LiveKit Agents 对比 Pipecat：开源语音 Agent 框架全面对比

你想做一个自己掌控的语音 Agent，而不是在别人平台上拖拽出来的机器人，于是有两个仓库反复出现：LiveKit Agents 和 Pipecat。从外面看它们很像。两者都以 Python 为先， 都把语音转文字模型、LLM 和文字转语音模型串在一起，也都自带一个判断来电者何时说完的模型。 但在底层，它们对 Agent 应该住在哪里下了相反的赌注。

简短版本：如果你的 Agent 会活在 WebRTC 房间或电话线路里，并且希望服务端、SDK、SIP 和托管都来自同一个供应商， 选 LiveKit Agents。如果你想自己组装媒体管道、在不改 bot 逻辑的前提下更换传输层， 并保留在任何地方运行的选择，选 Pipecat。本文其余部分是证据，所有内容都对照 2026 年 11 月 11 日当天的实时文档、GitHub 与定价页核查过。

LiveKit 官方关于用 Agents SDK 构建生产级语音 Agent 的视频。它来自厂商，请把它当作构建流程参考，而不是中立对比。

简短回答

如果你还在框架和托管平台之间犹豫，请先看我们的2026 年最佳语音 AI Agent 平台汇总。如果你的目标是打出或接听电话，分步教程在如何构建 AI 电话呼叫 Agent。

总对比表

下表每个单元格都来自我们在 2026 年 11 月 11 日抓取的页面：两个 GitHub 仓库、厂商文档， 以及 LiveKit 和 Pipecat Cloud 的定价页。文档里没有写的地方，单元格会直接说明，而不是猜测。

有两个数字需要补充背景。Star 数上 Pipecat 领先（17,201 对 15,180），但 Agent 框架所依赖的 LiveKit 服务器仓库有 22,149 个 star，版本为 v1.13.11（2026 年 10 月 25 日），所以 LiveKit 的整体体量比 agents 仓库显示的更大。另外两个项目都很活跃：GitHub API 显示两个仓库在 2026 年 11 月 11 日都有推送。 Star 是热度信号，不是质量基准。

架构：房间 vs 管道

这才是真正的区别，其他一切都由此而来。

LiveKit Agents：Agent 是房间里的参与者

LiveKit 文档把这个框架描述为：把 Python 或 Node.js 程序作为实时参与者加入 LiveKit 房间。用户通过 WebRTC 从网页或移动应用连接， Agent 加入同一个房间，并通过 HTTP 或 WebSocket 与你的后端通信。在运维层面，Agent 服务器向 LiveKit 服务器注册， 并为每次 dispatch 启动一个 job 子进程，这就是它能扩展到大量通话的方式：一个进程池，每个对话一个子进程，全部由 LiveKit 服务器协调。

在一个 session 内部，按 LiveKit 的管道文档，你可以在三种管道类型中选一种：级联的 STT、LLM 与 TTS 管道； 轮流式实时模型，例如 OpenAI Realtime API；或者全双工实时模型，例如 OpenAI GPT-Live，它可以同时听和说。 LiveKit 自己的建议是，级联管道是大多数生产 Agent 的合适默认选择，因为每个阶段都可以替换、记录和审计。

Pipecat：Agent 是一条帧管道

Pipecat 的基本单位是帧（frame）。Pipeline 接收一个有序的帧处理器列表并把它们连接起来；帧是流过其中的数据容器 （音频、文本、图像、控制信号）。文档把帧分为 SystemFrame 和 DataFrame、ControlFrame：前者优先级高，不会被打断丢弃；后者排队并按顺序处理。 这种顺序保证让打断处理变得可预测：InterruptionFrame 是系统帧，所以它可以越过排队中的音频。

传输层只是另一对处理器，transport.input() 和 transport.output()。Pipecat 文档列出的 transport 包括 Daily、LiveKit、SmallWebRTC（点对点 WebRTC 直连，无需云基础设施）、FastAPI WebSocket、通用 WebSocket、 WhatsApp 语音通话、Media over QUIC、Vonage Video Connector，以及多家数字人厂商，包括 HeyGen、Tavus、LemonSlice 和 Beyond Presence。 因为 transport 是模块化的，文档建议开发时用 P2P WebRTC，生产环境用 Daily，bot 逻辑保持不变。

