ai-phone کیا ہے؟
ai-phone ایک AI فون ایجنٹ ہے جو آپ کے کمپیوٹر پر چلتا ہے۔ یہ آنے والی کالز وصول کر سکتا ہے، باہر جانے والی کالز کر سکتا ہے، تحریری ہدایات کے مطابق گفتگو کر سکتا ہے، اور کسی بیرونی ایجنٹ کے ساتھ انضمام کے لیے مرحلہ وار کمانڈز فراہم کر سکتا ہے۔
موجودہ ریلیز Apple Silicon والے macOS کے لیے تیار کی گئی ہے۔ گفتگو کا زبان ماڈل ریموٹ ہونے کے باوجود، تقریر کی شناخت اور ترکیب MLX کے ذریعے مقامی طور پر چلتی ہے۔ ai-phone چلانے والا کمپیوٹر ایک معاونت یافتہ Mac ہونا چاہیے، لیکن کال کرنے والے کوئی بھی ٹیلی فون یا SIP کلائنٹ استعمال کر سکتے ہیں۔
اہم خصوصیات
- آنے والی اور باہر جانے والی کالز: سیٹ اپ کے دوران کسی ایک سمت کو ترتیب دیں یا دونوں کو فعال کریں۔
- مقامی تقریری پراسیسنگ: تقریر کی شناخت اور آواز کی ترکیب Mac پر ہی رہتی ہے۔
- لچک دار زبان کے ماڈلز: مقامی MLX ماڈل، Claude Code یا Codex سبسکرپشن، یا OpenAI سے مطابقت رکھنے والا اینڈ پوائنٹ استعمال کریں۔
- SIP اور ٹیلی فون کنیکٹیویٹی: براہِ راست SIP ایڈریس کے ساتھ آزمائش کریں یا فون نمبرز کے لیے SIP ٹرنک، Telnyx اکاؤنٹ، یا Twilio اکاؤنٹ منسلک کریں۔
- کمانڈ لائن آٹومیشن: پرامپٹ کے ساتھ کال شروع کریں اور نتیجے کی نقل حاصل کریں۔
- ریلے موڈ: کسی دوسرے شیل سے چلنے والے ایجنٹ کو گفتگو کے ہر مرحلے کو کنٹرول کرنے دیں۔
- آواز کے انتخاب: اس کے شامل کردہ انگریزی صوتی ماڈل کے ساتھ Phonon، یا امریکی اور برطانوی آوازوں اور قابلِ تنظیم رفتار کے ساتھ Kokoro استعمال کریں۔
ai-phone فی الحال انگریزی اور ایک وقت میں ایک فعال کال کو سپورٹ کرتا ہے۔
ضروریات
معاونت یافتہ پلیٹ فارم
آپ کو Apple Silicon والا Mac درکار ہے۔ Intel Mac، Linux، اور Windows فی الحال معاونت یافتہ نہیں ہیں، کیونکہ تقریری بیک اینڈز MLX پر انحصار کرتے ہیں اور انسٹالیشن میں پلیٹ فارم سے متعلق انضمام شامل ہے۔
میموری اور اسٹوریج
- 8 GB RAM: سیٹ اپ ایک چھوٹا 2B ماڈل پیش کرتا ہے۔
- 16 GB RAM: پہلے سے منتخب 4B ماڈل کے لیے تجویز کردہ۔
- 32 GB RAM: 9B ماڈل کے لیے تجویز کردہ۔
- اسٹوریج: ڈاؤن لوڈ کیے گئے ماڈل ویٹس کے لیے کئی گیگا بائٹس جگہ رکھیں۔ سیٹ اپ دستیاب ڈسک اسپیس چیک کرتا ہے۔
سافٹ ویئر اور فون کنکشن
آگے بڑھنے سے پہلے Git، Homebrew، اور uv انسٹال کریں۔ انسٹالر مطلوبہ Python پیکیجز اور مقامی SIP لائبریری کا انتظام کرتا ہے۔
کالز کے لیے براہِ راست کنیکٹیویٹی کا SIP ایڈریس استعمال کریں یا اپنا SIP ٹرنک، Telnyx اکاؤنٹ، یا Twilio اکاؤنٹ فراہم کریں۔ کیریئر فیس اور سبسکرپشن کی حدود لاگو ہو سکتی ہیں۔
ai-phone انسٹال کریں
ریپوزٹری کلون کریں، اس کی ڈائریکٹری میں جائیں، انسٹالر چلائیں، اور انٹرایکٹو سیٹ اپ شروع کریں:
git clone https://github.com/oxnw/ai-phone.git
cd ai-phone
./scripts/install.sh
uv run ai-phone setupسیٹ اپ کا عمل پوچھتا ہے کہ آپ آنے والی کالز، باہر جانے والی کالز، یا دونوں چاہتے ہیں۔ اس کے بعد یہ زبان کے ماڈل، فون لائن، اور آواز کو ترتیب دیتا ہے۔ مقامی ماڈل کے لیے سیٹ اپ دستیاب میموری کی بنیاد پر ایک آپشن تجویز کرتا ہے اور مطلوبہ ویٹس ڈاؤن لوڈ کرتا ہے۔
