Урок 3. Голосовой ассистент#

Зачем это нужно#

Представьте: вы идёте за кофе, а ваш AI-агент работает на компьютере. Он просит разрешение отредактировать файл. Вместо того чтобы доставать телефон и печатать, вы просто говорите: «Да, разрешаю». Или диктуете новую задачу голосом.

Голосовой ассистент HAPI — это возможность управлять AI-агентом голосом через технологию ElevenLabs Conversational AI.

Что умеет голосовой ассистент#

• 🎤 Разговаривать с агентом — давать задания, задавать вопросы голосом
• ✅ Одобрять действия голосом — скажите «да» или «нет» вместо нажатия кнопок
• 📢 Сообщать о результатах — ассистент расскажет, когда задача выполнена или если произошла ошибка

Что понадобится#

• Аккаунт на ElevenLabs с доступом к API
• Работающий Hub с доступом через интернет (например, с --relay)

ElevenLabs — компания, которая создаёт технологии синтеза и распознавания речи. Их сервис превращает вашу речь в текст, а текст — в естественно звучащую речь.

API (Application Programming Interface) — способ, которым программы общаются друг с другом. API-ключ — это как пароль, который подтверждает, что у вас есть доступ к сервису.

Пошаговая настройка#

Шаг 1. Получите API-ключ ElevenLabs#

1. Зайдите на elevenlabs.io и зарегистрируйтесь (или войдите)
2. Перейдите в настройки: API Keys
3. Нажмите Create API Key (Создать API-ключ)
4. Скопируйте ключ — он понадобится на следующем шаге

⚠️ Храните API-ключ в секрете! Это как пароль — если кто-то его узнает, он сможет использовать ваш аккаунт.

Шаг 2. Настройте Hub#

Перед запуском Hub задайте переменную окружения с вашим ключом:

export ELEVENLABS_API_KEY="ваш-api-ключ"
hapi hub --relay

Переменная окружения — это настройка, которую вы передаёте программе перед запуском. Команда export сохраняет её на время текущей сессии терминала.

При первом запуске Hub автоматически создаст голосового агента «Hapi Voice Assistant» в вашем аккаунте ElevenLabs. Ничего дополнительно настраивать не нужно!

Шаг 3. Начните голосовую сессию#

1. Откройте сессию в Web App (в браузере телефона)
2. Нажмите на кнопку микрофона 🎤 в нижней части экрана (в области ввода сообщений)
3. Разрешите доступ к микрофону, когда браузер попросит
4. Начните говорить!

Голосовые команды#

Вам не нужно запоминать специальные команды — говорите естественно:

Как это работает внутри#

Голосовое общение проходит через несколько этапов:

Ваш голос → Микрофон → Браузер → WebRTC → ElevenLabs → Текст
                                                          │
                                                     Hub → CLI → AI-агент
                                                          │
Ответ агента ← Голос ← ElevenLabs ← Текст ←──────────────┘

WebRTC (Web Real-Time Communication) — технология для передачи аудио и видео в реальном времени через браузер. Это то же, что используется в видеозвонках.

Автоматическая синхронизация контекста#

Голосовой ассистент автоматически «знает» о том, что происходит:

• Когда вы открываете сессию — ему загружается вся история
• Когда агент отправляет сообщения — ассистент получает обновления
• Когда приходят запросы на разрешения — ассистент может рассказать о них
• Когда задача завершена — ассистент сообщит

Вам не нужно спрашивать «что нового» — ассистент сам расскажет о важных изменениях.

Полезные советы#

1. Будьте конкретны — чем точнее запрос, тем лучше результат. Вместо «сделай что-нибудь с кодом» скажите «добавь обработку ошибок в функцию login»

2. Подождите завершения — пока агент работает, ассистент молчит. Когда задача выполнена, он сам расскажет о результате

3. Используйте наушники — это уменьшит эхо и улучшит распознавание речи

4. Одна сессия за раз — для самого чёткого контекста работайте с одной сессией

Продвинутая настройка (необязательно)#

Если вы хотите использовать собственного агента ElevenLabs (например, с другим голосом или настройками):

export ELEVENLABS_AGENT_ID="id-вашего-агента"

Это полезно, если вы настроили агента с особым голосом или инструкциями на сайте ElevenLabs.

Решение проблем#

Итоги урока#

• Голосовой ассистент позволяет управлять AI-агентом голосом — без клавиатуры
• Для работы нужен API-ключ ElevenLabs и Hub с доступом через интернет
• Настройка занимает 5 минут: получить ключ → задать переменную → запустить Hub
• Говорите естественным языком — специальных команд нет
• Ассистент сам следит за обновлениями и сообщает о важных событиях