这种差异在实践中意味着什么

在 LiveKit 中，房间既是扩展的单位，也是重连的单位。参与者、track、数据通道和 SIP 来电者，都是 LiveKit 服务器本来就知道如何路由的东西， 所以让真人、主管或第二个 Agent 也加入 Agent 所在通话是正常情形，而不是扩展功能。在 Pipecat 中，管道是组合的单位。 音频进与音频出之间发生什么由你决定，你可以用 ParallelPipeline 和过滤器分支，而房间就是你所选 transport 提供的东西。

抽象地说，两种设计没有谁更好。房间模型去掉了决策，给你一个平台；管道模型保留决策，给你一个工具箱。 如果你需要在 LLM 前面接一个自定义处理器，比如脏话过滤、上下文压缩，或者让第二个模型评判第一个， Pipecat 的模型让这件事变成列表里加一行。如果你需要主管对 Agent 耳语，或者让真人在通话中途接管， LiveKit 的房间模型让这件事变成一名参与者加入。

LiveKit Agents 详解

LiveKit Agents 是一个 Apache-2.0 许可的实时语音 AI Agent 框架，创建于 2023 年 10 月，截至 2026 年 11 月 11 日有 15,180 个 star。 我们看到的最新版本是 2026 年 11 月 5 日的 [email protected]，仅这一个版本就新增了经 LiveKit Inference 的 Responses API 路径， 以及 Zoom Scribe、Kalpa、Rime 和 Fish Audio 等新的 STT 与 TTS 供应商。

你能得到什么

• Python 与 Node.js SDK。快速入门用两种语言提供同一个 Agent，并各有入门模板。
• 覆盖整个流程的 CLI。lk agent init 生成脚手架，lk agent dev 会打印一个 Agent Console 链接，你可以在里面和 Agent 对话，lk agent create 负责部署。
• Agent Builder。一个用于原型设计和部署语音 Agent 的浏览器无代码工具。LiveKit 称它的功能不如完整 SDK 丰富，所以把它当作起点。
• 多 Agent 交接与 task。Agent 可以把 session 交给另一个 Agent，LiveKit 还记录了用于结构化数据收集的 task 与 task group 原语。
• 行为测试。快速入门指向针对 Agent 逻辑的行为测试和模拟场景。
• 平台内置电话。SIP trunk、dispatch rules、SIP 参与者和电话号码，详见下文。

弱点与取舍

• 框架围绕 LiveKit 房间构建。如果你想用别的传输层，就是在逆着设计走，我们读到的文档也没有描述这种方式。
• Cloud 用量按多个维度计量（agent 分钟、WebRTC 分钟、SIP、录音、事件），所以账单需要计算器，而不是心算。
• 并发在 LiveKit Cloud 上是套餐限制：截至 2026 年 11 月 11 日，Build 为 5，Ship 为 20。生产流量会把你推向每月 $500 起的 Scale。
• 表面积很大。Agent、task、session、room、job、dispatch 和 inference，在第一通电话上线之前要学的概念不少。

最适合：希望在一个平台上做电话、网页和移动语音 Agent，希望把 Node.js 作为选项， 并且宁愿购买基础设施也不想自己组装的团队。

最小 Agent（来自官方快速入门）

# Install the CLI, sign in, scaffold, run (from the LiveKit quickstart)
brew install livekit-cli
lk cloud auth
lk agent init my-agent --template agent-starter-python
cd my-agent
lk agent dev        # prints an Agent Console link to talk to the agent
lk agent create     # deploy to LiveKit Cloud

# agent.py (trimmed from the quickstart appendix)
from dotenv import load_dotenv
from livekit import agents
from livekit.agents import AgentServer, AgentSession, Agent, inference, room_io, TurnHandlingOptions

load_dotenv(".env.local")

class Assistant(Agent):
    def __init__(self) -> None:
        super().__init__(instructions="You are a helpful voice AI assistant. Keep answers short.")