اگر آپ کا ٹرمینل معیاری انٹرایکٹو پرامپٹس کے ساتھ اچھی طرح کام نہیں کرتا تو سادہ موڈ استعمال کریں:
uv run ai-phone setup --plainفون ڈیمون شروع کریں
سیٹ اپ کے بعد ریپوزٹری کی ڈائریکٹری سے ڈیمون شروع کریں:
uv run ai-phone runجب بھی کالز وصول کرنی ہوں، اس پراسیس کو چلتا رہنے دیں۔ صرف باہر جانے والی کالز کے لیے، کال کرنے سے پہلے اسے شروع کریں اور مکمل ہونے پر Ctrl-C سے روک دیں۔
سیٹ اپ پسِ منظر کی سروس انسٹال نہیں کرتا۔ سیٹ اپ کے بعد یا کمپیوٹر دوبارہ شروع کرنے کے بعد آپ کو ڈیمون خود شروع کرنا ہوگا۔
باہر جانے والی کال کریں
ڈیمون کو چلتا رہنے دیں اور ریپوزٹری میں ایک اور ٹرمینل کھولیں۔ منزل کے نمبر اور کام کی وضاحت کرنے والے پرامپٹ کے ساتھ call استعمال کریں:
uv run ai-phone call +15555550100 --json \
--prompt "Ask whether they have a table for two at eight tonight."+15555550100 کی جگہ وہ نمبر لکھیں جس پر آپ کال کرنا چاہتے ہیں۔ کال ختم ہونے پر کمانڈ اس کی نقل واپس کرتی ہے۔ ہر باہر جانے والی کال AI کے انکشاف سے شروع ہوتی ہے۔
آنے والی کالز میں اس کے بجائے سیٹ اپ کے دوران محفوظ کیا گیا خیرمقدمی پیغام اور ہدایات استعمال ہوتی ہیں۔
مفت مقامی SIP آزمائش چلائیں
آپ کیریئر کال کیے بغیر مقامی طور پر آزمائش کر سکتے ہیں۔ سیٹ اپ چلائیں، آنے والی کالز فعال کریں، A SIP address منتخب کریں، اور پہلے سے موجود نام agent برقرار رکھیں۔ ai-phone ڈیمون چلنے کے بعد یہ کمانڈ چلائیں:
pjsua --local-port 5070 sip:agent@127.0.0.1یہ ایک مقامی SIP کلائنٹ کو loopback ایڈریس پر موجود ایجنٹ سے منسلک کرتا ہے، جس سے آپ فون فراہم کنندہ کو ترتیب دینے سے پہلے آنے والی کال کے بنیادی بہاؤ کی توثیق کر سکتے ہیں۔
ریلے موڈ سے کالز کنٹرول کریں
ریلے موڈ شیل تک رسائی رکھنے والے بیرونی ایجنٹ کے لیے ہے۔ پوری گفتگو کے لیے ai-phone کو ایک پرامپٹ دینے کے بجائے، بیرونی ایجنٹ کال شروع کر سکتا ہے، بول سکتا ہے، سن سکتا ہے، اور ہر جواب کے بعد فیصلہ کر سکتا ہے کہ کیا کرنا ہے۔
ریلے کال شروع کریں
uv run ai-phone call +15555550100 --relay --jsonمرحلہ وار بولیں اور سنیں
uv run ai-phone say "Hi, I'd like to book a table for two." --json
uv run ai-phone listen --json
uv run ai-phone say "Eight o'clock, please." --jsonگفتگو ختم کریں
uv run ai-phone hangup --say "Thank you. Goodbye." --json--json استعمال کرنے والی ہر کمانڈ معیاری آؤٹ پٹ پر ایک JSON آبجیکٹ لکھتی ہے۔ call کمانڈ معیاری خرابی کے آؤٹ پٹ پر پیش رفت کے ایونٹس بھی لکھتی ہے، اس لیے انضمامات کو ان اسٹریمز کو الگ الگ پراسیس کرنا چاہیے۔
اگر کوئی فعال کال موجود نہ ہو تو listen --json آنے والی کال کا انتظار کرتا ہے اور اسے ریلے موڈ میں سنبھالتا ہے۔ جواب نہ دیے گئے ریلے ٹرن کا وقت ڈیفالٹ طور پر 25 سیکنڈ بعد ختم ہو جاتا ہے۔ کال آئی ڈیز، ٹرانسکرپٹ حاصل کرنے، قابلِ ترتیب ٹائم آؤٹس اور ایگزٹ کوڈز کے لیے ایجنٹ کمانڈ حوالہ دیکھیں۔
ماڈلز اور آوازوں کا انتخاب
گفتار کی شناخت
