Ein Sprachagent, der ans Telefon geht. Anrufer wählen eine Twilio-Nummer und sprechen direkt mit einem GPT-Modell, das in Echtzeit antwortet. Die Latenz liegt im Bereich klassischer Mensch-zu-Mensch-Anrufe.
Wie es funktioniert
Twilio nimmt den Anruf an und öffnet einen WebSocket-Stream zu unserem Backend. Das Backend leitet das Audio bidirektional an die OpenAI Realtime API weiter und schickt Transkripte plus Events parallel an ein Next.js-Dashboard. Eine TwiML-Antwort konfiguriert den Stream.
Function Calls erlauben dem Modell, im Hintergrund Daten abzurufen oder Aktionen auszulösen, etwa Verfügbarkeiten zu prüfen oder Termine in einen Kalender zu schreiben. Im Dashboard sieht der Operator das Gespräch live und kann eingreifen.
Wozu
IVR-Menüs sind starr und scheitern an freier Rede. Ein Sprachmodell hört zu, fragt nach und löst mehr Fälle beim ersten Anruf. Wir setzen den Stack als Basis für Inbound-Lösungen bei Versicherungen und im Kundendienst ein.
Stack
- OpenAI Realtime API
- Twilio Voice & Media Streams
- Next.js Dashboard
- Express WebSocket Server
- TwiML