Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich baue KI-Sprachagenten und visionfähige Assistenten
ProAI
Über diesen Service
Automatische Übersetzung
Deine Kunden erwarten natürliche Gespräche, keine klobigen Chatbots. Ich entwickle KI-Agenten, die sehen, hören und wie Menschen reagieren.
Was du bekommst
Ich erstelle produktionsbereite Sprach- und Vision-Agenten mit LiveKit Agents, Gemini Live und OpenAI Realtime API:
- Sprach-Agenten: Natürliche Telefongespräche, 24/7 erreichbar
- Vision-Agenten: Agenten, die via Webcam oder Bildschirm teilen "sehen"
- Multimodal: Kombination aus Stimme + Vision für immersive Erlebnisse
- Telefonie: Selbstgehostete SIP-Integration (aktive Anrufe)
Was ich liefere
- Kompletter Code für den Sprachagenten
- LiveKit-Deployment
- SIP/Telefonie-Integration (optional)
- Architekturdiagramm
- 30 Tage Support
Warum ich
- Experte für LiveKit Agents
- Kenntnisse in Gemini Live und OpenAI Realtime API
- Selbstgehostete Telefonie mit aktiven Anrufen und Voxtra
- Ergebnisse: 70 % weniger verpasste Anrufe, über 15 Stunden pro Woche eingespart
Bist du bereit, über Chatbots hinauszugehen? Klicke auf "Jetzt bestellen" oder schreibe mir für ein individuelles Angebot.
Lerne ProAI kennen
ProAI
Integra8ai
- AusNigeria
- Mitglied seitSept. 2021
- ⌀ Antwortzeit1 Stunde
Sprachen
Englisch, Französisch, Spanisch, Arabisch
I'm an AI Agent Architect building production-grade, enterprise-ready AI solutions that bridge open-source frameworks with secure cloud infrastructure.
What I build:
• Multi-agent systems (LangGraph, CrewAI, Swarms)
• Voice & Vision AI (LiveKit, Gemini Live)
• Secure RAG & Document Intelligence (LlamaIndex, AWS Bedrock)
• Self-hosted Telephony (active-call, Voxtra)
• Custom Model Fine-Tuning (SageMaker, NVIDIA DGX)
My stack: AWS (Bedrock, SageMaker) + NVIDIA (Triton, NeMo) + MCP/A2A standards.
Security-first: VPC self-hosting, IAM, Guardrails, human-in-the-loop.
DM for a unique Experience.
Automatische Übersetzung
Mein Portfolio
FAQ
Automatische Übersetzung
Was ist ein Voice Agent?
Ein Sprachagent ist eine KI, die natürliche, menschenähnliche Gespräche über das Telefon oder Sprachschnittstellen führen kann. Er kann Anrufe 24/7 entgegennehmen, Termine buchen, Kundenanfragen bearbeiten und sich in dein CRM integrieren – alles ohne menschliches Eingreifen.
Was ist ein Vision-Agent?
Ein Vision-Agent kann via Webcam oder Bildschirm teilen "sehen". Mit LiveKit Agents und Video-Track-Abonnement kann der Agent analysieren, was der Nutzer zeigt – sei es ein Produktfehler, ein Dokument oder ein Bildschirm – und in Echtzeit Anleitungen geben.
Welche Frameworks verwenden Sie?
Ich nutze LiveKit Agents für Echtzeit-Medienübertragung, Gemini Live für native multimodale Verständigung und OpenAI Realtime API für unternehmensgerechte Sprache. Für die Telefonie verwende ich active-call (Rust SIP/WebRTC-Gateway) und Voxtra (Python-Framework für Asterisk-Integration).
Kann der Agent Anrufe tätigen und empfangen?
Ja. Die Premium-Stufe beinhaltet selbstgehostete SIP-Integration mit active-call. Der Agent kann eingehende Anrufe annehmen, ausgehende Anrufe tätigen und sich in dein bestehendes Telefonsystem integrieren.
Ist der Sprach-Agent sicher?
Ja. Alle Deployments laufen vollständig in deiner Infrastruktur. Für Gesundheitskunden kann ich die Einhaltung von HIPAA gewährleisten; deine Patientendaten bleiben unter deiner Kontrolle. Ich setze Bedrock Guardrails für Inhaltsfilterung und PII-Redaktion ein.
Was muss ich bereitstellen?
Du brauchst: (1) API-Schlüssel für STT (Deepgram, Whisper) und TTS (ElevenLabs, Google TTS), (2) LLM-API-Schlüssel (OpenRouter, OpenAI, AWS Bedrock), (3) Cloud-Zugang für Deployment und (4) eine Telefonnummer (Twilio oder SIP-Anbieter), wenn du Telefonie-Integration möchtest.
Was ist der Unterschied zwischen Basic, Standard und Premium?
Basic ($300): Sprachagent mit 3-5 Intents, LiveKit, grundlegendes STT/TTS, 7 Tage. **Standard** ($1.500): Fortgeschrittener Sprachagent mit 10+ Intents, CRM-Integration, Gesprächsspeicher, 14 Tage. **Premium** ($5.000): Vollständiges multimodales System (Voice + Vision), Gemini Live, SIP-Telefonie, VPC-Selbsthosting, Schulung, 21 Tage.
Kann der Agent verschiedene Sprachen verstehen?
Ja. Der Sprachagent kann für mehrere Sprachen konfiguriert werden. Ich kann ihn auch an regionale Akzente und Mischsprachen anpassen (als Gig-Extra erhältlich).
Was, wenn ich eine individuelle Stimme brauche?
Ich kann mit ElevenLabs oder anderen TTS-Anbietern eine individuelle Stimme erstellen, die zu deiner Marke passt. Sag mir deine Anforderungen und ich erstelle ein individuelles Angebot.
Wie lange dauert die Lieferung?
Basic: 7 Tage. Standard: 14 Tage. Premium: 21 Tage. Wenn es schneller gehen soll, wähle das Gig-Extra "Extra schnelle Lieferung".
