Запуск голосовых ИИ-агентов на LiveKit: пошаговое руководство 2026

Подробнее по теме: читайте наше полное руководство — LiveKit vs Agora: сравнение цен и стоимости в 2026.

Голосовые ИИ-агенты на LiveKit — это разница между «нажмите 1 для связи с поддержкой» в IVR и звонящим, который думает, что разговаривает с человеком. В 2026 году продакшн-агент способен квалифицировать лид, записать на встречу или закрыть звонок поддержки первой линии за время, ощущаемое как доли секунды, — и обходится примерно в 5–10% от стоимости колл-центра с живыми операторами.

Это бизнес- и инженерное руководство, которого нам самим не хватало, когда Фора Софт запускала свой первый агент на LiveKit в 2024 году. Здесь — точный стек, который стоит выбрать, цифры задержек, в которые нужно укладываться, реальные диапазоны стоимости минуты, пять ловушек, убивающих проекты, и сравнение LiveKit с Vapi, Retell, Pipecat и Bland. Если вы планируете масштаб запуска, сразу переходите к мини-кейсу за 6 недель или рамке «строить или покупать».

Почему продакт-овнеры выбирают LiveKit для голосовых агентов в 2026

LiveKit — это open-source WebRTC-стек, на котором Meta, OpenAI (для ChatGPT Voice), Character.ai и тысячи менее крупных вендоров запускают real-time-аудио. Фреймворк LiveKit Agents, о котором мы здесь говорим, вышел в версии 1.0 в апреле 2025 года, а к апрелю 2026-го дошёл до Python 1.5.x с адаптивной обработкой перебиваний и нативной поддержкой инструментов через Model Context Protocol (MCP).

Три причины, по которым продакт-овнеры выбирают LiveKit, а не managed-платформу вроде Vapi или Retell:

• Стоимость на масштабе. Выше примерно 10 000 минут в месяц фреймворк-путь дешевле managed-платформ на 60–80% за звонок. Ниже этого порога managed выходит дешевле, если учитывать инженерное время.
• Свобода в выборе вендоров. Вы приносите свой STT (Deepgram, AssemblyAI, Whisper), свой LLM (Claude, GPT, Gemini, открытые модели) и свой TTS (Cartesia, ElevenLabs, Azure). Никакого вендор-лока.
• Телефония — нативная. В 2025 году LiveKit выпустил собственные SIP и Phone Numbers, поэтому входящие и исходящие звонки больше не требуют моста через Twilio.

Мы запускали агентов на LiveKit для клиентской поддержки, исходящей квалификации лидов, in-app голосовых компаньонов и одного регулируемого процесса исходящего сбора долгов. Паттерны ниже — те, что выдержали продакшн-нагрузку.

Что такое голосовой ИИ-агент на LiveKit на самом деле

Агент LiveKit — это процесс, а не чат-бот. Он подключается к «комнате» LiveKit как обычный участник — точно так же, как это сделал бы человек, набравший номер, — подписывается на аудио-трек звонящего, прогоняет это аудио через ASR, передаёт текст в LLM (опционально с tool-calling) и публикует ответ LLM как синтезированную речь в собственный аудио-трек. Всё в реальном времени, двунаправленно и полностью параллельно.

Базовый примитив — AgentSession: в релизе 1.0 он объединил старые абстракции VoicePipelineAgent и MultimodalAgent в одного оркестратора. Вы объявляете STT, LLM и TTS как подключаемые компоненты, регистрируете функции-инструменты, а SDK сам разводит стриминг, определение очереди реплики и обработку перебиваний.

Если real-time-стек, лежащий в основе, для вас новый, объяснение транспорта, который делает всё это возможным, есть в нашем разборе «Что такое WebRTC». LiveKit — это абстракция более высокого уровня поверх WebRTC, которая берёт на себя серверный SFU, который в противном случае пришлось бы поднимать самостоятельно.

