Compétences voice-agents
📦

voice-agents

Sûr

Créez des agents IA vocaux naturels avec une latence optimale

Créer des agents vocaux qui semblent naturels nécessite de comprendre les budgets de latence et la dynamique des conversations. Cette compétence fournit des modèles éprouvés pour les architectures speech-to-speech et pipeline utilisées dans des systèmes de production gérant des millions d'appels.

Prend en charge: Claude Codex Code(CC)
🥉 74 Bronze
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "voice-agents". Concevez un agent vocal pour les réservations de restaurant

Résultat attendu:

  • Architecture : Pipeline (STT → LLM → TTS) pour un contrôle maximal des données de réservation
  • Budget de latence : STT 200ms, LLM 800ms, TTS 300ms = 1300ms total
  • VAD : Utiliser la détection sémantique pour distinguer les détails de réservation du bruit de fond
  • Format de réponse : Contraindre à une confirmation structurée avec nom, heure, nombre de personnes

Utilisation de "voice-agents". Comment gérer les utilisateurs qui interrompent en plein milieu de réponse ?

Résultat attendu:

  • Implémentez une détection de barge-in qui surveille l'audio pendant la lecture TTS
  • Lorsqu'une interruption est détectée : mettre immédiatement en pause le TTS, traiter l'énoncé utilisateur
  • Si l'interruption est une question : répondre directement, puis reprendre ou ignorer le contenu restant
  • Si l'interruption est un nouveau sujet : reconnaître et transitionner vers le nouveau sujet

Audit de sécurité

Sûr
v1 • 2/25/2026

This skill contains only documentation and architectural guidance for voice AI development. Static analysis flagged markdown backticks as shell commands and text patterns as cryptographic code, but all findings are false positives. No executable code, network calls, or security risks present.

1
Fichiers analysés
73
Lignes analysées
0
résultats
1
Total des audits
Aucun problème de sécurité trouvé
Audité par: claude

Score de qualité

38
Architecture
100
Maintenabilité
87
Contenu
50
Communauté
100
Sécurité
91
Conformité aux spécifications

Ce que vous pouvez construire

Agent vocal de support client

Construisez une IA vocale qui gère les demandes clients avec un flux de conversation naturel, détectant quand les clients interrompent ou ont besoin de clarifications.

Assistant de productivité vocal

Créez un assistant IA mains libres pour les professionnels qui doivent interagir en conduisant, en cuisinant ou en effectuant d'autres tâches.

Interface vocale d'accessibilité

Concevez des interfaces vocales pour les utilisateurs ayant des déficiences visuelles ou des limitations de mobilité qui bénéficient de l'interaction parlée.

Essayez ces prompts

Conception d'agent vocal de base 
Concevez une architecture d'agent vocal pour un cas d'usage de service client. Incluez les composants STT, LLM et TTS avec des estimations de latence pour chacun.
Planification du budget de latence 
Créez un budget de latence pour un agent vocal ciblant un temps de réponse inférieur à 500ms. Identifiez la latence maximale autorisée pour chaque composant et les stratégies d'optimisation potentielles.
Stratégie de détection des prises de parole 
Concevez un système de détection d'activité vocale qui gère le barge-in (interruptions utilisateur) sans couper l'utilisateur en plein milieu d'une phrase. Incluez une compréhension sémantique de quand les interruptions sont appropriées.
Gestion d'erreurs en production 
Créez des stratégies de gestion d'erreurs pour les pannes courantes d'agents vocaux : mauvaise reconnaissance STT, timeout LLM, échec TTS et interruptions réseau. Incluez des comportements de repli et des messages destinés aux utilisateurs.

Bonnes pratiques

  • Mesurez et établissez un budget de latence pour chaque composant - visez moins de 500ms pour une conversation naturelle
  • Utilisez la détection sémantique d'activité vocale au lieu de la détection par silence uniquement pour éviter les faux positifs
  • Contraignez la longueur des réponses dans les prompts à 2-3 phrases pour une délivrance parlée naturelle

Éviter

  • Ignorer le budget de latence - la somme de toutes les latences des composants détermine le naturel de la conversation
  • Détection de tour de parole par silence uniquement - provoque des faux positifs dus au bruit de fond et manque les réponses rapides
  • Réponses longues - les utilisateurs ne peuvent pas retenir de longues informations parlées ; gardez les réponses brèves et structurées

Foire aux questions

Quelle est la différence entre les architectures speech-to-speech et pipeline ?
Les modèles speech-to-speech comme l'API Realtime d'OpenAI traitent l'audio directement avec une latence minimale et une émotion préservée mais offrent moins de contrôle. Les architectures pipeline séparent STT, LLM et TTS pour un contrôle maximal à chaque étape mais ajoutent de la latence lors des transferts entre composants.
Quel objectif de latence devrais-je viser ?
Ciblez une latence de bout en bout inférieure à 500ms pour une sensation de conversation naturelle. Au-dessus de 800ms, cela semble sensiblement retardé. En dessous de 300ms, cela semble instantané mais est difficile à atteindre avec des architectures pipeline.
Comment gérer le bruit de fond dans les agents vocaux ?
Utilisez la détection d'activité vocale avec suppression du bruit, implémentez une compréhension sémantique pour filtrer les sons non parlés et concevez des prompts qui aident le LLM à distinguer la parole pertinente des artefacts de bruit.
Qu'est-ce que la détection de barge-in et pourquoi est-elle importante ?
La détection de barge-in permet aux utilisateurs d'interrompre l'IA en plein milieu d'une réponse, tout comme dans les conversations humaines. Sans cela, les utilisateurs doivent attendre que l'IA finisse de parler, créant des interactions artificielles et de la frustration.
Comment gérer les erreurs STT et les mauvaises reconnaissances ?
Implémentez un scoring de confiance pour détecter les transcriptions incertaines, concevez des prompts demandant au LLM d'identifier les entrées peu claires et créez des flux de clarification élégants qui confirment la compréhension avant d'agir.
Quels outils Claude prennent en charge l'intégration d'agents vocaux ?
Claude, Codex et Claude Code peuvent tous aider avec l'architecture d'agent vocal et la conception de prompts. Pour le traitement audio réel, intégrez-vous avec des API externes comme l'API Realtime d'OpenAI, ElevenLabs ou Google Cloud Speech.

Détails du développeur

Auteur

sickn33

Licence

MIT

Dépôt

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/voice-agents

Réf

main

Structure de fichiers

📄 SKILL.md