Dograh vs Vapi vs Retell：开源语音Agent平台硬核对比，谁更值得用？

Dograh vs Vapi vs Retell：开源语音Agent平台硬核对比，谁更值得用？

【免费下载链接】dograhOpen source voice AI platform. Self-hosted alternative to Vapi and Retell. On Prem, BYOK across Speech to Speech or LLM/STT/TTS, with a visual workflow builder, MCP native and telephony support.项目地址: https://gitcode.com/GitHub_Trending/do/dograh

正在选型语音AI Agent平台？这篇对比带你硬核拆解三大主流选手：开源的Dograh与两家闭源SaaSVapi、Retell。Dograh 是一款 100% 开源、可自托管的语音AI平台，定位为 Vapi 和 Retell 的自托管替代品（Open source voice AI platform，Self-hosted alternative to Vapi and Retell）。它提供可视化工作流构建器、完整 BYOK（自带 LLM/STT/TTS 密钥）能力和电话集成，支持 On-Prem 私有化部署。本文从 5 个关键维度逐项对比，帮你 10 分钟做出不踩坑的选型决策。

三大平台核心差异速览

先用一张表建立整体印象，后文逐项展开：

💡 一句话总结：要"开箱即用"选 SaaS，要"数据主权 + 深度定制"选 Dograh。

Dograh 是什么？5分钟读懂

Dograh 是一个构建和运行语音AI Agent的开源平台。你定义对话流程、绑定电话号码，剩下的交给它——实时转写来电语音（STT）、用 LLM 生成智能回复、再用 TTS 用自然声音朗读回去，通话结束后输出结构化结果。

它的核心由几块拼成（详见 docs/core-concepts/how-dograh-works.mdx）：

• Workflow（工作流）：对话逻辑是一张节点图——开始节点、Agent 节点、全局指令、工具、条件转换、结束节点
• Runs（通话记录）：每次通话生成一条 Run，包含转写文本、录音、抽取的数据和成本
• Telephony（电话集成）：对接 Twilio、Vonage、Telnyx、Plivo、Vobiz、Cloudonix、Asterisk ARI
• STT / LLM / TTS：三层均可自由替换为任意供应商

硬核对比：5个决定选型的维度

1️⃣ 开源与自托管：Dograh 的"独门武器"

这是两者之间最大的分水岭，没有之一。

Vapi 和 Retell 都是纯 SaaS——你的数据走它们的云，代码对你是黑盒。而 Dograh 是 100% 开源（BSD 2-Clause 协议），一条 Docker 命令即可在本地或自己的服务器上跑起来，60 秒完成自托管。金融、医疗等对**数据驻留（Data Residency）**有合规要求的场景，只能选 Dograh。

# 一条命令自托管 Dograh（详见 docs/deployment/docker.mdx） curl -o docker-compose.yaml https://raw.githubusercontent.com/dograh-hq/dograh/main/docker-compose.yaml \ && curl -o start_docker.sh https://raw.githubusercontent.com/dograh-hq/dograh/main/scripts/start_docker.sh \ && chmod +x start_docker.sh && ./start_docker.sh

首次启动约 2-3 分钟，打开http://localhost:3010即可创建你的第一个语音助手。

2️⃣ 模型自由度：真正的 BYOK 与 Speech-to-Speech

三家都支持 BYOK，但 Dograh 的自由度更高：LLM、TTS、STT、Embedding四类全部可换任意供应商，还支持 Speech-to-Speech 模式（如 Gemini Live、Grok Realtime 这类端到端语音模型）。设置界面里"Speech to Speech / Dograh / BYOK"三种模式一键切换：

而 Vapi / Retell 的 BYOK 范围被限制在它们已集成的供应商列表内，超出就要等官方排期。更妙的是：Dograh 自带自动生成的密钥和全套模型栈，不填任何 API Key 也能直接开跑。

3️⃣ 可视化工作流构建器 vs 配置面板

三家都有"不用写代码建 Agent"的体验，但形态不同：

• Dograh：真正的节点图工作流（Visual Workflow Builder）——每个节点写 prompt，节点之间用条件边（Edge）连接，支持工具调用、QA 质检节点、知识库、Webhook、转人工等生产级能力
• Vapi / Retell：以表单式配置为主（assistant prompt + 功能开关），简单直观，但复杂分支逻辑表达力有限

测试体验同样值得吹一波：浏览器内Test Audio直接语音通话测试、Test Chat文本快速迭代（还能编辑/回放任意一轮让用户重新生成），实时转写、节点跳转、工具调用全程可见：

4️⃣ 电话集成与落地渠道

• Dograh：内置 7 类电话供应商（Twilio/Vonage/Telnyx/Plivo/Vobiz/Cloudonix/Asterisk ARI）+ 自定义 Provider 接口，支持来电、外呼、转人工通话（详见 docs/integrations/telephony/overview.mdx）
• Vapi / Retell：电话集成同样成熟，Twilio 生态支持甚至更"官方化"，但无法替换底层实现

除了电话，Dograh 还能一键把 Agent 变成网页嵌入组件（Web Widget），一行脚本加到官网：

5️⃣ MCP 原生与 AI 编程助手：Dograh 的前瞻设计

Dograh 内置MCP Server（Model Context Protocol），让 Claude Code、Codex、Cursor 等 AI 编程助手直接接入你的工作区：用自然语言查看已有 Agent、搜索官方文档、获取节点 Schema、创建新工作流、保存草稿（文档见 docs/integrations/mcp.mdx）。

也就是说：你甚至可以让 AI 帮你建语音 Agent。Vapi 和 Retell 目前没有对应的 MCP 原生能力。配合 Python / TypeScript 双 SDK，可编程建 Agent、发起外呼，开发者体验完整。

谁更值得用？对号入座

社区热度上，Dograh 也是 Product Hunt 当日第一（#1 Product of the Day），Star 增长曲线相当陡峭：

快速上手：5分钟拥有第一个语音Agent

不想 clone 源码折腾？三步开跑：

1. 部署：按上文 Docker 一键命令（或参考 docs/deployment/docker.mdx）；也可以直接 clone 仓库：git clone https://gitcode.com/GitHub_Trending/do/dograh
2. 建 Agent：打开localhost:3010，选择 Inbound/Outbound，用 5-10 个词描述用例（如"筛选保险线索的购买意向"），系统自动生成工作流（教程见 docs/getting-started/first-agent.mdx）
3. 通话测试：点 Test Agent，浏览器里直接和它语音对话——完整走 STT→LLM→TTS 管线，无需任何电话号码

结论：一句话选型

要"掌控权"就 Dograh，要"省事"就 Vapi/Retell。

如果你在意数据主权、模型自由度、源码可定制，或者未来规模上去后想摆脱按分钟抽成的 SaaS 账单，Dograh 是目前唯一同时满足"开源 + 自托管 + 完整语音Agent能力"的选择，而且上手成本被压到了一条 Docker 命令。

核心资源直达：

• 项目总览与对比表：README.md
• 平台原理（API→通话→转写全链路）：docs/core-concepts/how-dograh-works.mdx
• 电话供应商接入：api/services/telephony/
• MCP Server 实现：api/mcp_server/

【免费下载链接】dograhOpen source voice AI platform. Self-hosted alternative to Vapi and Retell. On Prem, BYOK across Speech to Speech or LLM/STT/TTS, with a visual workflow builder, MCP native and telephony support.项目地址: https://gitcode.com/GitHub_Trending/do/dograh