Бюджет задержки, который отделяет полезное от непригодного

Любой голосовой агент живёт или умирает по одному показателю: время от того момента, когда пользователь закончил свою реплику, до первого слога ответа агента. Меньше 300 мс — ощущается человечно. 300–600 мс — медленно, но приемлемо. Выше 600 мс пользователи возвращаются к мысленной модели тонального набора и начинают тыкать в кнопки. Выше 1,5 с — кладут трубку.

Вот бюджет, который попадает в воспринимаемую задержку меньше 500 мс на продакшене:

Жёсткая правда из продакшн-данных 2025–2026 годов: опубликованные индустриальные медианы по миллионам реальных звонков лежат в районе 1,4–1,7 с, а p99 уезжает в 3–5 с. Цифра в 450 мс из таблицы выше достижима, но только при стриминге на каждом этапе, размещении сервисов в одном регионе, прогретых контекстах моделей и дисциплинированной работе с наблюдаемостью. Само по себе это не получится.

Главная ловушка — задержка первого токена LLM. Модель, которая в чате ощущается быстрой (1 с до первого токена), в голосе съедает две трети бюджета. Берите модель, которая стримит первый токен меньше чем за 300 мс, даже если она чуть слабее по рассуждениям.

LiveKit Agents 1.x: фреймворк 2026 года в одной диаграмме

В рантайме пайплайн состоит из четырёх слоёв, каждый из которых выполняется параллельно — пользователю не приходится ждать завершения предыдущего этапа.

  CALLER AUDIO ──> LiveKit Room ──> AgentSession
                                         |
              +-------------------------+----------------------+
              |             |                |                 |
           VAD / Turn    Streaming        Streaming          Streaming
            Detection      ASR              LLM                TTS
              |             |                |                 |
           endpoint     partial +       first token        first audio
           decision      final          + tool calls        frame
                         transcript
              |             |                |                 |
              +-------------------------+----------------------+
                                         |
                                 LiveKit Room ──> CALLER AUDIO

Важные элементы внутри AgentSession:

• Worker. Долгоживущий процесс, который заводит по одному Job на каждую входящую комнату. Один воркер тянет десятки одновременных сессий.
• Job. Жизненный цикл одного агента-в-звонке. У каждого Job свой контекст LLM, свой STT-стрим и свой буфер TTS.
• Плагины. Готовые drop-in-реализации STT, LLM, TTS и VAD. Заменить Deepgram на AssemblyAI — это правка одной строчки.
• Регистрация инструментов. Декорированные Python-функции становятся вызываемыми для LLM прямо в середине реплики — через OpenAI tool-calling или MCP.

Стриминговый транспорт — тот же WebRTC, который LiveKit использует для человеческих видеозвонков. Это значит, что агент может также присоединиться к видеоконференции, смотреть демонстрацию экрана и отвечать на вопросы по тому, что на экране, — тот же паттерн, что мы используем для ИИ-фич поверх существующих видеоплатформ.

Speech-to-speech vs каскад: какой пайплайн выбрать

В 2026 году у вас два архитектурных варианта, и большинство продакшн-агентов сейчас сочетают оба.

Каскад (STT → LLM → TTS). Традиционный пайплайн. Три отдельных вендора, три отдельных модели, три отдельных лога. Больше движущихся частей, зато можно выбрать лучшую модель на каждом слое, скрывать персональные данные между этапами и менять вендора без переписывания. Так в 2026 году всё ещё работают 90% продакшн-агентов на LiveKit.

Нативный speech-to-speech (S2S). Realtime API от OpenAI (gpt-realtime / gpt-4o Realtime) и Gemini 2.5 Live от Google принимают аудио на вход и выдают аудио на выход — без явного текстового этапа. Сквозная задержка падает до 320–800 мс, голос звучит естественнее, потому что паузы и просодия сохраняются. Минусы: менее предсказуемая стоимость, сложнее логировать и редактировать, привязка к одному вендору.

Если в вашем сценарии нужна редакция персональных данных (медицина, финансы), начинайте с каскада. Если речь о длинных разговорных потоках без вызовов инструментов (коучинг, компаньоны, истории), стартуйте с S2S.

