覆盖 Bolna 开源仓库代码，不会自动覆盖所接入的 ASR、LLM、TTS 模型、云 API、声音、电话号码或数据集。每个供应商和自托管 checkpoint 都应按其模型卡、服务条款和数据处理协议单独核验；允许调用 API 不等于允许保留音频训练模型，也不等于获得某个合成音色的冒充权。

国内访问与使用体验

官网和 GitHub 可用于了解托管与开源方案，本地示例依赖 Docker Compose、Redis、ngrok 以及 Twilio 或 Plivo 账户。中国大陆落地还要核验可用号码、跨境数据、供应商覆盖、呼叫显示、实名、电信及营销规则；“网站可访问”不代表电话业务可以合规运营。中文口音、数字、地址、打断和噪声下的识别与合成也应单独测试，不能由印度语种案例推断。

延迟测试应拆成 VAD endpoint、ASR final/partial、LLM first token、工具 API、TTS first byte 和电话播放，并在目标国家、运营商、峰值并发和真实脚本下测 P50/P95/P99。生产部署应隔离租户和环境，使用密钥管理而非 .env 明文共享，对 webhook 签名与重放做校验，限制工具权限，过滤提示注入，脱敏日志，加密录音，并为供应商故障设置超时、熔断和安全结束语。

优点

• 开源核心可审计、自托管和扩展，避免完全绑定单一托管语音平台。
• 电话、ASR、LLM 与 TTS 可替换，便于按语言、成本、延迟和地区做路由。
• 流式架构、批量呼叫、工具调用和托管 API 覆盖完整语音 Agent 链路。
• 印度多语种场景投入明显，适合相关市场做供应商与脚本验证。
• 可从本地开源原型逐步迁移到 Hosted 或 Enterprise，而不必一开始购买大合同。

不足

• Hosted API 和 no-code UI 闭源，开源仓库与商业平台的功能及供应商范围不能等同。
• 端到端延迟受多层外部服务影响，宣传数字不能替代目标地域的峰值测试。
• 总成本由多张账单叠加，失败呼叫、重试、录音、号码和人工转接容易被低估。
• 自托管需要公网电话回调、Redis、密钥、容灾、监控和安全响应，运维负担不低。
• 语音 Agent 涉及营销同意、禁呼、录音、AI 披露、数据跨境和行业规则，框架不会自动完成合规。
• 工具调用和提示注入可能造成越权业务操作，需要严格的服务端授权与人工审批。

替代品对比

常见问题 FAQ

Bolna 完全开源吗？

核心 orchestration 仓库采用 MIT；官方 README 明确写明 Hosted APIs 和 no-code UI 当前闭源。评估时要区分开源代码、托管产品和企业服务。

官方支持哪些电话供应商？

本地仓库示例明确提供 Twilio 和 Plivo；当前托管文档还列出 Vobiz 和 Exotel。使用前应按所选产品层验证入站、外呼、地区、号码和流式能力。

sub-600ms 是否代表每次通话都低于 600ms？

不代表。它是产品低延迟定位，不是所有地域和供应商的保证。应测完整链路的 P95/P99，并把工具调用、网络抖动和打断恢复纳入验收。

每分钟到底花多少钱？

需要把平台/基础设施、电话、号码、ASR、LLM、TTS、录音、监控和人工转接相加。官网方案只是其中一层；BYOK 仍会由供应商计费。

AI 电话必须披露和录音告知吗？

应在开场明确披露 AI 身份和组织。录音同意取决于各参与者司法辖区，可能要求一方或全体同意；营销外呼还要处理许可、退订、禁呼和时段规则。

何时必须转人工？

用户主动要求、身份或付款、高风险行业、低置信度、多次失败、投诉、威胁、自伤信号、工具异常或模型无法依据批准信息回答时，都应立即转人工或安全结束。

如何避免语音 Agent 被提示注入或滥用？

不要让 LLM 直接持有高权限。工具服务端要校验用户、字段、额度和状态，采用最小权限、幂等、审批、速率限制、审计和异常告警，并阻止 Agent 泄露系统提示或密钥。

总结

Bolna 适合把电话、ASR、LLM、TTS 和业务工具组装成可替换的流式语音 Agent，尤其适合希望保留开源自托管选项的多语种团队。真正的选型指标不是 Demo 是否自然，而是目标地区 P95 延迟、成功任务成本、供应商故障表现和人工接管质量。先完成号码与录音法规核验，再用低风险场景小规模试点；只有 AI 身份披露、同意与退订、密钥隔离、工具授权、录音保护、滥用响应和人工升级都可审计，才应扩大呼叫量。