> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt. # Crea un asistente de voz con Agents Platform en una Raspberry Pi > **Note** > > **Tutorial** · Da por hecho que has completado la [guía de inicio rápido de ElevenAgents](/docs/es/eleven-agents/quickstart) y que tienes una Raspberry Pi con Python instalado. ## Introducción En este tutorial aprenderás a crear un asistente de voz con Agents Platform ejecutándose en una Raspberry Pi. Al igual que los asistentes domésticos convencionales, como Alexa en Amazon Echo, Google Home o Siri en dispositivos Apple, tu asistente de voz Eleven escuchará una palabra de activación, en nuestro caso «Hey Eleven», y հետո iniciará una sesión de ElevenLabs Agents para ayudar al usuario. ## Requisitos * Una Raspberry Pi 5 o un dispositivo similar. * Un micrófono y un altavoz. * Python 3.9 o una versión posterior instalado en tu equipo. * Una cuenta de ElevenLabs con una [clave de API](https://elevenlabs.io/app/settings/api-keys). ## Configuración ### Instala las dependencias En sistemas basados en Debian puedes instalar las dependencias con: ```bash sudo apt-get update sudo apt-get install libportaudio2 libportaudiocpp0 portaudio19-dev libasound-dev libsndfile1-dev -y ``` ### Crea el proyecto En tu Raspberry Pi, abre el terminal y crea un directorio nuevo para tu proyecto. ```bash mkdir eleven-voice-assistant cd eleven-voice-assistant ``` Crea un entorno virtual e instala las dependencias: ```bash python -m venv .venv # Only required the first time you set up the project source .venv/bin/activate ``` Instala las dependencias: ```bash pip install tflite-runtime pip install librosa pip install EfficientWord-Net pip install elevenlabs pip install "elevenlabs[pyaudio]" ``` Ahora crea un archivo de Python llamado `hotword.py` y añade el siguiente código: **`hotword.py`** ```python hotword.py import os import signal import time from eff_word_net.streams import SimpleMicStream from eff_word_net.engine import HotwordDetector from eff_word_net.audio_processing import Resnet50_Arc_loss # from eff_word_net import samples_loc from elevenlabs.client import ElevenLabs from elevenlabs.conversational_ai.conversation import Conversation, ConversationInitiationData from elevenlabs.conversational_ai.default_audio_interface import DefaultAudioInterface convai_active = False elevenlabs = ElevenLabs() agent_id = os.getenv("ELEVENLABS_AGENT_ID") api_key = os.getenv("ELEVENLABS_API_KEY") dynamic_vars = { 'user_name': 'Thor', 'greeting': 'Hey' } config = ConversationInitiationData( dynamic_variables=dynamic_vars ) base_model = Resnet50_Arc_loss() eleven_hw = HotwordDetector( hotword="hey_eleven", model = base_model, reference_file=os.path.join("hotword_refs", "hey_eleven_ref.json"), threshold=0.7, relaxation_time=2 ) def create_conversation(): """Create a new conversation instance""" return Conversation( # API client and agent ID. elevenlabs, agent_id, config=config, # Assume auth is required when API_KEY is set. requires_auth=bool(api_key), # Use the default audio interface. audio_interface=DefaultAudioInterface(), # Simple callbacks that print the conversation to the console. callback_agent_response=lambda response: print(f"Agent: {response}"), callback_agent_response_correction=lambda original, corrected: print(f"Agent: {original} -> {corrected}"), callback_user_transcript=lambda transcript: print(f"User: {transcript}"), # Uncomment if you want to see latency measurements. # callback_latency_measurement=lambda latency: print(f"Latency: {latency}ms"), ) def start_mic_stream(): """Start or restart the microphone stream""" global mic_stream try: # Always create a new stream instance mic_stream = SimpleMicStream( window_length_secs=1.5, sliding_window_secs=0.75, ) mic_stream.start_stream() print("Microphone stream started") except Exception as e: print(f"Error starting microphone stream: {e}") mic_stream = None time.sleep(1) # Wait a bit before retrying def stop_mic_stream(): """Stop the microphone stream safely""" global mic_stream try: if mic_stream: # SimpleMicStream doesn't have a stop_stream method # We'll just set it to None and recreate it next time mic_stream = None print("Microphone stream stopped") except Exception as e: print(f"Error stopping microphone stream: {e}") # Initialize microphone stream mic_stream = None start_mic_stream() print("Say Hey Eleven ") while True: if not convai_active: try: # Make sure we have a valid mic stream if mic_stream is None: start_mic_stream() continue frame = mic_stream.getFrame() result = eleven_hw.scoreFrame(frame) if result == None: #no voice activity continue if result["match"]: print("Wakeword uttered", result["confidence"]) # Stop the microphone