· AI · Projekty
Zrobiłem aplikację na Halloween. Straszy AI, a nie ja
W Halloween pod moje drzwi przyjdą dzieci po cukierki. Przywita je postać z AI, porozmawia z nimi i odda cukierki dopiero za rozwiązaną zagadkę. Piszę, z czego to złożyłem i które funkcje były najtrudniejsze.
Wolisz obejrzeć? Rolka, 53 sekundy:
Projekt w liczbach
Jak to działa przy drzwiach
Aplikacja działa w przeglądarce dwóch telefonów. Nic nie trzeba instalować.
- Pierwszy telefon patrzy na ścieżkę. Sam wykrywa ruch kamerą, a mikrofonem głos albo pukanie. Kopią ekranu idzie na rzutnik Samsung Freestyle.
- Z czerni wyłania się postać. Pojawia się na drzwiach albo w oknie, włącza się czerwone światło i na chwilę stroboskop.
- Postać rozmawia z dziećmi. Broni cukierków, stawia 2 albo 3 warunki, na przykład zagadkę albo śmieszne zadanie, i w końcu je oddaje.
- Ja stoję z drugim telefonem. To pilot: efekty, muzyka, wybór postaci, nagrany własny głos i przycisk, który od razu kończy sprawę cukierkami.
Telefon z kamerą
- Wykrywa ruch i pukanie
- Pokazuje postać przez rzutnik
- Prowadzi rozmowę
- Gra muzykę na pierwszym głośniku
Pilot
- Włącza efekty i czuwanie
- Zmienia postacie i muzykę
- Nagrywa i przerabia mój głos
- Gra jako drugi głośnik
Jakich integracji użyłem
Rozmowa: ElevenLabs Agents
Każda postać to osobny agent głosowy po polsku, z własnym głosem, na modelu Gemini 2.5 Flash. Zagadki są dla dzieci w wieku 7-10 lat. Agenci nie straszą na serio i nie pytają o dane dziecka.
Obraz: GPT Image 2.5 i Kling 4.0
Z GPT Image 2.5 powstały postacie, tła i cały wygląd aplikacji. Kling ożywił postacie w trzech pętlach: wejście, słuchanie i mówienie. Każda zaczyna się i kończy tym samym kadrem, żeby nie było widać przejścia.
Dźwięk: ElevenLabs Sound i Suno
14 efektów, 6 kwestii po polsku i 6 utworów w tle. Efekty grają pod muzyką, a muzyka cichnie tylko na czas rozmowy.
Światła: Imou Open Platform
Dwa zdalne gniazdka: czerwone światło i stroboskop. Przełączają się w około 0,25 sekundy, a limit przełączeń na minutę chroni przekaźniki.
Łączność: WebRTC, Web Audio i zwykły hosting
Pilot łączy się ze straszakiem kodem z 6 znaków przez mały skrypt PHP. Głos postaci idzie między telefonami bezpośrednio, przez WebRTC, bez serwera pośredniego.
Funkcje zaawansowane
To tu poszło najwięcej pracy, bo dzieci nie czekają, aż coś się wczyta.
Jak działa przechwycony głos
Biblioteka ElevenLabs sama odtwarza głos agenta. Strona podmienia połączenie WebRTC, zanim biblioteka się wczyta, wycisza jej odtwarzanie i gra głos sama: przez kompresor, wzmocnienie i ogranicznik, na dwa wyjścia. Drugie wyjście trafia bezpośrednio na pilota.
Dlaczego dzieci nie mogą przerwać postaci
Dzieci mówią jedno przez drugie, więc postać przerywana co chwilę urywałaby zdanie. Agenci nie reagują na przerwanie, a mikrofon jest zamknięty, gdy postać mówi lub myśli. Napis „Mów...” pojawia się po 0,9 s ciszy postaci, a gdy skończą dzieci, postać przygasa i pokazuje „Ciii... myślę...”.
Jak obraz żyje w rytmie głosu
Podjazd obrazu i światło liczone są na żywo z głośności postaci. Co 14-26 sekund mówienia postać urywa się w czerni z krótkim dźwiękiem i błyskiem, jak zakłócenie sygnału.
Jak pilnuję kosztów i bezpieczeństwa
Agenci działają tylko z mojej domeny, najwyżej jedna rozmowa naraz, 80 na dobę, do 5 minut, koniec po 45 s ciszy. Klucz API nie trafia do przeglądarki ani na hosting. Po Halloween agentów wyłączam.
Co z tego wynika dla firm
Agent głosowy, który broni cukierków, i agent, który odbiera telefony w firmie, to ta sama technologia. Trudności też są te same: kiedy człowiek skończył mówić, jak ograniczyć koszty i o czym agentowi nie wolno rozmawiać.
Największe wrażenie robi tu połączenie zwykłych rzeczy: telefonu, rzutnika, głośnika i gniazdka. Tak samo jest w marketingu. Rzadko brakuje nowego narzędzia, częściej kogoś, kto spina te, które już są.
Najczęstsze pytania
Czy aplikacja nagrywa dzieci?
Kamera służy tylko do wykrywania ruchu w telefonie. Rozmowa idzie głosem do agenta ElevenLabs, który nie pyta o dane dziecka.
Ile kosztuje taka zabawa?
Minuta rozmowy to około 0,40-0,50 zł. Do tego jednorazowe generowanie grafik, filmów i dźwięków oraz sprzęt, jeśli go nie masz: rzutnik, głośniki i zdalne gniazdka.
Czy mogę z niej skorzystać?
Na razie to mój prywatny projekt przy moich drzwiach. Więcej szczegółów jest na stronie projektu.
Chcesz spiąć AI z tym, co już masz w firmie?
W 15 minut powiem, od czego zacząć u Ciebie.
Umów bezpłatne 15 minut →
