Claude mit lokalen AI Voice Models kombinieren für Meeting-Partizipation

Text-to-Speech Service auswählen und API-Key generieren

Wähle einen TTS-Service wie ElevenLabs, OpenAI TTS, oder Google Cloud Text-to-Speech und generiere API-Credentials

Response-Generierungs-Prompt für Claude einrichten

Erstelle einen Prompt, der Claude instruiert, kurze, professionelle Meeting-Antworten zu generieren

Prompt: 'Wenn jemand im Meeting eine Frage stellt, antworte mit 1-2 Sätzen professioneller Zustimmung und Bestätigung. Beispiel: "Ja, das ist ein guter Punkt. Ich arbeite bereits daran."'

TTS Integration mit Python implementieren

Schreibe ein Python Script, das Claude Outputs zu Sprache konvertiert

from elevenlabs import client, play

def text_to_speech(text: str):
    response = client.text_to_speech.convert(
        voice_id="EXAVITQu4vr4xnSDxMaL",
        output_format="mp3_22050_32",
        text=text,
        model_id="eleven_monolingual_v1",
    )
    play(response)

# Claude Output zu Sprache
clausde_response = "Ja, das ist eine gute Idee."
text_to_speech(claude_response)

Audio-Output zu Mikrofon-Input routen

Nutze Virtual Audio Cable oder ähnliche Tools, um TTS Output als Mikrofoneingang für Zoom/Meet zu nutzen

# MacOS: Nutze BlackHole für Virtual Audio Routing
# 1. Installiere BlackHole
# 2. Setze BlackHole als Standard Output für TTS
# 3. Konfiguriere Zoom/Meet um BlackHole als Input zu nutzen

Speech-to-Text für Meeting-Kontext hinzufügen

Nutze Whisper oder ähnlich um das, was im Meeting gesagt wird, zu transkribieren, damit Claude verstehen kann

import openai

audio_file = open("meeting_audio.mp3", "rb")
transcript = openai.Audio.transcribe("whisper-1", audio_file)
meeting_context = transcript["text"]

# Nutze Meeting-Kontext für Claude Prompt
prompt = f"Im Meeting wurde gesagt: {meeting_context}. Antworte kurz und professionell."

Timing und natürlichkeit optimieren

Füge Verzögerungen ein und simuliere menschliches Verhalten (Hesitation, Pausen)

import time
import random

def speak_naturally(text: str):
    # 0.5-2 Sekunde Verzögerung vor Antwort (als würde person denken)
    time.sleep(random.uniform(0.5, 2))
    text_to_speech(text)
    # Simulation von Atempausen alle 10-15 Wörter
    words = text.split()
    if len(words) > 15:
        text = text.replace('. ', '. [PAUSE] ')