ElevenLabs + Kasamila：视觉与声音统一的视频电话客服

保留现有 ElevenLabs Agent，给客服回答加上可见实时数字人；让回复音频播放与口型使用同一条链路。

保留现有 ElevenLabs Agent，给客服回答加上可见实时数字人；让回复音频播放与口型使用同一条链路。

实施步骤

1. 先配置现有 ElevenLabs Agent：知识库、客服指令、工具权限和人工升级流程仍在原 Agent 中。实时数字人不替换业务逻辑。

1. 在样例目录 npm ci，复制 .env.example 为 .env。服务端设置 PROVIDER=elevenlabs、ELEVENLABS_API_KEY、ELEVENLABS_AGENT_ID，以及 Kasamila Key、模板 ID、严格匹配的媒体描述符；输入输出选择 PCM。

1. 运行 npm start，打开 /public/video-call.html。点击 Start 解锁声音并授权麦克风。服务端获取 ElevenLabs 签名会话地址，永久 Key 和该签名地址都不交给浏览器。

1. 麦克风只进入语音 Agent；Agent 回复的实际 PCM 样本交给 Kasamila 同时播放并驱动口型，不另开平台播放器。可选来电摄像头只做本地预览，不上传；本页面不是已实现的真人 WebRTC 或 PSTN 电话。

1. 用户抢话时废弃旧回复队列；手动清队列不保证上游生成已停止。通话结束点击 End，关闭平台链路、destroy 实时数字人并请求授权 Runtime 结束。静音或关闭声音不是停止计费；结束失败应检查授权控制界面。

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

边界与验收

这是可运行的 AI 视频电话式样例，不是平台生产认证，也不保证精确音素。正式服务还需登录、用户/模板授权、HTTPS/WSS、隐私同意、CRM 工具权限和带真实账户的多轮抢话验收。

代码与协议

• kasamila-dev / SDK 2.1.0
• 代码与协议
• ElevenLabs WebSocket

Markdown / AI 阅读

• Markdown
• HTML
• JSON

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