第5章 Human Agent

完整文档索引请见 llms.txt。本页面也提供 Markdown 版本。

Human Agent

Ojin 的明星产品，为你的 AI agent 添上一张脸。一个逼真的视觉形象（avatar），能说话、倾听、表达情绪，动画实时同步，一行代码即可嵌入。

概述

Human Agent 是 Ojin 提供的开箱即用的完整对话式 agent：它将语音到语音（STS）与逼真的动画面孔结合，底层使用 Ojin 的人脸模型 Human Presence 或 Human Portrait，打包成一个产品。你无需自己拼接 STT、LLM、TTS 和 avatar 服务，只需在 Ojin 控制台创建 agent，在网站上嵌入一个 widget，用户就能与全动画形象进行实时对话。这是上线对话 agent 最快的方式，完全不用自己搭建 pipeline。

核心特性

逼真的视觉形象：agent 拥有嘴唇同步、表情自然的面孔 端到端对话式 AI：语音进、语音出，无需组装 pipeline 实时：通过 WebRTC 传输音频、视频和信令 无需组装 pipeline：Ojin 管理完整的 speech-to-speech 技术栈（也可自带 provider） 即插即用 widget：一个 HTML 标签即可嵌入任意网页 控制台配置：无需写代码即可创建、配置和监控 agent

Agent 模式

Ojin Agent（托管模式）

你只需配置性格与外观、system prompt、面孔、声音和行为，其余一切——对话 pipeline、avatar 渲染、基础设施——都由 Ojin 处理。你无需接触或管理底层 provider。

第三方 Agent

你使用自己的 speech-to-speech provider：ElevenLabs Agents 或 OpenAI Realtime（Hume 可根据申请向已开通的组织提供）。Ojin 负责视觉形象层并通过 Ojin 基础设施运行 agent。你在控制台填入该 provider 的凭证即可（ElevenLabs Agents 需要 API key 和 agent ID；OpenAI Realtime 需要 API key，其他设置为可选），其余交给 Ojin。

工作原理

在 Ojin 控制台创建 agent：选择模式、配置并发布 从 agent 设置页获取 agent ID 在网站嵌入 widget，或在后端调用 Session API 用户通过 WebRTC 交互：音频、视频和实时形象共用一条连接

Agent 上线后，一次会话的流程如下：

以上所有步骤 widget 都会自动完成。只有在构建自定义客户端时才需要直接调用 Session API。自定义客户端必须根据 provider 分支处理（daily 或 livekit），因为两者的加入参数不同：

Daily 使用 room_url 和 token 加入，房间号包含在 URL 中。 LiveKit 将 room_url 作为服务器 URL，另需 room_name 和 token，URL 中不含房间信息。

无论哪种方式，请保留 room_name：cancel 端点需要用到它。

使用场景

客户支持：让客户与逼真的 agent 对话，而非冷冰冰的聊天机器人 销售：用对话式形象问候并筛选潜在客户 教育：打造语音、表情自然的互动导师 医疗：创建有同理心的虚拟健康助手 前台接待：在网站或自助终端部署数字前台

定价

Agent 会话按用量计费。套餐和单次会话费用详情请访问 ojin.ai/pricing。

快速开始

创建 API key：为 Ojin 平台配置身份认证 创建并配置 agent：设置外观、声音和行为 Widget 集成：将 agent 嵌入网页 Session API 文档：用于 widget 之外的自定义集成

上一篇：数据删除 下一篇：创建并配置

最后更新于 26 天前。这篇文章有帮助吗？