Определение очереди реплики, VAD и перебивание, которые звучат естественно

Самая частая претензия к плохим голосовым агентам — обработка перебиваний. Либо агент ломится дальше, когда пользователь уже начал говорить (роботично), либо он останавливается на каждом вдохе (раздражает). Ответ 2026 года — модель из двух сигналов:

1. Акустический VAD (Silero). Инференс <1 мс на аудио-чанк. Определяет, говорит ли кто-то. Быстрый, но наивный — не отличает «эээ» от конца реплики.
2. Семантическое определение очереди реплики. LiveKit поставляет тонко настроенный SmolLM-v2 на ~135M параметров, который работает локально и предсказывает, выглядит ли текущий транскрипт как законченная мысль. В связке с акустическим VAD это даёт естественный ритм разговора.

Перебивание (когда пользователь обрывает агента посреди фразы) обрабатывает рантайм: когда VAD срабатывает на дорожке пользователя в момент, когда говорит агент, TTS отменяется, прерванная реплика LLM откатывается, и обрабатывается новый ввод пользователя.

Один практический совет: настраивайте порог тишины VAD под вашу вертикаль. Звонкам по продажам нужна тишина ~400 мс до конца реплики (люди думают вслух). Замене IVR — ~250 мс (пользователи действуют целенаправленно). Приёму пациентов в медицине — ~600 мс (звонящие старше, паузы длиннее). Один общий дефолт будет ощущаться неправильно как минимум в двух из трёх случаев.

Tool-use: как агент действительно делает работу

Разница между голосовым чат-ботом и голосовым агентом — в способности предпринимать действия посреди разговора. В LiveKit Agents инструменты — это обычные Python-функции, помеченные декоратором, чтобы LLM могла их вызывать:

from livekit.agents import llm

@llm.ai_callable(description="Look up order status by order number")
async def get_order_status(order_number: str) -> dict:
    return await crm.orders.fetch(order_number)

@llm.ai_callable(description="Schedule a follow-up call")
async def book_callback(phone: str, iso_time: str) -> str:
    return await scheduler.book(phone, iso_time)

Внутри одной реплики LLM может выпустить вызов инструмента, рантайм исполнит функцию, протолкнёт результат обратно в контекст LLM, и LLM продолжит уже с обновлённой информацией. Звонящий слышит короткую вставку («секунду, сейчас проверю»), чтобы пауза ощущалась намеренной, а не лагом.

Три продакшн-паттерна, которые мы рекомендуем:

• Read-инструменты дешёвы, write-инструменты дороги. Дайте агенту смотреть всё, что он хочет. Записывающие действия (отправить письмо, списать с карты, отменить запись) прячьте за явное подтверждение пользователя.
• Инструменты падают. Проектируйте под это. Каждая обёртка инструмента должна таймаутиться примерно через 2 секунды и возвращать аккуратное «сервис временно недоступен», которое LLM сможет естественно проговорить.
• Логируйте каждый вызов инструмента. Для отладки, оценки качества и регуляторного аудит-трейла. Это становится обязательным под требованиями логирования EU AI Act.

Наше руководство по голосовым ИИ-агентам разбирает полного агента с использованием инструментов шаг за шагом, включая паттерны подтверждения и форму промпта, при которой вызовы инструментов остаются надёжными.

SIP и телефония: как посадить агента на телефонный номер

До середины 2025 года, чтобы вывести агента LiveKit на реальную ТСОП-линию, требовался мост через Twilio или Telnyx с возни вокруг SIP-склейки. В 2025 году LiveKit SIP вышел в GA, а LiveKit Phone Numbers — в общий доступ; теперь голосовой агент может принимать звонок с любого телефона на планете примерно с четырьмя строчками конфигурации.

Для входящих звонков паттерн такой: направляете SIP-trunk (собственный LiveKit, Telnyx или любой другой провайдер) на SIP-эндпоинт LiveKit; trunk перебрасывает звонок в комнату; воркер агента создаёт Job в этой комнате. Для исходящих звонков агент инициирует SIP INVITE через серверный API LiveKit. Оба пути задокументированы в LiveKit, а примеры кода доступны в репозитории agents-python.