server = AgentServer()

@server.rtc_session(agent_name="my-agent")
async def my_agent(ctx: agents.JobContext):
    session = AgentSession(
        stt=inference.STT(model="assemblyai/universal-3-6-pro", language="en"),
        llm=inference.LLM(model="google/gemma-4-31b-it"),
        tts=inference.TTS(model="fishaudio/s2.1-pro", voice="fa4c9eb3dccc4806b382b40d61c6b10a"),
        turn_handling=TurnHandlingOptions(turn_detection=inference.TurnDetector()),
    )
    await session.start(room=ctx.room, agent=Assistant(), room_options=room_io.RoomOptions())
    await session.generate_reply(instructions="Greet the user and offer your assistance.")

if __name__ == "__main__":
    agents.cli.run_app(server)

这里使用的是 LiveKit Inference 的模型字符串，所以开发期间不需要供应商密钥；额度包含在套餐中。 想用自己的密钥时，换成插件实例，例如通过 uv add "livekit-agents[openai]~=1.8" 安装 OpenAI 插件。

Pipecat 详解

Pipecat 自称是用于语音 Agent、多模态应用和实时 AI 的开源框架，由 Daily 和社区维护。它采用 BSD-2-Clause 许可，创建于 2023 年 12 月， 截至 2026 年 11 月 11 日有 17,201 个 star。我们看到的最新版本是 2026 年 10 月 29 日的 v1.15.0，其中新增了ClassifierUserTurnStopStrategy，让分类器来判断用户这一轮是否结束。

你能得到什么

• 帧级控制。你可以看到并修改传输输入与输出之间的每一帧。
• 大量 transport 与服务。介绍文档称 150+ AI 服务；Pipecat Cloud 定价页称 LLM、STT 和 TTS 有 80+ 供应商。两个数字都是厂商自己的，统计口径不同，请把它们当作一个范围。
• 客户端 SDK。JavaScript、React、React Native、iOS、Android 和 C++ 客户端把用户连接到你的 Agent。
• 脚手架 CLI。pipecat init quickstart 生成入门项目，并为编码 Agent 写入 AGENTS.md 与 CLAUDE.md。
• Pipecat Cloud。由 Daily 提供的托管服务，含 pipecat cloud deploy、密钥、区域和扩缩容控制。
• 开放的轮次检测。Smart Turn 是独立的 BSD-2-Clause 仓库，含权重、数据和训练脚本。

弱点与取舍

• 服务端框架只有 Python。在我们抓取的内容里没有文档化的 Node.js 版本。
• 你要自己拿更多决定：用哪种 transport、哪种托管、哪种降噪过滤器。想要灵活就是自由，不想要就是作业。
• 其文档自己说明，WebSocket 电话路线没有转接或重连之类的高级呼叫中心功能，并且 WebSocket 基于 TCP，对丢包和抖动的抵抗力不如 WebRTC。
• 在 Pipecat Cloud 上，每个实例同一时间只运行一个活跃会话，所以更大的 agent 规格是给一个会话更多 CPU 和内存，而不是让每个实例承载更多会话。

最适合：想掌控管道、想在任何地方运行、想混用 transport，并且熟悉 Python 的团队。

最小 bot（来自官方快速入门）

# Install the CLI, scaffold, run, deploy (from the Pipecat quickstart)
uv tool install "pipecat-ai[cli]"
pipecat init quickstart
cd pipecat-quickstart
cp .env.example .env     # DEEPGRAM_API_KEY, OPENAI_API_KEY, CARTESIA_API_KEY
uv sync
uv run bot.py            # opens a local WebRTC client at http://localhost:7860/client
pipecat cloud auth login
pipecat cloud secrets set pipecat-quickstart-secrets --file .env
pipecat cloud deploy

# bot.py (trimmed from the quickstart repo)
stt = DeepgramSTTService(api_key=os.getenv("DEEPGRAM_API_KEY"))
tts = CartesiaTTSService(api_key=os.getenv("CARTESIA_API_KEY"),
    settings=CartesiaTTSService.Settings(voice="71a7ad14-091c-4e8e-a314-022ece01c121"))
llm = OpenAILLMService(api_key=os.getenv("OPENAI_API_KEY"),
    settings=OpenAILLMService.Settings(system_instruction="You are a friendly AI assistant."))

