开发者分享五步给已有AI智能体添加语音功能

分享者已经为自己的AI智能体添加了语音功能。ElevenLabs语音引擎可以让智能体实现实时收听、对话、流式回复和处理打断操作。

第一步，安装开发工具包：运行npm install @elevenlabs/elevenlabs-js @elevenlabs/react，即可得到服务端桥接和浏览器调用界面。

第二步，向ElevenLabs配置智能体地址，配置项为speechEngine: { wsUrl: "wss://yourdomain.com/ws" }。可搭配ngrok完成本地测试，不需要电话号码或电信服务商。

第三步，封装你现有的大语言模型调用接口。转录文本可以发送给OpenAI、Claude、Gemini或者你自己训练的模型，将回复流式返回后，ElevenLabs就可以实时将内容转为语音输出。

第四步，在服务端生成一个短期有效的WebRTC令牌，调用示例为const { token } = await elevenlabs.conversationalAi.conversations.getWebrtcToken({ agentId: engineId }); return Response.json({ token });。浏览器会用该令牌换取实时音频会话，密钥信息始终保存在你的服务器中。

第五步，在浏览器中发起通话，调用方式为conversation.startSession({ conversationToken: token })。

整套实现代码大约100行，不需要更换现有的开发平台，语音相关功能全部由ElevenLabs处理。