Sesli yapay zekâ geliştirmede kodlama ajanları daha esnek: AssemblyAI

Sesli yapay zekâ ajanları geliştirirken kodlama ajanları, özel işlevler ekleme ve uzun vadeli bakım açısından görsel araçlardan daha esnek olabiliyor. Görsel araçlar ise hızlı prototip hazırlamada öne çıkıyor.

AssemblyAI, 30 Eylül’de yayımladığı yazıda kodlama ajanlarının karmaşık özellikler ekleme ve uzun vadeli bakım konusunda daha esnek olduğunu savundu. Şirket, görsel araçların hızlı prototip oluşturma avantajını da kabul etti.

Görsel araçlarda geliştiriciler, önceden hazırlanmış bileşenleri seçip birbirine bağlıyor. Böylece doğrudan kod yazmadan sesli konuşma özelliklerini hızla deneyebiliyorlar.

Ancak AssemblyAI’ye göre şirket içi API’leri bağlamak, ürünü farklı kullanım ortamlarına göre değiştirmek veya hata durumunda yeniden deneme kuralları eklemek gibi ihtiyaçlar arttığında sabit ekranlar ve seçenekler yetersiz kalabiliyor. Şirket, bu tür özel gereksinimlerde kodla geliştirmenin daha esnek olduğunu düşünüyor.

AssemblyAI, kodlama ajanlarının hazırladığı kodun depoda incelenip test edilebildiğini ve mevcut dağıtım sürecine alınabildiğini belirtti. Şirket, geliştirme süresi veya bakım maliyetini aynı koşullarda karşılaştıran bir deney sonucu sunmadı. Paylaştığı konuşma tanıma kıyaslaması ise geliştirme yöntemlerini değil, ses modelinin tanıma doğruluğunu ölçüyor.

Kodlama ajanları, gereksinimleri alıp kod yazan, çalıştırma sonuçlarını kontrol eden ve ardından kodu yeniden düzenleyen araçlar. AssemblyAI, geliştiricilerin istedikleri davranışı açık ve somut biçimde tarif etmesi gerektiğini vurguladı.

Kod yazımı otomatikleşse de geliştiricilerin üretilen sonucun amaca uygun olup olmadığını okuyup denetlemesi gerekiyor. AssemblyAI, geliştiricilerin kodda beklenmedik sonuçları fark edebilmesi gerektiğini belirtti.

AssemblyAI’nin geliştirici belgeleri, kodlama ajanlarının güncel API açıklamalarına başvurması için llms.txt, proje yönerge dosyaları ve Docs MCP sunucusundan yararlanma yöntemlerini anlatıyor. Amaç, desteklenen alanları ve parametreleri kontrol ederek eski bilgilere dayanma riskini azaltmak.

AssemblyAI Voice Agent API, konuşma tanımayı, diyalog modelini ve ses sentezini tek bir bağlantıda sunuyor. Şirketin belgelerinde Python ve JavaScript başlangıç projeleri de yer alıyor.

Geliştiriciler örnek ajanı hesaplarına dağıttıktan sonra tarayıcıda konuşmayı deneyebiliyor. Bu adımlar, belgelerde açıklanan başlangıç sürecinin parçası.

Proje yapısını, çalıştırma ve test yöntemlerini açıklayan AGENTS.md dosyasının kullanım örnekleri daha önce TokenPost’ta da ele alınmıştı. AssemblyAI belgeleri de proje yönerge dosyalarını kodlama ajanlarına bilgi aktarma yöntemlerinden biri olarak gösteriyor.

Görsel araçlar ile kodla geliştirme arasında mutlaka tek bir yöntem seçmek gerekmiyor. LiveKit, Agent Builder üzerinden tarayıcıda basit bir sesli ajan oluşturma olanağı sunuyor.

LiveKit, oluşturulan Python projesinin indirilip SDK özellikleriyle genişletilebilmesini sağlıyor. İndirilen projede kodlama ajanlarına yönelik bir AGENTS.md dosyası da bulunuyor.

LiveKit Builder’da konuşma talimatları, karşılama mesajı ve ses modeli ekrandan ayarlanabiliyor. HTTP araçlarıyla harici API’lere ve hizmetlere istek göndermek de mümkün.

LiveKit belgeleri, iş akışları ve testler gibi bazı SDK özelliklerinin Builder’da desteklenmediğini belirtiyor. Araçların sunduğu özellikler ürüne göre değişirken LiveKit, ekranda başlatılan ajanı kodla genişletme seçeneği sunuyor.