context = LLMContext()
user_aggregator, assistant_aggregator = LLMContextAggregatorPair(
    context, user_params=LLMUserAggregatorParams(vad_analyzer=SileroVADAnalyzer()))

pipeline = Pipeline([
    transport.input(),   # user audio in
    stt,
    user_aggregator,     # turn detection lives here
    llm,
    tts,
    transport.output(),  # bot audio out
    assistant_aggregator,
])
task = PipelineTask(pipeline, params=PipelineParams(enable_metrics=True))

快速入门需要 Python 3.11 或更高版本、uv，以及三个密钥（Deepgram 用于 STT，OpenAI 用于 LLM，Cartesia 用于 TTS）。 首次运行因为要下载模型，大约需要 20 秒。

Daily 的 Kwindla Hultman Kramer 在 AI Engineer 频道的演讲（发布于 2025 年 7 月 31 日，所以部分产品细节已经变化）。 这是厂商演讲；请用它来理解 Pipecat 的思维模型，以及 Daily 如何定位 Pipecat Cloud。

供应商与模型

两个框架都不绑定供应商，也都能快速跟进新模型。区别在于你如何接入它们。

LiveKit：插件加 LiveKit Inference

LiveKit 提供两条路径。LiveKit Inference 通过一个 LiveKit Cloud 账号提供来自 OpenAI、Google、AssemblyAI、Deepgram、 Cartesia 和 Inworld 等供应商的 STT、LLM、TTS 与实时模型，无需额外安装插件。开源插件则用你自己的密钥直接连接更多供应商； 在 Python 中它们是可选依赖，例如 livekit-agents[openai]。任何兼容 OpenAI 的端点都可以通过覆盖base_url 和 api_key 使用。你可以两者混用，并在 session 中途更换模型。

在实时模型方面，LiveKit 文档列出了通过 Inference 提供的 OpenAI GPT Realtime 与 GPT-Live、Gemini Live 和 SpaceXAI Grok Voice， LiveKit 在 2026 年 10 月 15 日的帖子说，三种管道风格现在都能在 LiveKit Inference 上运行。

Pipecat：框架内置的供应商服务

Pipecat 为每个供应商提供一个 service 类（例如快速入门中的 DeepgramSTTService、CartesiaTTSService 和 OpenAILLMService），API 密钥由你自带。我们读到的文档中没有框架层面的推理转售； Pipecat Cloud 的企业集成计费需要通过邮件联系。其文档说，你可以把一个供应商换成另一个（Deepgram 换 Soniox，OpenAI 换 Anthropic， Cartesia 换 ElevenLabs），其余代码无需改动，而 LLMSwitcher 可以在 session 中途切换 LLM 供应商。

如果你正在挑选模型本身，我们的最佳语音转文字 API 和最佳文字转语音 API汇总对两个框架同样适用。

实用结论：如果你想要一张发票、一个密钥，LiveKit Inference 是这里唯一的官方选项。 如果你已经和 Deepgram、ElevenLabs 或 OpenAI 签了企业合同，两个框架都能同样好地使用它们。

轮次检测与 VAD

知道来电者何时说完，决定了 Agent 听起来自然，还是总在打断人。两个框架都把快速的 VAD 与一个理解说话内容的模型结合起来。

LiveKit

AgentSession 把 LiveKit 的 turn detector 与 VAD 数据一起用来判断用户何时说完；文档把 turn detector 描述为 根据说话含义检测轮次结束的音频与文本模型。文档里的其他模式包括：依赖实时模型内置的服务端检测、仅用 VAD（延迟最低， 或用于模型不覆盖的语言）、STT endpointing（例如 AssemblyAI 或 Deepgram Flux），以及用于按键说话的手动控制。 在模式之上，你可以用 min_delay 和 max_delay 调整 endpointing 延迟、使用动态 endpointing（仅限 Python）、 能区分附和与真正打断的自适应打断处理，以及降噪。

