Digitale Bauen eines Zuhörer-Bots
Budget: €250 – €750 EUR
Titel: Entwicklung eines „Zuhörer-Bots“ (Telefonie) mit Pausenerkennung (Twilio/Python/Node.js)
Zusammenfassung: Ich suche einen Entwickler, um einen MVP (Minimum Viable Product) für einen Telefon-Service zu bauen. Das Ziel ist ein „digitaler Zuhörer“. Nutzer rufen eine Nummer an, um ihren Frust abzulassen. Das System soll zuhören und in den Gesprächspausen automatisch bestätigende Standard-Phrasen abspielen.
Der Clou: Wir benötigen für diese Phase keine generativa AI (LLM). Es geht rein um Audio-Handling und Logik.
Funktionsablauf (User Flow):
Anruf: Der Nutzer wählt die Nummer.
Begrüßung: Das System hebt ab und spielt ein kurzes Intro (z.B. „Lass alles raus, ich höre zu.“).
Loop (Die Kernfunktion):
Das System „hört zu“ (Voice Activity Detection / VAD).
Sobald der Nutzer aufhört zu sprechen (Stille > z.B. 700ms), wählt das System zufällig eine Audio-Datei aus einem Pool von ca. 20–50 vorproduzierten Antworten (z.B. „Ja“, „Verstehe“, „Das ist ja blöd“).
Wichtig: Die Antworten sollen rotieren, damit es sich natürlich anfühlt (keine direkte Wiederholung derselben Datei).
Ende: Wenn der Nutzer auflegt, wird der Anruf beendet.
Technische Anforderungen:
Plattform: Bevorzugt Twilio (Programmable Voice) oder vergleichbare VoIP-Dienste.
Sprache: Python, Node.js oder eine No-Code Lösung, die diese Logik abbilden kann.
Hosting: Das Skript sollte auf einem einfachen Cloud-Server (AWS, Heroku, DigitalOcean) oder als Serverless Function laufen.
Audio-Management: Einfaches Hinzufügen neuer MP3-Dateien zum „Antwort-Pool“ sollte möglich sein.
Lieferumfang (Deliverables):
Der funktionierende Quellcode.
Einrichtung auf meinem Twilio-Account (oder Anleitung dazu).
Dokumentation, wie ich die Audio-Dateien austauschen kann.
Nice-to-have (Optional für später):
Struktur so anlegen, dass wir später einfach auf eine echte KI (OpenAI Realtime API) umschalten können (Upgrade-Pfad).
Zusammenfassung: Ich suche einen Entwickler, um einen MVP (Minimum Viable Product) für einen Telefon-Service zu bauen. Das Ziel ist ein „digitaler Zuhörer“. Nutzer rufen eine Nummer an, um ihren Frust abzulassen. Das System soll zuhören und in den Gesprächspausen automatisch bestätigende Standard-Phrasen abspielen.
Der Clou: Wir benötigen für diese Phase keine generativa AI (LLM). Es geht rein um Audio-Handling und Logik.
Funktionsablauf (User Flow):
Anruf: Der Nutzer wählt die Nummer.
Begrüßung: Das System hebt ab und spielt ein kurzes Intro (z.B. „Lass alles raus, ich höre zu.“).
Loop (Die Kernfunktion):
Das System „hört zu“ (Voice Activity Detection / VAD).
Sobald der Nutzer aufhört zu sprechen (Stille > z.B. 700ms), wählt das System zufällig eine Audio-Datei aus einem Pool von ca. 20–50 vorproduzierten Antworten (z.B. „Ja“, „Verstehe“, „Das ist ja blöd“).
Wichtig: Die Antworten sollen rotieren, damit es sich natürlich anfühlt (keine direkte Wiederholung derselben Datei).
Ende: Wenn der Nutzer auflegt, wird der Anruf beendet.
Technische Anforderungen:
Plattform: Bevorzugt Twilio (Programmable Voice) oder vergleichbare VoIP-Dienste.
Sprache: Python, Node.js oder eine No-Code Lösung, die diese Logik abbilden kann.
Hosting: Das Skript sollte auf einem einfachen Cloud-Server (AWS, Heroku, DigitalOcean) oder als Serverless Function laufen.
Audio-Management: Einfaches Hinzufügen neuer MP3-Dateien zum „Antwort-Pool“ sollte möglich sein.
Lieferumfang (Deliverables):
Der funktionierende Quellcode.
Einrichtung auf meinem Twilio-Account (oder Anleitung dazu).
Dokumentation, wie ich die Audio-Dateien austauschen kann.
Nice-to-have (Optional für später):
Struktur so anlegen, dass wir später einfach auf eine echte KI (OpenAI Realtime API) umschalten können (Upgrade-Pfad).