Замечание о ценах: LiveKit Phone Numbers конкурентны с Twilio по поминутной ставке, но проигрывают на ежемесячной плате за номер при низких объёмах. Если у вас меньше ~500 минут на номер в месяц, Twilio или более дешёвый провайдер номеров плюс SIP-trunk остаются лучшим выбором. Выше — нативный LiveKit Phone Numbers проще.

Матрица вендоров: ASR, LLM и TTS в 2026

Наши дефолты на апрель 2026 года для продакшн-агента на английском, с альтернативами под частые крайние случаи.

Деплой: LiveKit Cloud vs self-hosted

Три варианта деплоя на выбор:

1. LiveKit Cloud. Managed-SFU, диспетчеризация агентов, дашборд наблюдаемости, глобальные точки присутствия. Вариант «просто работает». Самый быстрый путь до MVP.
2. Self-hosted LiveKit-сервер + облачные агенты. SFU крутится у вас на Kubernetes или ECS; воркеры агентов живут где угодно. Подходит, если вы уже эксплуатируете real-time-видеоинфраструктуру.
3. Полный self-hosted через SIP-партнёра. LiveKit + Telnyx или Wavix, без LiveKit Cloud. По заявленным данным — около 50% экономии за звонок при больших объёмах. Нужна команда эксплуатации.

Почти любому проекту ниже 100 тыс. минут в месяц LiveKit Cloud выигрывает по совокупной стоимости владения, как только вы учтёте инженерное время. Выше этого порога self-hosted-путь окупается за 6–9 месяцев.

Автомасштабирование во всех трёх режимах задаётся параллельностью воркеров: каждый воркер держит N сессий, а воркеры добавляются линейно с ростом трафика. Закладывайте всплески — пятикратный скачок от маркетинговой акции встречается часто — держа пул прогретых воркеров, чтобы холодный старт не вылезал в p99-задержку.

Модель стоимости: сколько на самом деле стоит продакшн-звонок

Ниже — реальные поминутные цифры из продакшн-деплоев, которые мы видели в 2025–2026 годах. Ваши значения будут зависеть от многословности голоса и от расхода токенов LLM.

Против типовой стоимости BPO-звонка с живым оператором в 525–900 ₽ за звонок даже премиум-стек дешевле примерно в 40 раз. Сверка с реальностью: ждите, что ваш первый продакшн-деплой выйдет на 20–30% дороже таблицы выше — реальные звонки включают повторы, неиспользованные токены и эксплуатационные накладные.

Подробнее о том, как мы оцениваем такие проекты от и до — в нашем руководстве по оценке трудозатрат от Фора Софт: мы используем тот же метод трёх чисел и для голосовых агентов.

Наблюдаемость и оценка качества: нельзя выпустить то, что не измеряешь

Самая частая причина отката голосового агента, которую мы видели, — команда выкатилась без трейсинга. Плохая реплика обычно невидима в логах: чтобы понять, что именно агент сделал не так, нужны аудио, плюс транскрипты, плюс ответ LLM, плюс результат вызванного инструмента.

Стек наблюдаемости 2026 года, который работает:

• Трейсы уровня реплики. Хуки OpenTelemetry в LiveKit отправляют по одному span на реплику с таймингами ASR, LLM, TTS и вызовов инструментов. Подключите их к вашей текущей APM.
• Запись звонков. Двухдорожечное аудио в S3 или эквивалент, с retention под ваш комплаенс (30 дней для большинства, 7 лет для финансов).
• Эвал-харнес. Ночное задание прогоняет 100–500 заранее заготовленных сценариев через агента и оценивает ответы по рубрике. Защищает от тихих регрессий, когда вы меняете версию модели.
• Таксономия ошибок. Каждая упавшая реплика получает ярлык: tool-timeout, hallucinated-fact, barge-in-misfire и т. д. Отслеживайте тренды во времени.

