> 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. # Raspberry PiでAgents Platformを使った音声アシスタントを構築する > **Note** > > **チュートリアル** · [ElevenAgents クイックスタート](/docs/ja/eleven-agents/quickstart)を完了しており、PythonがインストールされたRaspberry Piを使用していることを前提としています。 ## はじめに このチュートリアルでは、Raspberry Pi上で動作するAgents Platformを使って音声アシスタントを構築する方法を学びます。Amazon EchoのAlexa、Google Home、AppleデバイスのSiriといった一般的なホームアシスタントと同様に、Eleven Voiceアシスタントはホットワード（この例では「Hey Eleven」）を聞き取り、ElevenLabs Agentsセッションを開始してユーザーを支援します。 ## 必要なもの * Raspberry Pi 5または同等のデバイス。 * マイクとスピーカー。 * Python 3.9以降がインストールされたマシン。 * [APIキー](https://elevenlabs.io/app/settings/api-keys)を持つElevenLabsアカウント。 ## セットアップ ### 依存関係をインストールする Debianベースのシステムでは、次のコマンドで依存関係をインストールできます。 ```bash sudo apt-get update sudo apt-get install libportaudio2 libportaudiocpp0 portaudio19-dev libasound-dev libsndfile1-dev -y ``` ### プロジェクトを作成する Raspberry Piでターミナルを開き、プロジェクト用の新しいディレクトリを作成します。 ```bash mkdir eleven-voice-assistant cd eleven-voice-assistant ``` 新しい仮想環境を作成し、依存関係をインストールします。 ```bash python -m venv .venv # Only required the first time you set up the project source .venv/bin/activate ``` 依存関係をインストールします。 ```bash pip install tflite-runtime pip install librosa pip install EfficientWord-Net pip install elevenlabs pip install "elevenlabs[pyaudio]" ``` 次に、`hotword.py`という新しいPythonファイルを作成し、以下のコードを追加します。 **`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() ``` ## エージェントの設定 #### ElevenLabsにログイン [elevenlabs.io](https://elevenlabs.io/app/sign-up)にアクセスして、アカウントにログインします。 #### 新しいエージェントを作成 [Agents Platform > Agents](https://elevenlabs.io/app/agents/agents)に移動し、 空のテンプレートから新しいエージェントを作成します。 #### 最初のメッセージを設定 最初のメッセージを設定し、プラットフォーム用の動的変数を指定します。 ```txt {{greeting}} {{user_name}}, Eleven here, what's up? ``` #### システムプロンプトを設定 システムプロンプトを設定します。ベストプラクティスのドキュメントは[こちら](/docs/ja/eleven-agents/best-practices/prompting-guide)で確認できます。 ```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. ``` #### Webhookツールを設定 天気データを取得するシンプルなWebhookツールを設定します。ツールを設定するには、[こちら](/docs/ja/eleven-agents/customization/tools/webhook-tools#configure-the-weather-tool)の手順に従ってください。 ## アプリを実行する アプリを実行するには、まず必要な環境変数を設定します。 ```bash export ELEVENLABS_API_KEY=YOUR_API_KEY export ELEVENLABS_AGENT_ID=YOUR_AGENT_ID ``` 次に、以下のコマンドを実行します。 ```bash python hotword.py ``` 「Hey Eleven」と話しかけると会話が始まります。会話を楽しみましょう！ ## ［任意］カスタムホットワードをトレーニングする ### トレーニング用オーディオを生成する ホットワードの埋め込みを生成するには、ElevenLabsで4つのトレーニングサンプルを生成します。ElevenLabsアプリ内の[テキスト読み上げ](https://elevenlabs.io/app/speech-synthesis/text-to-speech)に移動し、「Hey Eleven」などのホットワードを入力します。音声を選択して「Generate」ボタンをクリックします。 オーディオが生成されたら、オーディオファイルをダウンロードし、プロジェクトのルートにある`hotword_training_audio`フォルダに保存します。別の音声を使ってこの手順をさらに3回繰り返します。 ### ホットワードをトレーニングする 仮想環境を有効にしたターミナルで、次のコマンドを実行してホットワードをトレーニングします。 ```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 ``` これにより、`hotword_refs`フォルダに`hey_eleven_ref.json`ファイルが生成されます。あとは`hotword.py`の`HotwordDetector`クラスにある`reference_file`パラメータを新しい参照ファイルに更新すれば完了です！ ## 次のステップ #### [ElevenAgents](/docs/ja/eleven-agents/quickstart) オーディオストリームを手動で処理せずに、フルマネージドの音声エージェントを構築します。 #### [TTSクイックスタート](/docs/ja/eleven-api/quickstart) テキスト読み上げのオプションと音声のカスタマイズについて詳しく確認します。