Pipecat

Pipecat 用可插拔的用户轮次策略决定轮次的开始和结束。轮次开始可以用 VAD、转写兜底或最少词数。轮次结束默认由轮次检测模型决定： 默认是 TurnAnalyzerUserTurnStopStrategy 搭配 LocalSmartTurnAnalyzerV3，以及stop_secs=0.2 的 Silero VAD。备选包括转写后的语音超时、由 LLM 或分类器做的轮次完整性判断，以及自定义策略。 Silero VAD 在本地 CPU 上运行，开销极小，文档称本地 VAD 比远程 VAD 服务快 150 到 200 ms。

Smart Turn 本身是一个开放的原生音频模型。其 README 称 v3.2 支持 23 种语言，提供 8 MB 量化 CPU 版本和 32 MB GPU 版本， 在部分 CPU 上最快 10 ms，在大多数云实例上低于 100 ms。这些都是项目自己的数据。Pipecat 文档还报告在标准 1x Pipecat Cloud 实例上约 65 ms， 这同样是 Pipecat 自己的数字。

谁领先？

我们没法下结论。我们没有找到在同一段音频上比较两种轮次检测器的独立基准测试，而一个公平的测试需要在每种目标语言里使用带口音、有噪声、 电话频带的语音。两种方法都可信，都对你开放检查（Smart Turn 完全开放；LiveKit 在 turns 页面中记录了它的模型），也都允许你回退到更简单的模式。 录下二十通真实通话，分别回放给两者。这一个下午得到的信息，比任何图表都多。

电话

如果你的 Agent 要接听或拨打电话，这一节可能决定整个对比。我们在电话呼叫 Agent 指南中更深入地讲了机制。

LiveKit

LiveKit 文档把 SIP trunk、dispatch rules 和 SIP 参与者描述为平台的组成部分，另有面向 WhatsApp Business 和 Twilio 的 Connectors。 列出的已测试供应商有 Twilio、Telnyx、Exotel、Plivo、Wavix、Sinch、didlogic 和 DIDWW。支持的通话功能包括 DTMF、 使用 SIP REFER 的冷转接、热转接和 SRTP，并可使用 Krisp 降噪。文档还说明不支持 SIP REGISTER。在 LiveKit Cloud 上， 你可以通过 LiveKit Phone Numbers 购买美国本地和免费电话号码；自托管时，SIP 服务需要单独部署。

Pipecat

按其电话概览，Pipecat 给你三条路线：WebSocket（Twilio、Telnyx、Plivo、Exotel），文档说电话用 WebSocket，客户端用 WebRTC； 通过 Daily 的 WebRTC 加 PSTN 集成，用于呼入和呼出；以及 SIP，文档说它提供完整的呼叫控制，包括转接、转发和多方通话。 你可以在同一个 bot 里运行多个供应商。诚实的限制是 Pipecat 自己说明的那条：WebSocket 电话缺少转接和重连。

电话方面的结论

对于 Twilio 上的简单呼入线路，两者都行，Pipecat 的 WebSocket 路线很快。对于真正的呼叫中心行为（转接、DTMF 菜单、SIP 互联、大量号码）， LiveKit 的栈更自成一体，而 Pipecat 加 Daily SIP 是可比的路径。两套栈都提到 Twilio、Telnyx、Plivo 和 Exotel， 所以在选定之前，请先向运营商确认目标国家的号码可用性。

部署与托管

LiveKit Cloud

你用一条 CLI 命令部署（lk agent create，后续更新用 lk agent deploy）。LiveKit Cloud 根据你的 Dockerfile 构建容器、 注入密钥、在套餐上限内扩缩容和负载均衡，并提供含会话数、错误追踪、日志以及可转发到 Datadog、CloudWatch、Sentry 或 New Relic 的日志导出的控制台。 Agent 部署数量按套餐计算（截至 2026 年 11 月 11 日，Build、Ship、Scale 分别为 1、2 和 4），LiveKit 在 2026 年 9 月 2 日宣布， 预发布部署可以和生产环境并排运行，使用相同镜像和密钥。对于其他环境，文档描述了自托管部署和与 Kubernetes 的兼容性。

