开源FreeSWITCH新模块mod_earshot，通过WebSocket将实时通话音频流式传输到AI代理
内容提要
mod_earshot 是一个开源模块，通过单个 WebSocket 将实时电话通话桥接到 AI 语音代理，支持全双工通信。它提供多种协议适配器、轮流发言机制、通话控制、PCI/PII 屏蔽、多流工作及高效扩展，适合部署在自有基础设施上。
延伸解读
部署模式与成本优势
mod_earshot 强调在自有基础设施上运行，而非依赖黑盒 SaaS。这意味着企业可以保留对音频数据和通话记录的控制，同时避免按分钟支付合规附加费。对于已有 FreeSWITCH 或 SIP 环境的团队，该模块可无缝集成，降低迁移成本。但需注意，自托管要求具备相应的运维能力，包括处理 WebSocket 连接、扩展性和监控。
扩展性对比与资源占用
文章指出，mod_earshot 按会话扩展，每个会话约占用 1 MB 内存，而每流一线程模式在约 420 路时遇到瓶颈。这意味着在相同硬件上，mod_earshot 可支持数千路并发通话，显著提升资源利用率。对于高并发场景，如呼叫中心，这种设计能有效降低基础设施成本。但实际性能还受网络带宽、CPU 处理能力等因素影响，需进行压力测试验证。
安全与合规特性
PCI/PII 屏蔽功能在本地完成，避免敏感数据外传，符合支付卡行业数据安全标准（PCI DSS）等合规要求。通过静音音频和脱敏 DTMF，确保银行卡信息不被 AI 代理或第三方记录。此外，代理操作均有审计记录，便于追踪和合规审查。但需注意，屏蔽功能仅针对音频和 DTMF，其他数据通道（如文本）可能仍需额外保护。
Q&A
mod_earshot是什么？它主要解决什么问题？
mod_earshot是一个开源模块，通过单个WebSocket将实时电话通话桥接到AI语音代理，支持全双工通信。它主要解决将AI语音代理接入真实电话线路并部署在自有基础设施上的问题，避免使用黑盒SaaS。
mod_earshot支持哪些AI语音代理协议？如何切换供应商？
mod_earshot支持7种协议适配器：OpenAI Realtime、Deepgram、ElevenLabs、Gemini、Pipecat、Twilio或自定义WebSocket。切换供应商只需修改一个词（即适配器名称）。
mod_earshot如何实现轮流发言机制？
mod_earshot实现了适用于任何代理的轮流发言机制，包括模块侧VAD（语音活动检测）、就绪门控（避免接通后静音）以及语音触发的打断插话功能。
mod_earshot支持哪些通话控制功能？
mod_earshot允许代理控制通话，包括白名单式转接、挂断、DTMF、保持和桥接，并且每个动作都有审计记录。
mod_earshot如何处理PCI/PII数据以符合合规要求？
mod_earshot支持PCI/PII屏蔽，在输入银行卡信息期间静音音频并脱敏DTMF，且完全在自有机器上处理，无需按分钟支付合规附加费。
mod_earshot的扩展性如何？相比传统模式有什么优势？
mod_earshot按会话扩展而非按线程扩展，共享libwebsockets池每个会话约占用1MB内存，小型服务器可承载数千路并发通话；而每流一线程模式在约420路时遇到瓶颈。
mod_earshot如何实现可观测性？
mod_earshot通过FreeSWITCH事件套接字（ESL）发送类型化事件和延迟KPI，包括首段音频时间、每轮响应时间和WebSocket RTT。