stream to avoid conflicts stop_mic_stream() # Start ConvAI Session print("Start ConvAI Session") convai_active = True try: # Create a new conversation instance conversation = create_conversation() # Start the session conversation.start_session() # Set up signal handler for graceful shutdown def signal_handler(sig, frame): print("Received interrupt signal, ending session...") try: conversation.end_session() except Exception as e: print(f"Error ending session: {e}") signal.signal(signal.SIGINT, signal_handler) # Wait for session to end conversation_id = conversation.wait_for_session_end() print(f"Conversation ID: {conversation_id}") except Exception as e: print(f"Error during conversation: {e}") finally: # Cleanup convai_active = False print("Conversation ended, cleaning up...") # Give some time for cleanup time.sleep(1) # Restart microphone stream start_mic_stream() print("Ready for next wake word...") except Exception as e: print(f"Error in wake word detection: {e}") # Try to restart microphone stream if there's an error mic_stream = None time.sleep(1) start_mic_stream() ``` ## Configuración del agente #### Inicia sesión en ElevenLabs Ve a [elevenlabs.io](https://elevenlabs.io/app/sign-up) e inicia sesión en tu cuenta. #### Crea un agente nuevo Ve a [Agents Platform > Agents](https://elevenlabs.io/app/agents/agents) y crea un agente nuevo a partir de la plantilla en blanco. #### Configura el primer mensaje Configura el primer mensaje y especifica la variable dinámica para la plataforma. ```txt {{greeting}} {{user_name}}, Eleven here, what's up? ``` #### Configura el prompt del sistema Configura el prompt del sistema. Puedes consultar nuestra documentación de buenas prácticas [aquí](/docs/es/eleven-agents/best-practices/prompting-guide). ```txt You are a helpful Agents Platform assistant with access to a weather tool. When users ask about weather conditions, use the get_weather tool to fetch accurate, real-time data. The tool requires a latitude and longitude - use your geographic knowledge to convert location names to coordinates accurately. Never ask users for coordinates - you must determine these yourself. Always report weather information conversationally, referring to locations by name only. For weather requests: 1. Extract the location from the user's message 2. Convert the location to coordinates and call get_weather 3. Present the information naturally and helpfully For non-weather queries, provide friendly assistance within your knowledge boundaries. Always be concise, accurate, and helpful. ``` #### Configura una herramienta webhook Configuraremos una sencilla herramienta webhook que obtendrá los datos meteorológicos. Sigue los pasos de configuración [aquí](/docs/es/eleven-agents/customization/tools/webhook-tools#configure-the-weather-tool) para configurar la herramienta. ## Ejecuta la app Para ejecutar la app, primero configura las variables de entorno necesarias: ```bash export ELEVENLABS_API_KEY=YOUR_API_KEY export ELEVENLABS_AGENT_ID=YOUR_AGENT_ID ``` Después, ejecuta simplemente el siguiente comando: ```bash python hotword.py ``` Ahora di «Hey Eleven» para iniciar la conversación. ¡Que disfrutes charlando! ## \[Opcional] Entrena tu palabra de activación personalizada ### Genera audio de entrenamiento Para generar las incrustaciones de la palabra de activación, puedes usar ElevenLabs para generar cuatro muestras de entrenamiento. Ve a [Texto a Voz](https://elevenlabs.io/app/speech-synthesis/text-to-speech) en tu app de ElevenLabs e introduce tu palabra de activación, por ejemplo, «Hey Eleven». Selecciona una voz y haz clic en el botón «Generate». Cuando se haya generado el audio, descarga el archivo de audio y guárdalo en una carpeta llamada `hotword_training_audio` en la raíz de tu proyecto. Repite este proceso tres veces más con voces diferentes. ### Entrena la palabra de activación En el terminal, con el entorno virtual activado, ejecuta el siguiente comando para entrenar la palabra de activación: ```bash python -m eff_word_net.generate_reference --input-dir hotword_training_audio --output-dir hotword_refs --wakeword hey_eleven --model-type resnet_50_arc ``` Esto generará el archivo `hey_eleven_ref.json` en la carpeta `hotword_refs`. Ahora solo tienes que actualizar el parámetro `reference_file` de la clase `HotwordDetector` en `hotword.py` para que apunte al nuevo archivo de referencia. ¡Y listo! ## Siguientes pasos #### [ElevenAgents](/docs/es/eleven-agents/quickstart) Crea un agente de voz totalmente gestionado sin manejar flujos de audio manualmente. #### [Guía de inicio rápido de TTS](/docs/es/eleven-api/quickstart) Explora más opciones de texto a voz y personalización de voces.