|
Beschreibung: Hallo zusammen, ich suche Unterstützung bei der Erstellung eines Prototypen (MVP) für einen telefonischen Service („Digitaler Boxsack“). Die Idee: Nutzer rufen eine Nummer an, um Dampf abzulassen. Das System soll zuhören und in den Gesprächspausen automatisch bestätigende, vorproduzierte Audio-Sätze abspielen (z. B. „Ja, verstehe“, „Das ist ärgerlich“). Dabei sollen kurze Denkpausen möglich sein, damit man dem ANrufer nicht ins Wort fällt. Technische Anforderung: Es wird in dieser Phase kein LLM (ChatGPT etc.) benötigt. Es geht rein um die Logik der Pausenerkennung. Stack: Bevorzugt Twilio Programmable Voice in Verbindung mit Python oder Node.js. Kern-Logik: Voice Activity Detection (VAD). Das Skript muss erkennen, wann der Anrufer schweigt, und dann per Zufallsprinzip (Shuffle) eine MP3-Datei aus einem Pool abspielen. Hosting: Einrichtung auf einem gängigen Cloud-Service (AWS, Heroku oder Serverless). Was ich liefere: Den Twilio-Account. Die Audio-Dateien (MP3s). Ein klares Ablaufdiagramm. Was du lieferst: Den funktionierenden Code. Einrichtung und Test der Nummer. Kurze Dokumentation (wie tausche ich die Audio-Dateien aus?). Budget & Rahmen: Es handelt sich um ein kleines, überschaubares Projekt (ca. 2–4 Personentage geschätzt). Bitte um ein Angebot als Festpreis oder auf Stundenbasis Nachtrag:
Der „Silence Threshold“ (Schwellenwert): Das System sollte erst reagieren, wenn die Stille ca. 0,7 bis 1,2 Sekunden andauert. Das ist die typische Zeit, die Menschen brauchen, um Luft zu holen oder nachzudenken. „Barge-In“ (Unterbrechbarkeit): Das ist ein Profi-Feature für später, aber gut zu wissen: Wenn der Bot anfängt zu reden („Ja, versteh…“), aber der Anrufer sofort weiterschreit, sollte der Bot sofort still sein. Für das MVP reicht es aber, wenn der Bot einfach seinen Satz zu Ende spricht |