Сценарии использования, идущие в продакшн в 2026

Категории, где голосовые агенты на LiveKit стоят на боевом продакшене во втором квартале 2026 года:

• Поддержка первой линии. Возвраты, обмены, сброс паролей, базовая диагностика. Containment-rate 40–70% на узких доменах.
• Запись на приём. Стоматология, автосервисы, салоны, ветеринария. Круглосуточный приём заявок с интеграцией календаря и напоминаниями.
• Исходящая квалификация лидов. Обработка B2B-лидов, BANT-скоринг, передача перспективных запросов живому менеджеру. Заменяет дозвон SDR.
• Мягкое взыскание долгов. Напоминания об оплате, настройка планов рассрочки, обновление аккаунтов. Тяжёлый по регуляторике сценарий — нужен комплаенс по TCPA.
• Приём в медицине. Преамбула перед визитом, сбор симптомов, проверка страховки. Под HIPAA нужен Business Associate Agreement с каждым вендором.
• In-app голосовые компаньоны. Встроены в мобильные и веб-приложения для коучинга, обучения и доступности. Короткие сессии, высокая параллельность.
• Автомобильные ассистенты. Всё чаще на LiveKit после нескольких побед среди OEM в 2025 году.

Сценарии, которые в 2026 году всё ещё буксуют: эмоционально чувствительный длинный диалог (терапия, переживание потери), мультиязычные диалоги с переключением языков посреди фразы и любые действия записи, где галлюцинация дорого стоит (банковские переводы, отмена страховых полисов).

LiveKit vs Vapi vs Retell vs Pipecat vs Bland

Сравнение пяти фреймворков и платформ, которые в 2026 году чаще всего рассматривают продуктовые команды.

Наше короткое правило: пока валидируете идею, выбирайте Vapi или Retell для всего, что ниже ~10 000 минут в месяц; переключайтесь на LiveKit Agents (или Pipecat, если нужна более тесная связка видео и голоса), как только объём или степень кастомизации перешагнут эту планку.

Комплаенс: EU AI Act, согласие и PCI

Три области комплаенса, которые в проектах голосовых агентов раз за разом недооценивают:

1. EU AI Act — 2 августа 2026. На эту дату вступают в силу обязательства для general-purpose AI. Если ваш агент обслуживает пользователей в ЕС, нужно ИИ-раскрытие в начале звонка («Вы говорите с ИИ-ассистентом»), журнал взаимодействия и документация подтверждения комплаенса от поставщика базовой модели.
2. Согласие на запись звонка. В США в штатах с двусторонним согласием (Калифорния, Флорида, Иллинойс, Массачусетс, Монтана, Невада, Нью-Гэмпшир, Пенсильвания, Вашингтон) требуется согласие обеих сторон. GDPR в ЕС требует правового основания плюс механизм «права на удаление» для аудио и транскриптов.
3. PCI DSS. Если агент когда-либо принимает номер карты голосом, нужна in-call редакция DTMF или аудио до того, как данные попадут в LLM. Несколько вендоров (CrescentMedia, PCI Pal, Syntec) поставляют готовые drop-in-паттерны pause-resume.

Практическая заметка: сначала задокументируйте, потом внедряйте. До первого клиентского звонка пропишите (а) скрипт ИИ-раскрытия, (б) политику хранения записей, (в) перечень инструментов, которые агенту разрешено вызывать, (г) правило эскалации. Этот документ — ваш аудит-трейл, готовый для регулятора.

Мини-кейс: запуск агента поддержки на LiveKit за 6 недель

Один из наших клиентов — SaaS-компания среднего сегмента, которая обслуживает ~12 000 входящих звонков в поддержку в месяц силами живой команды, — попросил нас собрать пилот агента LiveKit на слой первичного ответа. Цель: сместить 40% звонков без падения CSAT. Вот как прошли эти шесть недель.

Совокупная внешняя стоимость сборки: ~5,4 млн ₽ за шесть недель (два старших инженера и дизайнер для UX ИИ-раскрытия). Оценочная годовая экономия по сравнению с предыдущей чисто человеческой эксплуатацией: ~31 млн ₽ после вычета постоянного вендорского стека на ~600 тыс. ₽/мес. Окупаемость менее 10 недель.

