Open in
LiveKit Agents سے ThunderPhone استعمال کریں
ThunderPhone وائس ایجنٹ کو LiveKit Agents سیشن کے ریئل ٹائم (اسپیچ ٹو اسپیچ) ماڈل کے طور پر چلائیں، جس کے گرد LiveKit رومز، SIP اور ٹیلیفونی موجود ہوں۔
LiveKit Agents LiveKit رومز کے اوپر ریئل ٹائم وائس ایجنٹس کے لیے ایک اوپن سورس فریم ورک ہے۔ ThunderPhone ریئل ٹائم ماڈل کے طور پر پلگ اِن ہوتا ہے: فریم ورک شریک کا آڈیو بھیجتا ہے، ThunderPhone ایجنٹ کی آواز، ٹرانسکرپٹس اور فنکشن کالز واپس کرتا ہے، اور LiveKit کے رومز، SIP ٹرنکس اور ٹیلی فونی آڈیو کو منتقل کرتے ہیں۔ اسپیچ ریکگنیشن، لینگویج ماڈل، آواز، ٹرن ٹیکنگ، 62 زبانیں اور ٹولز سب ThunderPhone پر چلتے ہیں۔
اس طریقے سے کی گئی کالز کال ہسٹری میں ظاہر ہوتی ہیں اور ان کی بلنگ کسی بھی دوسری ریئل ٹائم کال کی طرح ہوتی ہے (قیمتیں)۔ اس میں کوئی سبسکرپشن یا ThunderPhone فون نمبر شامل نہیں ہوتا۔
انسٹال کریں
pip install livekit-plugins-thunderphone
export THUNDERPHONE_API_KEY=sk_live_... # a secret API keyuv کے ساتھ، uv add "livekit-agents[thunderphone]~=1.8" وہی
پلگ ان انسٹال کرتا ہے۔ یہ livekit/agents
ریپوزٹری میں شامل ہے اور خود livekit-agents کے ساتھ جاری کیا جاتا ہے، اس لیے دونوں کو
ایک ہی ورژن پر رکھیں۔ LiveKit اسے اپنی
ThunderPhone پلگ ان گائیڈ میں دستاویز کرتا ہے۔
پلگ اِن LiveKit کے OpenAI Realtime ماڈل کو ریپ کرتا ہے، کیونکہ ThunderPhone کا
Realtime WebSocket اسی پروٹوکول پر بات کرتا ہے۔ اس کے لیے
livekit-agents 1.8 یا اس سے نیا ورژن درکار ہے۔
محفوظ شدہ ایجنٹ چلائیں
ایجنٹ جو کچھ بھی کرتا ہے (prompt، آواز، انجن، زبانیں، ٹولز، خیرمقدم، خاموشی کی جانچ) ThunderPhone پر ترتیب دیا جاتا ہے۔ سیشن صرف آڈیو منتقل کرتا ہے۔ ڈیش بورڈ میں ایجنٹ بنائیں، یا Zeus سے (وہ AI ایجنٹ جو ThunderPhone ایجنٹس بناتا، آزماتا اور بہتر بناتا ہے) اسے ترتیب دلوا کر اس کی ID یہاں دیں۔ ThunderPhone پر آپ کی تعینات کردہ تبدیلیاں آپ کے LiveKit کوڈ کو چھیڑے بغیر اگلی کال پر لاگو ہو جاتی ہیں۔
from livekit.agents import Agent, AgentSession, JobContext, WorkerOptions, cli
from livekit.plugins import thunderphone
async def entrypoint(ctx: JobContext):
session = AgentSession(llm=thunderphone.RealtimeModel(agent_id=12))
await session.start(agent=Agent(instructions=""), room=ctx.room)
if __name__ == "__main__":
cli.run_app(WorkerOptions(entrypoint_fnc=entrypoint))محفوظ شدہ ایجنٹ ThunderPhone پر خیرمقدم کرتا ہے اور اپنے ٹولز خود چلاتا ہے؛ LiveKit
Agent کی ہدایات اور ٹولز نہیں بھیجے جاتے۔ کال اس وقت ختم ہوتی ہے جب
ThunderPhone ایجنٹ کال بند کرتا ہے، اور سیشن بھی اس کے ساتھ بند ہو جاتا ہے۔
سیشن کو اِن لائن کنفیگر کریں
agent_id کے بغیر، ہدایات اور ٹولز LiveKit Agent سے آتے ہیں، بالکل اسی طرح جیسے OpenAI کے لیے آتے ہیں۔ model انجن منتخب کرتا ہے اور voice ThunderPhone کی آواز منتخب کرتا ہے۔
from livekit.agents import Agent, AgentSession, RunContext, function_tool
from livekit.plugins import thunderphone
class Receptionist(Agent):
def __init__(self):
super().__init__(instructions="You are Acme Dental's receptionist. Be brief.")