Pipecat Cloud

pipecat cloud deploy 为你的 Agent 创建一个托管实例池，密钥通过 pipecat cloud secrets set 设置。 每个实例同一时间运行一个会话。控制项包括 min-agents（预热实例，默认 0，空闲时也要花钱）、max-agents（硬上限，达到容量时返回 HTTP 429）和作为失控会话安全网的 max-session-duration， 另外还有在控制台或 CLI 中设置的花费上限。Daily 托管区域有 us-west（俄勒冈）、us-east（弗吉尼亚）、eu-central（法兰克福）和 ap-south（孟买）， 运行在 arm64 上。在你自己的 Kubernetes 集群中的自托管区域属于 Pipecat Enterprise。密钥和镜像拉取密钥是按区域划分的， 所以多区域部署需要在每个区域重复设置。

自己运行

两个框架都可以在你自己的容器里，跑在任意 VPS 或 Kubernetes 集群上。对 LiveKit 来说，这意味着在 Agent worker 旁边运行 LiveKit 服务器 （Apache-2.0，Go 编写），如果要支持电话，还要运行 SIP 服务。对 Pipecat 来说，这意味着你自己的容器加上 SmallWebRTC 或 WebSocket 之类的 transport， 或者把 Daily 当作托管 transport。如果你想为此准备一台机器，请看我们的AI Agent 最佳 VPS指南。请记住语音 Agent 对延迟敏感：把 worker 放在靠近用户和模型供应商的地方。

实时价格

下表价格来自厂商定价页，日期为 2026 年 11 月 11 日。除非另有说明，不含模型成本（STT、LLM、TTS）， 而且厂商会调整价格，做预算前请到来源页确认。

一个带前提说明的算例

LiveKit 自己的电话通话计算器显示全包每分钟 $0.0672：agent 会话 $0.0100、电话 $0.0100、LLM $0.0014、STT $0.0058、TTS $0.0300、 可观测性 $0.0100。这是 LiveKit 用它选定的模型给出的示例，所以你的数字主要会随 TTS 选择而变。对 Pipecat，我们按公布的费率自己算： agent-1x 活跃 $0.01 加 Daily PSTN $0.018，在计入 LLM、STT、TTS、Krisp（10k 分钟以内免费）和录音之前是每分钟 $0.028。 这两个数字并不是同一口径：LiveKit 的包含可观测性和一个美国本地呼入号码，而 Pipecat 的不含任何模型开销。请把它们当作形状参考，而不是定论。

定价形态的差别比总价更大。LiveKit 是按套餐：免费的 Build 层（无需信用卡，每月 1,000 个免费 agent 分钟），之后包含的分钟数和并发随套餐递增。 Pipecat Cloud 是纯用量计费：未列出套餐费，按活跃分钟加上任何预留容量付费。轻量、波动的用量通常适合按量计费， 稳定的高用量通常适合含包含分钟数的套餐。无论选哪个，规模上去之后 GPU 和模型开销才是大头，所以请看我们的TTS 价格汇总， 如果你自托管开源模型，还可以看我们的GPU 云指南（英文）。

基准测试与独立数据

我们寻找过两个框架的中立、可复现对比（延迟、每核并发、打断准确率），没有找到我们敢为之背书的。现有的都是厂商材料：

• Pipecat Smart Turn（厂商自报）：23 种语言，部分 CPU 上最快 10 ms，大多数云实例上低于 100 ms，CPU 模型 8 MB。
• LiveKit 文档（厂商自报）：端到端响应延迟保持在一秒以内时对话才显得自然。管道会在各阶段累积延迟，但可通过流式传输降低；实时模型把各阶段合并，基线延迟更低。
• Pipecat STT 说法：Pipecat 维护者 2026 年 9 月 11 日的帖子称，Meta 的 Muse Voice Transcribe 在他们测试的所有模型中语义词错误率最低，使用的是他们公开的开源测试套件。这是框架维护者对一个语音模型的说法，不是对任何一个框架的说法。