ai-phone گفتار کی شناخت کے لیے MLX کے ذریعے مقامی طور پر Parakeet استعمال کرتا ہے۔
گفتگو کا ماڈل
زبان کا ماڈل مقامی MLX ماڈل، آپ کی Claude Code یا Codex سبسکرپشن، یا OpenAI سے ہم آہنگ اینڈ پوائنٹ ہو سکتا ہے۔ سیٹ اپ منتخب کردہ آپشن کو ترتیب دینے میں مدد کرتا ہے۔
آواز کی ترکیب
Phonon ایک شامل شدہ انگریزی آواز فراہم کرتا ہے۔ Kokoro امریکی اور برطانوی آوازیں فراہم کرتا ہے، جن کی بولنے کی رفتار تبدیل کی جا سکتی ہے۔
اگر آپ ریموٹ زبان کا ماڈل استعمال کرتے ہیں تو اسے کال کا متن، ہدایات اور گفتگو کی تاریخ موصول ہوتی ہے۔ اگر کوئی بیرونی ایجنٹ کلاؤڈ فراہم کنندہ استعمال کرتا ہے تو وہ فراہم کنندہ اسے فراہم کیے گئے ٹرانسکرپٹس بھی موصول کر سکتا ہے۔ گفتار کی شناخت اور ترکیب بدستور مقامی رہتی ہیں، جبکہ فون آڈیو SIP اور RTP کے ذریعے منتقل ہوتی ہے۔
اعلیٰ درجے کی تشکیل کے نکات
تقاضے بدلنے پر سیٹ اپ دوبارہ چلائیں
آواز، ماڈل، فعال کال سمتیں یا کالر آئی ڈی تبدیل کرنے کے لیے سیٹ اپ دوبارہ چلائیں:
uv run ai-phone setupترتیب تبدیل کرنے کے بعد ڈیمون دوبارہ شروع کریں تاکہ نئی ترتیبات مؤثر ہو جائیں۔
کیریئر شامل کرنے سے پہلے مقامی SIP سے شروع کریں
پہلے لوپ بیک SIP ٹیسٹ کے ذریعے ایجنٹ کی توثیق کریں۔ مقامی کالنگ کام کرنے کے بعد، اگر آپ کو باقاعدہ ٹیلی فون نمبرز درکار ہوں تو SIP ٹرنک، Telnyx یا Twilio ترتیب دیں۔ نیٹ ورک سے متعلق مسائل کے لیے پروجیکٹ کی NAT چیک لسٹ دیکھیں۔
دستیاب میموری کے مطابق ماڈل منتخب کریں
سب سے بڑا ماڈل خودکار طور پر منتخب کرنے کے بجائے سیٹ اپ کی RAM پر مبنی سفارش پر عمل کریں۔ 2B آپشن کم میموری والے سسٹمز کے لیے ہے، جبکہ ڈیفالٹ 4B اور بڑے 9B ماڈلز کو زیادہ میموری درکار ہوتی ہے۔
موجودہ تاخیر اور ٹیسٹنگ کی صورتِ حال کو مدِنظر رکھیں
README میں شدید میموری دباؤ کے تحت تازہ ترین مقامی رن کے دوران پہلی قابلِ سماعت جوابی آواز کا درمیانی وقت 1.50 سیکنڈ بتایا گیا ہے، جو پروجیکٹ کے ایک سیکنڈ کے ہدف سے زیادہ ہے۔ مقامی کال اور خلل کے ٹیسٹ ہو چکے ہیں، لیکن لائیو کیریئر اور ایجنٹ کی اینڈ ٹو اینڈ قبولیتی جانچ ابھی باقی ہے۔ تعیناتی کی تیاری کا جائزہ لیتے وقت شائع شدہ پیمائشیں اور تاخیر کی تاریخ دیکھیں۔
تفصیلی حوالہ جات استعمال کریں
- لائنز، فارورڈنگ، کالر آئی ڈی، ماڈلز اور CLI کمانڈز کے لیے استعمال کی رہنما۔
- دستیاب ترتیبات کے لیے مثالی تشکیل۔
- اجزا اور کال کے بہاؤ کے لیے آرکیٹیکچر گائیڈ۔
- نیٹ ورک کی تشکیل کے لیے NAT چیک لسٹ۔
لائسنس سے متعلق امور
ai-phone AGPL-3.0-or-later کے تحت لائسنس یافتہ ہے۔ اس کی شامل شدہ PJSIP انٹرفیس فائلیں GPLv2-or-later استعمال کرتی ہیں؛ سافٹ ویئر تقسیم یا مربوط کرنے سے پہلے پروجیکٹ کے لائسنس نوٹس دیکھیں۔
نتیجہ
ai-phone Apple Silicon Mac پر AI فون ایجنٹ چلانے کے لیے کمانڈ لائن کا ایک عملی طریقۂ کار فراہم کرتا ہے۔ اسے انسٹال کرنے کے بعد ماڈل اور SIP لائن ترتیب دیں، ڈیمون شروع کریں، اور کیریئر کالز کرنے سے پہلے مقامی طور پر ٹیسٹ کریں۔ آٹومیشن کے لیے ریلے موڈ JSON تیار کرنے والی شیل کمانڈز کے ذریعے کسی بیرونی ایجنٹ کو منظم، باری بہ باری کنٹرول فراہم کرتا ہے۔