Инженерная экспертиза в области агентов внутри Фора Софт сокращает время сборки ещё примерно на 25% на похожих проектах: большая часть обвязки (эвал-харнес, конвейер трейсов, UI ИИ-раскрытия, SIP-обвязка) уже переиспользуется между клиентами.

Рамка принятия решения: купить, построить или гибрид

Пять вопросов, которые определяют, стоит ли вам строить на LiveKit, покупать managed-платформу или брать гибрид:

1. Объём. Выше ~10 000 минут в месяц LiveKit выигрывает по совокупной стоимости владения. Ниже — выигрывает managed.
2. Глубина интеграций. Нужно ли агенту дёргать кастомные внутренние API, а не стандартные CRM? Если да — LiveKit.
3. Потолок задержки. Является ли воспринимаемая задержка ниже 500 мс продуктовой характеристикой? Если да — LiveKit даёт больше всего контроля над каждым этапом.
4. Комплаенс. Регулируемые вертикали (медицина, финансы, право) требуют аудитопригодного логирования, редакции персональных данных, BAA-соглашений. На LiveKit это проще.
5. Команда. Есть ли у вас инженерная команда на Python, способная писать и эксплуатировать асинхронный стриминговый код? Если нет, managed безопаснее.

Три «да» из пяти обычно достаточно, чтобы оправдать сборку на LiveKit. Если у вас одно или два — стартуйте с managed, мерьте объём в течение квартала и возвращайтесь к вопросу.

Пять подводных камней, которые убивают проекты голосовых агентов на LiveKit

В каждом откате, который мы разбирали, есть один из этих факторов или несколько сразу. Если выбьете их заранее — выкатитесь.

1. Эвал-харнес отсутствует до запуска. Тихая регрессия в модели вендора сломает вашего агента за ночь. Стройте эвалы на второй неделе.
2. Перебор с настройкой определения очереди реплики. Команды пытаются вручную тюнить эвристики прерывания вместо того, чтобы взять семантический VAD от LiveKit «из коробки». Используйте дефолты, потом тюньте только порог тишины под вертикаль.
3. LLM выбран по способности к рассуждениям, а не по задержке. Модель с задержкой первого токена 1,2 с разносит весь бюджет. Берите модель с самой низкой задержкой, которая проходит планку качества, а не самую умную.
4. Пишущие инструменты без подтверждения. Агент, который может отправить письмо или списать с карты без подтверждения голосом, — это инцидент в зоне ответственности, ждущий своего часа. Всегда подтверждайте.
5. Комплаенс отдан юристам. ИИ-раскрытие, согласие на запись и логирование персональных данных — это инженерная работа. Если этим владеют только юристы, это поедет в продакшн уже после отката.

Если вы планируете запускать голосовую фичу внутри мобильного приложения, ревью в App Store добавляет ещё одну ловушку: Apple и Google теперь отдельно отмечают ИИ-фичи на ревью. В наших проектах под образовательные продукты мы прорабатывали похожие паттерны раскрытия для AI-видеоаналитики.

KPI, по которым видно, что агент работает

Снимайте их еженедельно. Если опережающие KPI идут в правильную сторону, а запаздывающие — нет, агент пока игрушка, а не продукт.

Когда не стоит строить голосовой агент на LiveKit

Голосовые агенты на LiveKit — мощный инструмент, но они не ответ на любую задачу взаимодействия с клиентами. Не стоит строить, если:

• У вас меньше 500 минут звонков в месяц. Managed-платформа или более качественный FAQ выкатятся быстрее.
• Ваши пользователи в основном пожилые или иначе непривычные к голосовому ИИ — без чёткого предупреждения они не доверятся диалогу.
• Каждый звонок требует человеческого сопереживания (терапия горя, кризисная поддержка). Голосовой ИИ может навредить сильнее, чем помочь.
• В вашем продукте уже есть востребованный чат-канал, где живой оператор отвечает быстрее чем за 10 секунд. Голосовые агенты решают проблему задержки, которой у вас нет.
• Ваша юридическая команда не подтвердила ИИ-раскрытие, согласие или хранение записей под ваши юрисдикции. Сначала закройте это.

