ElevenLabs + Kasamila: Video-Kundendienst mit gemeinsamem Ton- und Bildpfad

Den bestehenden ElevenLabs Agent behalten und seine Antworten sichtbar machen: Wiedergabe und Mundbewegung nutzen denselben Audiopfad.

Umsetzung

Konfigurieren Sie den bestehenden ElevenLabs Agent: Wissensbasis, Service-Regeln, erlaubte Werkzeuge und menschliche Eskalation bleiben dort. Der Avatar ersetzt diese Logik nicht.

npm ci ausführen und .env.example nach .env kopieren. PROVIDER=elevenlabs, ELEVENLABS_API_KEY, ELEVENLABS_AGENT_ID sowie Kasamila-Zugang und passenden Mediendeskriptor nur serverseitig setzen. PCM für Ein- und Ausgabe wählen.

npm start ausführen und /public/video-call.html öffnen. Start entsperrt Audio und fragt nach dem Mikrofon. Der Server beschafft die signierte ElevenLabs-URL; permanente Schlüssel und diese URL bleiben vom Browser fern.

Das Mikrofon geht nur zum Agent. Die echte PCM-Antwort wird vom selben Kasamila SDK abgespielt und für Mundbewegungen genutzt, ohne zweiten Player. Die optionale Kamera bleibt lokal; dies ist kein fertiger menschlicher WebRTC- oder PSTN-Dienst.

Dazwischenreden verwirft alte Wiedergabe. Manuelles Leeren stoppt nicht garantiert die entfernte Generierung. End schließt den Transport, zerstört den Avatar und fordert das autorisierte Runtime-Ende an. Stille beendet keine Abrechnung; Bestätigung prüfen.

cd examples/realtime-integrations
npm ci
cp .env.example .env
# Backend-only configuration: see linked guide
npm start

Grenzen und Abnahme

Ein ausführbares Beispiel ist keine Anbieterzertifizierung oder Phonem-Garantie. Login, Vorlagenrechte, Einwilligung, Werkzeugrechte und HTTPS/WSS ergänzen; echte Gespräche und Unterbrechungen testen.

Code und Protokolle

Markdown / KI-Lektüre

zh | en | fr | de | ru | es | it | ar | ja | ko | th | ms | vi | hi | id