titel: Wer hört zu? Auswahl der Berater, Mikrofon und die drei Verbesserungswege
erstellt: 2026-10-31
status: Stand heute gilt; Verbesserung beschlossen, aber noch nicht gebaut
betrifft: agents.py (Tonannahme), AntwortBaum.tsx / MeetingAdvisors.tsx (Auswahl), docs/21 (Servergröße)
tags: [sprache, mikrofon, auswahl, berater, entscheidung]
Ein Berater hört erst zu, wenn er ausgewählt ist. Im Code steht das in
/root/meeting-test-agents/agents.py:
selected = json.loads(packet.data.decode()).get('selected', '')
selected_for_me = selected == which # which = mia, ben, makler …
session.input.set_audio_enabled(selected_for_me)
if not selected_for_me:
session.interrupt(force=True) # laufende Antwort abbrechen
Die Auswahl schickt die Oberfläche als Datenbotschaft auf dem Thema
meeting-selection (AntwortBaum.tsx, MeetingAdvisors.tsx):
await room.startAudio(); // Browser-Ton freischalten
room.localParticipant.publishData(
new TextEncoder().encode(JSON.stringify({ selected: which })), …)
Was das für die Bedienung heißt:
Sperre). Auch deshalb kommt vor dem ersten Klick kein Ton.
bricht dessen laufende Antwort ab.
Ohne Auswahl müssten alle sechs Berater dauerhaft Sprache erkennen: sechs
Silero-VAD-Ketten plus sechs Spracherkennungs-Verbindungen
(openai.STT, Modell gpt-4o-transcribe).
Gemessen am 31.10.2026 auf dem Lernserver (cx23: 2 Kerne, 4 GB):
| Messwert | Wert |
|---|---|
| Speicher belegt | 3 469 von 3 819 MB |
| Last im Leerlauf | 0,11 |
| Berater-Prozesse | 6 Dienste à 1 Prozess (Reserve 0) |
Sechs Dauer-Erkennungen wären auf diesem Server nicht zu halten — und sie kosten
laufend Geld, weil jede Erkennung pro Minute abgerechnet wird. Die Auswahl ist
deshalb kein Versehen, sondern die billigste Lösung.
| Weg | Was passiert | Kosten/Aufwand | Auf diesem Server? |
|---|---|---|---|
| A — so lassen | Ein Klick wählt, wer zuhört | nichts | ja |
| B — ein Berater hört immer mit (Vorschlag: Mia) | Mia erkennt dauerhaft Sprache, prüft, ob ein Name fällt, und gibt an den genannten Berater weiter | eine zusätzliche Dauer-Erkennung; Code in agents.py (Namensprüfung + Weiterleitung) | knapp; sauber ab 8 GB |
| C — alle hören immer | jeder Berater erkennt dauerhaft, antwortet nur, wenn er angesprochen wird | sechs Dauer-Erkennungen: Rechenlast und Kosten pro Minute | nein, würde stocken |
Beschlossen am 31.10.2026 (Franz): vorerst Weg A beibehalten, die
Optionen hier festhalten. Weg B wird der nächste Schritt — sinnvoll zusammen
mit dem Wechsel auf cx33 (4 Kerne, 8 GB, 10,19 € statt 6,59 €, siehe
docs/21-NAECHSTER-AUFBAU-PERFORMANCE.md).
session.input.set_audio_enabled(True) dauerhaft für einen Berater(Mia), die anderen bleiben wie heute.
(„Ben", „Makler", „Investor", „Fischer", „Handwerker") — Groß-/Kleinschreibung
und Sprachvarianten beachten.
meeting-selection, die heute der Browser sendet) und beantwortet die Frage
nicht selbst.
(b) „Ben, was meinst du" → Ben antwortet, Mia nicht; (c) Last bleibt unter
der Schwelle berater_last_schwelle, sonst schickt LiveKit niemanden mehr.
Die Abnahme prüft Dienste, Ports, Raum und Zertifikat — nicht, ob ein
Mensch gehört wird. Ein Probeanruf bleibt Handarbeit: antippen, sprechen,
Antwort abwarten. Steht auch in docs/19-…, Abschnitt Abnahme.