Discutez avec DeepSeek R1 grâce à l'IA conversationnelle d'ElevenLabs

Tout le monde parle de DeepSeek ces derniers temps, mais personne ne s’est arrêté pour se demander : quelle serait la voix de DeepSeek s’il pouvait parler ? C’est là que l’IA conversationnelle d’ElevenLabs entre en jeu pour permettre de parler à DeepSeek R1.

L’IA conversationnelle d’ElevenLabs est une plateforme permettant de déployer des agents vocaux conversationnels personnalisés, en temps réel. L’un de ses principaux atouts est sa flexibilité : vous pouvez connecter différents LLM selon vos besoins. 

L’option LLM personnalisé fonctionne avec tout fournisseur d’API compatible avec OpenAI, à condition que le modèle prenne en charge l’utilisation d’outils ou l’appel de fonctions. Notre documentation propose des guides pour GroqCloud, Together AI et Cloudflare. Pour la démo suivante, nous utilisons Cloudflare.

Nous utilisons le modèle DeepSeek-R1-Distill-Qwen-32B, un modèle distillé à partir de DeepSeek-R1 et basé sur Qwen2.5. Il surpasse OpenAI-o1-mini sur plusieurs benchmarks et établit de nouveaux résultats de référence pour les modèles denses. 

Nous utilisons principalement la version distillée, car les versions pures ne fonctionnent pas encore de manière fiable avec l’appel de fonctions. En fait, le modèle de raisonnement R1 ne prend pas du tout encore en charge l’appel de fonctions. Vous pouvez suivre ce problème pour rester informé de leurs avancées.

Premiers pas avec l’IA conversationnelle d’ElevenLabs

Connecter un LLM personnalisé est relativement simple et commence par la création d’un agent. Pour ce projet, nous utiliserons le modèle Math Tutor. Si vous souhaitez simplement entendre DeepSeek, une démo de l’agent vous permet de l’essayer par vous-même.

Pour commencer, accédez à la page de l’application d’IA conversationnelle d’ElevenLabs et créez un nouvel agent IA nommé « DeepSeeker ». Sélectionnez le modèle Math Tutor, un cas d’usage dans lequel le raisonnement de DeepSeek peut exceller, puis sélectionnez « Créer un agent ».

Le modèle de mathématiques comprend un prompt système qui garantit la lecture des nombres et des équations en langage naturel, plutôt que tels qu’ils sont écrits par le LLM. Par exemple, nous lui demandons d’écrire « Alpha multiplié par x au carré est égal à 4 » si la réponse du LLM est « ax^2=4 ». 

Les modèles de raisonnement expliquent généralement leur « chaîne de pensée », mais nous pouvons aussi enrichir le prompt système afin d’obtenir un cours de mathématiques de qualité, par exemple en précisant qu’il doit présenter le raisonnement de la solution étape par étape. Vous pouvez rester général ou enrichir le prompt avec des exemples précis dont il pourra s’inspirer.

Toutefois, si vous souhaitez réellement vous faire une idée de la personnalité de DeepSeek R1, vous pouvez créer un modèle vierge demandant à l’agent de se présenter comme DeepSeek AI, puis configurer le prompt système afin qu’il réponde à des questions sur divers sujets. 

Configurer DeepSeek R1 avec Cloudflare Workers AI

Nous devons ensuite obtenir un endpoint d’une version de DeepSeek R1 à utiliser avec notre agent. Dans cet exemple, nous utiliserons Cloudflare, qui propose DeepSeek-R1-Distill-Qwen-32B sur sa plateforme Workers AI à des fins d’évaluation, mais vous pouvez également envisager d’autres options d’hébergement telles que fireworks.ai, GroqCloud et together.ai

Commencez par accéder à dash.cloudflare.com et créez un compte ou connectez-vous. Dans la navigation, sélectionnez IA > Workers AI, puis cliquez sur le widget « Use REST API ».

Pour obtenir une clé API, cliquez sur « Create a Workers AI API Token » et veillez à la conserver en lieu sûr.

Une fois votre clé API obtenue, vous pouvez l’essayer immédiatement avec une requête curl. Cloudflare propose un endpoint d’API compatible avec OpenAI, ce qui simplifie l’opération. Notez alors le modèle et l’endpoint complet, y compris l’ID de compte.

Par exemple : https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}c/ai/v1/

curl https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/v1/chat/completions \
  -X POST \
  -H "Authorization: Bearer {API_TOKEN}" \
  -d '{
     "model": "@cf/deepseek-ai/deepseek-r1-distill-qwen-32b",
     "messages": [
       {"role": "system", "content": "You are a helpful assistant."},
       {"role": "user", "content": "How many Rs in the word Strawberry?"}
     ],
     "stream": false
   }'

Configurez votre LLM personnalisé dans ElevenLabs

L’étape suivante consiste à ajouter ces informations à votre agent dans ElevenLabs. Accédez d’abord à votre agent IA DeepSeeker dans l’application ElevenLabs et, tout en bas, ajoutez votre nouvelle clé API en tant que secret. Donnez-lui un nom tel que CLOUDFLARE_AUTH_TOKEN, puis enregistrez les modifications.

Ensuite, sous LLM, sélectionnez l’option LLM personnalisé et indiquez l’endpoint d’API compatible avec OpenAI de Cloudflare Workers AI : https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/v1

Veillez à remplacer « {ACCOUNT_ID} » dans l’URL par l’ID de votre compte affiché dans Cloudflare.

Ajoutez l’ID du modèle : @cf/deepseek-ai/deepseek-r1-distill-qwen-32b

Enfin, sélectionnez le secret que vous venez de créer.

Testez-le

Parfait, maintenant que tout est configuré, cliquez sur « Test AI agent » et testez-le avec le problème de mathématiques suivant :

« Deux trains se croisent en allant vers l’est et l’ouest, à des vitesses respectives de 65 mph et 85 mph. Au bout de combien de temps seront-ils séparés de 330 miles ? »

Remarque : si vous n’avez pas configuré de moyen de paiement, l’API Cloudflare Workers AI sera limitée et les temps de réponse pourraient être plus longs. Veillez à configurer votre compte de facturation avant la mise en production. Ce problème peut ne pas se produire avec d’autres plateformes d’hébergement.

Conclusion

Créer des agents IA conversationnels en temps réel avec la plateforme d’IA conversationnelle d’ElevenLabs vous permet de réagir rapidement à la sortie de nouveaux modèles, en connectant des LLM personnalisés via tout fournisseur d’API compatible avec OpenAI.

Dès lors que le modèle que vous souhaitez utiliser est compatible avec OpenAI et prend en charge l’appel de fonctions, vous pouvez l’intégrer à un agent vocal en temps réel. Cela peut inclure des modèles que vous avez affinés sur des jeux de données personnalisés. Vous pouvez également utiliser n’importe quelle voix disponible dans la bibliothèque d’ElevenLabs, ou votre propre voix si vous avez créé un clone de votre propre voix.