Jetzt konnte ich Joris anrufen

Nach der Bildanalyse war die Frage, wie ich meinen Assistenten erreichen konnte, noch längst nicht abgeschlossen. Im Browser war er da. Über Telegram konnte ich ihm von unterwegs schreiben. Aber bei mir zu Hause gab es noch andere Geräte, über die ich ohnehin kommunizierte.

Warum sollte ich Joris nicht einfach anrufen können?

Eine kleine Telefonanlage im eigenen Netzwerk

Dafür installierte ich miniSIPServer als Docker-Container auf meinem NAS. Damit hatte ich eine kleine Telefonanlage im eigenen Netzwerk. SIP ist dabei das Protokoll, über das sich die Teilnehmer anmelden und Anrufe aufbauen. Für meinen Versuch brauchte ich zunächst keinen externen Telefonanschluss.

Ich meldete Joris als eigenen SIP-Teilnehmer an dieser Anlage an – sozusagen als Telefon mit einer eigenen Nebenstelle. Dazu kamen meine Gira-G1-Panels und die DoorBird-Türklingel. Geräte, die vorher unterschiedliche Aufgaben hatten, waren damit über dieselbe Anlage erreichbar.

Die Türklingel konnte die Gira-Panels bereits gemeinsam anrufen; auch ihr Kamerabild war dort zu sehen. Jetzt gehörte mein selbst gebauter Assistent ebenfalls zu diesem Kreis von Teilnehmern.

Mein Assistent ging ans Telefon

Am Gira G1 im Obergeschoss funktionierten schließlich beide Richtungen: Joris konnte dort anrufen, und ich konnte ihn von dort aus erreichen. Bei einem eingehenden Anruf nahm er ab und begrüßte mich mit seiner eingestellten Stimme. Danach konnte das Gespräch beginnen.

Ganz ohne Umwege ging das nicht. Ein gespeicherter Favorit im Gira zeigte zunächst auf die falsche SIP-Adresse. Der Anruf erreichte Joris deshalb überhaupt nicht. Nachdem das Ziel auf die erreichbare Telefonanlage zeigte, funktionierte auch dieser Weg. Manchmal lag die nächste Hürde ganz schlicht in einer Adresse.

Ein neuer Zugang zum vertrauten Assistenten

Ähnlich wie bei Telegram wollte ich auch hier die vorhandene Gesprächsverarbeitung nutzen. Die Telefonie kümmerte sich um den Anruf und die Übertragung der Sprache. Was ich sagte, ging anschließend durch die bestehenden Bausteine meines Assistenten.

Anruf über den Gira G1
          ↓
Interne SIP-Anlage verbindet mit Joris
          ↓
Whisper wandelt meine Sprache in Text um
          ↓
Joris verarbeitet die Eingabe im gemeinsamen Gesprächskern
          ↓
Piper erzeugt die gesprochene Antwort
          ↓
Die Antwort ist am Gira G1 zu hören

Ich musste dafür keinen zweiten Assistenten bauen. Spracherkennung, Gesprächslogik und Sprachausgabe waren bereits vorhanden. Neu war der Weg, auf dem meine Stimme hineinkam und seine Antwort wieder zu mir gelangte.

Trotzdem musste ich an diesem Weg arbeiten. Ein Telefonat braucht einen klaren Wechsel zwischen Zuhören und Antworten. Die Begrüßung durfte nicht als meine Eingabe verarbeitet werden, und beim Auflegen mussten auch die laufenden Verarbeitungsschritte enden. In der Weboberfläche zeigte ein Telefon-Widget den Anruf und den Gesprächsverlauf; dort konnte ich ebenfalls auflegen.

Auch die bekannten Wartezeiten tauchten wieder auf. Wenn das Sprachmodell erst beim ersten Satz geladen wurde, merkte ich das sofort. Bei aktivierter Telefonie blieb es deshalb geladen. Eine laufende Antwort durch Dazwischenreden zu unterbrechen, war dagegen noch eine offene Aufgabe.

Und dann war da noch die Türklingel

Die Verbindung zwischen Joris und dem Gira hatte ich praktisch ausprobiert. Mit der Türstation im selben System konnte ich nun darüber nachdenken, welche Gespräche ich an meinen Assistenten weitergeben wollte. Ein klingelndes Gerät, ein Gespräch und eine Aktion im Haus waren dabei weiterhin verschiedene Dinge. Dass Joris erreichbar war, sollte nicht automatisch jede mögliche Handlung auslösen.

Vorerst blieb es intern

Dieser Aufbau lief zunächst innerhalb meines Netzwerks. Genau dort wollte ich anfangen: mit meinen Geräten und einem Gesprächsweg, den ich selbst ausprobieren konnte.

Für mich war schon der interne Anruf ein großer Schritt. Am Anfang hatte ich darauf gewartet, dass mein Computer überhaupt etwas sagte. Jetzt konnte ich meinen Assistenten über ein anderes Gerät im Haus anrufen und seine Antwort dort hören.

Aus einer Anwendung auf meinem Rechner war ein erreichbarer Gesprächspartner geworden. Nicht überall und nicht für jede Aufgabe. Aber an einer weiteren Stelle meines Alltags, an die ich beim ersten Versuch noch gar nicht gedacht hatte.