@function_tool
async def check_availability(self, context: RunContext, date: str) -> dict:
"""Free appointment slots on a date."""
return {"slots": await calendar.free_slots(date)}
async def entrypoint(ctx: JobContext):
session = AgentSession(
llm=thunderphone.RealtimeModel(model="bolt", voice="olivia", language="es"),
)
await session.start(agent=Receptionist(), room=ctx.room)
await session.generate_reply() # the agent speaks firstThunderPhone کال شروع ہونے پر ہدایات اور ٹولز کو منجمد کر دیتا ہے، اس لیے
update_instructions، update_tools اور انہیں تبدیل کرنے والے ایجنٹ ہینڈ آف
کال کے دوران معاون نہیں ہیں۔ اِن لائن سیشن کلائنٹ کے زیرِ ہدایت ہوتے ہیں: ایجنٹ اس وقت بولتا ہے
جب آپ generate_reply() کال کرتے ہیں یا جب شرکت کنندہ اپنی باری مکمل کرتا ہے۔
اختیارات
| آرگومنٹ | مطلب |
|---|---|
api_key | خفیہ کلید (sk_live_...)۔ بطور ڈیفالٹ THUNDERPHONE_API_KEY استعمال ہوتی ہے۔ |
agent_id | محفوظ شدہ ایجنٹ چلائیں۔ model اور voice کے ساتھ باہم مخصوص ہے۔ |
model | اِن لائن سیشنز کے لیے انجن: bolt (پرانے spark اور storm اب بھی قبول کیے جاتے ہیں)۔ |
voice | اِن لائن سیشنز کے لیے ThunderPhone آواز کا نام۔ |
language | اِن لائن سیشنز کے لیے بنیادی زبان کا اشارہ، مثلاً es۔ |
caller_number, callee_number | جب روم کسی فون لائن کے لیے فرنٹ اینڈ ہو تو کال کے فون نمبر۔ یہ کال ہسٹری میں from اور to نمبروں کے طور پر ظاہر ہوتے ہیں۔ |
live_transcripts | بولنے کے دوران کالر کے ٹرانسکرپٹ کے ٹکڑے اسٹریم کریں (اضافی بلنگ)۔ |
base_url | اینڈ پوائنٹ اووررائیڈ، بطور ڈیفالٹ wss://api.thunderphone.com/v1/realtime۔ |
ایونٹس
ThunderPhone ریئل ٹائم پروٹوکول کے اوپر پلیٹ فارم ایونٹس شامل کرتا ہے۔ سیشن انہیں خارج کرتا ہے:
@session.llm.session.on("thunderphone_call_ended") # or on the RealtimeSession you hold
def on_call_ended(event):
print("call ended:", event["reason"])سیشن فعال ہونے کے بعد RealtimeSession، call_id فراہم کرتا ہے۔ اسے
GET /v1/calls/{call_id} کے ساتھ استعمال کر کے کال کے بعد ریکارڈنگ،
ٹرانسکرپٹ اور گریڈ حاصل کریں۔ ہر دوسرا call.* ایونٹ (ٹرانسفر،
کی پیڈ، نظر انداز کی گئی گفتگو) thunderphone_call_event کے طور پر آتا ہے۔
حدود
- ٹرن ڈیٹیکشن سرور کی جانب سے ہوتی ہے اور ہمیشہ فعال رہتی ہے؛ فریم ورک کی جانب سے ٹرن ڈیٹیکشن
(
turn_detection، جوAgentSessionپر ہے) کو نظر انداز کیا جاتا ہے۔ - کال شروع ہونے کے بعد ہدایات اور اوزار تبدیل نہیں کیے جا سکتے۔
- آڈیو دونوں سمتوں میں 24 کلو ہرٹز پر 16-بٹ مونو PCM ہے۔
- ویڈیو فریمز کو نظر انداز کیا جاتا ہے۔