Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Parece que este servicio está en espera
Construiré agentes de voz AI y asistentes con visión
ProAI
Acerca de este Servicio
Traducción automática
Tus clientes esperan conversaciones naturales, no chatbots torpes. Construyo agentes de AI que ven, escuchan y responden como humanos.
Lo que obtienes
Construyo agentes de voz y visión listos para producción usando LiveKit Agents, Gemini Live y OpenAI Realtime API:
- Agentes de voz: conversaciones telefónicas naturales, disponibilidad 24/7
- Agentes de visión: agentes que "ven" mediante webcam o compartiendo pantalla
- Multimodal: combina voz + visión para experiencias inmersivas
- Telefonía: integración SIP autoalojada (llamada activa)
Lo que entrego
- Código completo del agente de voz
- Implementación en LiveKit
- Integración SIP/telefonía (opcional)
- Diagrama de arquitectura
- Soporte de 30 días
Por qué elegirme
- Especialista en LiveKit Agents
- Experiencia en Gemini Live y OpenAI Realtime API
- Telefonía autoalojada con llamada activa y Voxtra
- Resultados: 70% menos llamadas perdidas, más de 15 horas a la semana ahorradas
¿Listo para ir más allá de los chatbots? Haz clic en "Ordena ahora" o envíame un mensaje para una cotización personalizada.
Conoce a ProAI
ProAI
Integra8ai
- DeNigeria
- Miembro desdesep 2021
Idiomas
Inglés, Francés, Español, Árabe
I'm an AI Agent Architect building production-grade, enterprise-ready AI solutions that bridge open-source frameworks with secure cloud infrastructure.
What I build:
• Multi-agent systems (LangGraph, CrewAI, Swarms)
• Voice & Vision AI (LiveKit, Gemini Live)
• Secure RAG & Document Intelligence (LlamaIndex, AWS Bedrock)
• Self-hosted Telephony (active-call, Voxtra)
• Custom Model Fine-Tuning (SageMaker, NVIDIA DGX)
My stack: AWS (Bedrock, SageMaker) + NVIDIA (Triton, NeMo) + MCP/A2A standards.
Security-first: VPC self-hosting, IAM, Guardrails, human-in-the-loop.
DM for a unique Experience.
Traducción automática
Mi porfolio
FAQ
Traducción automática
¿Qué es un agente de voz?
Un agente de voz es una IA que puede mantener conversaciones naturales y similares a las humanas por teléfono o interfaces de voz. Puede atender llamadas 24/7, reservar citas, manejar consultas de clientes e integrarse con tu CRM, todo sin intervención humana.
¿Qué es un agente de visión?
Un agente de visión puede "ver" mediante webcam o compartiendo pantalla. Usando LiveKit Agents con suscripción a pista de video, el agente puede analizar lo que el usuario muestra, ya sea un defecto en un producto, un documento o una pantalla, y ofrecer orientación en tiempo real.
¿Qué marcos utilizas?
Utilizo LiveKit Agents para transporte de medios en tiempo real, Gemini Live para comprensión multimodal nativa y OpenAI Realtime API para voz de nivel empresarial. Para telefonía, uso active-call (puerta de enlace SIP/WebRTC en Rust) y Voxtra (framework en Python para integración con Asterisk).
¿El agente puede hacer y recibir llamadas telefónicas?
Sí. La opción Premium incluye integración SIP autoalojada con active-call. El agente puede manejar llamadas entrantes, realizar llamadas salientes e integrarse con tu sistema telefónico existente.
¿El agente de voz es seguro?
Sí. Todos los despliegues son completamente autoalojados dentro de tu infraestructura. Para clientes del sector salud, puedo desplegar cumpliendo con HIPAA; los datos de tus pacientes nunca salen de tu control. Implemento Bedrock Guardrails para filtrado de contenido y redacción de PII.
¿Qué debo proporcionar?
Necesitarás: (1) claves API para STT (Deepgram, Whisper) y TTS (ElevenLabs, Google TTS), (2) claves API para LLM (OpenRouter, OpenAI, AWS Bedrock), (3) acceso a la nube para despliegue y (4) un número de teléfono (Twilio o proveedor SIP) si deseas integración de telefonía.
¿Cuál es la diferencia entre Básico, Estándar y Premium?
Básico (300$): agente de voz con 3-5 intenciones, LiveKit, STT/TTS básico, 7 días. Estándar (1500$): agente avanzado con más de 10 intenciones, integración CRM, memoria de conversación, 14 días. Premium (5000$): multimodal completo (Voz + Visión), Gemini Live, telefonía SIP, autoalojamiento en VPC, entrenamiento, 21 días.
¿El agente puede entender diferentes idiomas?
Sí. El agente de voz puede configurarse para múltiples idiomas. También puedo adaptarlo a acentos regionales y conversaciones en varios idiomas (disponible como extra en el gig).
¿Qué pasa si necesito una voz personalizada?
Puedo integrar con ElevenLabs u otros proveedores de TTS para crear una voz personalizada que coincida con tu marca. Indícame tus requisitos y te ofreceré una cotización personalizada.
¿Cuánto tarda la entrega?
Básico: 7 días. Estándar: 14 días. Premium: 21 días. Si lo necesitas más rápido, selecciona el extra "Entrega ultra rápida".