Аргументированное «нет» для проекта голосового агента — лучший исход, чем «да» с откатом через полгода.

FAQ

Сколько времени уходит на сборку первого голосового агента на LiveKit?

Для хорошо проработанного агента поддержки первой линии с tool-use поверх CRM и телефонией — 4–6 недель от киков до первого живого звонка с командой из двух старших инженеров. Прибавьте 2–3 недели на регулируемые вертикали, где нужны BAA или PCI-паузы.

Поддерживают ли агенты LiveKit несколько языков?

Да, с оговорками. У английского, испанского, французского, немецкого и китайского зрелая поддержка ASR и TTS. Языки с меньшим объёмом данных работают, но с большей задержкой и слабее определяют очередь реплики. Переключение языков посреди звонка (тот же спанглиш) в 2026 году всё ещё хрупкое.

Работают ли агенты LiveKit и для исходящих звонков?

Да. LiveKit SIP поддерживает исходящий INVITE из воркера агента. Только следите за TCPA и GDPR при холодных исходящих — регуляторные риски здесь выше, чем для входящих.

Какой самый дешёвый способ поэкспериментировать перед коммитом?

Поднимите бесплатный тариф LiveKit Cloud, запустите квикстарт агента на Python и направьте на него свой собственный телефон через дешёвого SIP-провайдера. Два дня экспериментов скажут больше, чем месяц написания PRD.

Нужны ли GPU, чтобы запустить агентов LiveKit?

Нет, если только вы не хостите ASR или TTS-модели у себя. Сам воркер агента упирается в CPU. Тяжёлый ИИ-инференс происходит у ваших вендоров ASR/LLM/TTS. Если вы хостите Whisper или TTS-модель сами, то да, GPU нужен.

Как помешать агенту галлюцинировать про наш продукт?

Три слоя: (1) жёсткий системный промпт с явным фолбэком «скажи, что не знаю», (2) RAG поверх продуктовой документации, выставленный как инструмент, и (3) эвал-харнес, который точечно проверяет на выдумки. Не полагайтесь ни на один слой в одиночку.

LiveKit действительно open-source? Можно ли захостить всё у себя?

Да. LiveKit Server и LiveKit Agents — под лицензией Apache 2.0. LiveKit Cloud — это платная managed-версия. Вы можете крутить весь стек на собственном Kubernetes, если есть мощности эксплуатации, но закладывайте 3–4 недели инфраструктурной работы только на то, чтобы догнать функциональность Cloud.

Как EU AI Act влияет на наш запуск голосового агента?

С 2 августа 2026 года, если в зоне обслуживания есть пользователи из ЕС, вы обязаны сообщить, что звонящий говорит с ИИ, логировать взаимодействие для аудита и иметь документацию о комплаенсе провайдера базовой модели. Закладывайте 4–8 инженеро-недель на построение аудит-трейла и UI ИИ-раскрытия для типового сценария среднего риска.

Что почитать дальше

Итоги: запустите свой первый голосовой агент на LiveKit в 2026 году

Голосовой ИИ в 2026 году — это уже не исследовательский превью, а развёртываемая фича с известной экономикой, проверенными вендорами и чётким регуляторным дедлайном. Разрыв между командами, которые его выкатывают, и теми, кто всё ещё «оценивает», уже измеряется в стоимости звонка, CSAT и в способности нанимать инженеров. Самый быстрый способ перейти этот разрыв — пилот на 6 недель на реальном трафике, а не PRD на полгода.

Если хотите помощи в скоупинге своего проекта — Фора Софт запускала голосовых агентов на LiveKit для клиентской поддержки, исходящего обзвона, in-app-сценариев и регулируемых вертикалей ещё со времён 0.x фреймворка. Мы принесём на первую встречу скоркард, варианты стека и реалистичные оценки.