你的延迟主要取决于模型供应商、区域和网络路径，而不是框架循环。正确的测试是你自己的：同样的提示词、同样的模型、同样的区域， 各 50 通电话，测量从用户说完到第一段 bot 音频的时间。关于如何挑选模型的更深入内容，请阅读我们的语音平台汇总。

替代方案

如果两个框架都不合适，还有三条路值得了解。价格截至 2026 年 11 月 11 日，来自我们为语音平台汇总抓取的厂商页面。

• Vapi（托管平台）。按量付费，托管费每分钟 $0.05，模型按成本价透传，免费层含 $5 额度和 4 个并发通话。你配置 assistant，而不是编写框架。适合：能接受较少控制、想快速上线的场景。
• Retell（托管平台）。按量付费，定价页显示每分钟 $0.07 至 $0.31，含 20 个并发通话。适合：想要成熟呼叫中心产品并按分钟做预算的团队。
• OpenAI Realtime API（模型，不是框架）。语音到语音模型 API；gpt-realtime-2.1 音频列价为每 1M 输入 token $32、输出 token $64，mini 版本为 $10 和 $20。你仍然需要传输、电话和托管，而这正是 LiveKit 和 Pipecat 提供的，两者也都支持它作为模型。

如果你是工程师，想把语音用到自己的编码工作流里，我们的Antigravity 语音模式指南（英文） 讲的是另一个问题。而且如果你打算让编码 Agent 替你写语音 Agent，Pipecat 快速入门会为它生成 AGENTS.md 与 CLAUDE.md 文件； 请看我们的最佳 AI 编码 Agent（英文）。

如何选择

一个快速决策办法。用两个框架各做一个同样的两分钟演示。按上面的快速入门，各用不到一小时。然后问三个问题。 哪一个让你更容易加一个自定义工具和一次交接？哪一个让你更容易看清坏掉的那一轮发生了什么？哪一个是你的团队愿意在凌晨 2 点被叫醒处理的？ 回答 “LiveKit” 的团队通常是在买平台；回答 “Pipecat” 的团队通常是在买控制权。

重度检索的 Agent 还需要知识库；我们的向量数据库对比讲的就是这一层，对两个框架都一样。

评估方法

我们在 2026 年 11 月 11 日阅读了两个框架及其云服务的官方文档、仓库和定价页，通过 GitHub API 查询了 star、fork、许可证和最新版本， 并把每条厂商说法与第一手来源核对。我们没有自己跑延迟基准测试，所以不把任何此类数字当作事实。当厂商是唯一来源时，我们把数字标为厂商自报。 本对比没有付费置入、联盟链接，也没有赞助。当某个细节没有公开文档时，我们会直说，而不是填补空白。 两个项目发布都很快（在我们核查后的几天内就会有新版本），所以请把版本号和价格当作一个快照。

常见问题

来源

除特别注明外，均抓取于 2026 年 11 月 11 日。

• GitHub: livekit/agents（star、许可证、版本）
• GitHub: pipecat-ai/pipecat（star、许可证、版本）
• GitHub: livekit/livekit（媒体服务器）
• GitHub: pipecat-ai/smart-turn
• LiveKit 文档：Voice AI quickstart
• LiveKit 文档：Pipeline types
• LiveKit 文档：Models overview
• LiveKit 文档：Turns overview
• LiveKit 文档：Agent deployment overview
• LiveKit 定价
• Pipecat 文档：Introduction
• Pipecat 文档：Quickstart
• Pipecat 文档：Pipeline and frame processing
• Pipecat 文档：Transports
• Pipecat 文档：Speech input and turn detection
• Pipecat 文档：Telephony overview
• Pipecat Cloud 文档：Scaling
• Pipecat Cloud 文档：Regions
• Pipecat Cloud 定价（Daily）
• 发布说明：livekit-agents 1.8.11
• 发布说明：Pipecat v1.15.0
• AI Engineer：Pipecat Cloud 演讲（发布于 2025 年 7 月 31 日）
• LiveKit：Build Production-Ready Voice AI Agents
• Vapi 定价、Retell 定价、OpenAI API 定价