Python ile AI Çağrı Ajanı Yapma: STT, Groq ve TTS

Sesli bir AI ajanı yapmak istiyorsan dört bileşeni döngüye sokman gerekiyor: dinleme (speech-to-text), düşünme (LLM), konuşma (text-to-speech) ve çağrı durumu kontrolü. Google Voice Dispatch Agent projesinde bu parçalar birlikte nasıl çalışıyor, görebilirsin.

Mimarisi şöyle: Google Voice'u Selenium ile Chrome'da çalıştırıp telefon hattı oluştur. Dinleme tarafında VAD (Voice Activity Detection) ile ses yakala, Groq STT ile yazıya çevir. Groq LLM'e gönder, cevabı düşünsün. Edge TTS (ya da fallback olarak pyttsx3) ile konuştur, VB-CABLE ile yönlendir. FastAPI web konsolu ile kontrol et, çağrı loglarını, transkriptleri ve kayıtları lokal CRM'de tut.

Akışı şöyle işler: Kişiler ve ayarları yükle, ön kontrolleri çalıştır, çağrıları başlat, ses yakala, STT ile yazıya çevir, LLM'e sor, cevapı TTS ile konuştur, sonraki çağrıya geç. En zor kısım ajanın ne zaman konuşması gerektiğini bilmesi, buna ayrı bir rehber var.

Python'da böyle bir sistem kurarsan otomatik arama, depo yönetimi, müşteri hizmetleri gibi işlerde zaman kazanırsın. Groq'un hızlı LLM'i ve açık kaynak araçlar sayesinde maliyeti düşük tutabilirsin.