Claude Code + AssemblyAI: The Easiest Voice Agent You Can Build!
三句話摘要
用 Claude Code 搭配 Assembly AI 語音代理 API，下午內快速構建能預訂行事曆的語音助手。 使用 API 官方系統提示詞搭配 Claude Code，能將複雜的語音代理開發時間從團隊一個月縮短到個人一下午，成本透明且低廉。 API 整合化設計簡化開發複雜度——傳統做法需要串接語音轉文字、模型推理、文字轉語音三個服務且文件各異，Assembly AI 統一在一個 API 後面，減少出錯點且只付一份賬單。
重點整理
重點- 1
API 整合化設計簡化開發複雜度——傳統做法需要串接語音轉文字、模型推理、文字轉語音三個服務且文件各異，Assembly AI 統一在一個 API 後面，減少出錯點且只付一份賬單。
- 2
系統提示詞是關鍵——Assembly AI 提供的系統提示詞包含 API 格式、瀏覽器兼容性、工具調用結構、換人檢測等細節，貼入 Claude Code 能讓它從第一次就寫對代碼，而非依賴模型猜測。
- 3
互動式規畫流程降低決策摩擦——Claude Code 理解系統提示詞後會逐步提問（區域、日曆系統、API 金鑰等），確認各項後才執行，使用者只需答題而非手動編碼。
- 4
成本透明且具競爭力——$4.50/小時包含整個堆棧，按實際通話秒數計費，無隱藏成本，相比 OpenAI $18/小時便宜，且具備斷線重連、即時提示詞更新等功能。
實用技巧與重點
乾貨- Assembly AI 定價：$4.50/小時（包含語音識別、模型、文字轉語音、換人檢測）
- OpenAI 實時 API 定價：$18/小時，按音頻令牌計費（成本不可預測）
- DeepGram 定價：$4.50/小時，但按元件逐項計費
- 語音 ID：Ivy（預設）、James（可選更溫暖的聲音）、Winter（可選）
- 日曆整合：Cal.com（演示中使用，包含 Google Calendar 同步）
- API 金鑰來源：Assembly AI 官方儀表板 → API Keys、Cal.com 應用設置 → Developer → API Keys
- 系統提示詞來源：Assembly AI 官方快速開始文件（提供完整集成提示詞）
- 響應延遲：1 秒，與 OpenAI 相同
- 特有功能：斷線自動重連、無需拆解會話即可更新提示詞或語音
- 構建工具：Claude Code（AI 編碼助手）
- 應用場景示例：諮詢業務的客戶接待助手
結論
結論“使用 API 官方系統提示詞搭配 Claude Code，能將複雜的語音代理開發時間從團隊一個月縮短到個人一下午，成本透明且低廉。”
完整解析
詳細傳統的語音代理構建涉及三個獨立服務的艱難整合：語音轉文字服務、語言模型推理，以及文字轉語音輸出。每個服務都有各自的文件、配置與計費模式，使開發人員在串接過程中容易出錯。Assembly AI 的創新在於將這三個功能統一在單一 API 連接後面——音頻進、音頻出，中間的語音識別、模型選擇、語音生成與換人檢測全部由 API 管理。這種整合大幅降低了複雜度。
Assembly AI 進一步提供了一份系統提示詞，專門為 Claude Code 等 AI 編碼助手設計。這份提示詞包含了 API 實際需要的音頻格式、瀏覽器相容性注意事項、工具調用的結構化方式，以及能產生自然對話感的換人檢測預設值。講者強調：不是直接要求 Claude Code 寫語音代理，而是先將整個系統提示詞貼入，讓 Claude Code 理解所有規則。這樣可以避免 Claude Code 仰賴模型猜測，從而確保代碼在第一次就能正確運行。
實際構建流程簡單到只需複製貼上。貼入提示詞後，Claude Code 會詢問一系列問題：你要構建什麼類型的應用、使用哪個資料區域、如何處理 API 金鑰、預訂功能如何實現（例如無日曆整合、靜態連結或真正的日曆 API）、選擇哪個日曆系統（講者選用 Cal.com）。使用者只需逐一回答，Claude Code 會根據系統提示詞的指示制訂完整計畫。確認無誤後，提供 Assembly AI 和 Cal.com 的 API 金鑰，Claude Code 即可執行構建。講者並進行了現場演示：一個名為「Nova」的語音助手接待潛在客戶，進行需求評估與合格性篩選，最後成功預訂了 30 分鐘的諮詢會議。預訂資訊實時同步到他的 Google Calendar，確認郵件亦自動寄送。
成本方面，Assembly AI 提供透明的固定時薪模型，$4.50/小時涵蓋整個堆棧，費用只在通話進行時計算，無其他隱藏成本。相比之下，OpenAI 的實時 API 需 $18/小時且按音頻令牌動態計費，使用者難以預測最終成本。DeepGram 雖然同為 $4.50/小時，但按元件逐項計費，仍需手動計算。Assembly AI 的簡潔定價模式讓使用者能輕鬆推算成本：一千通電話的費用就是一千通電話應有的費用。講者補充，Assembly AI 在相同價格下提供 1 秒響應延遲（與 OpenAI 相同）、可靠的語音識別與換人檢測，以及競爭對手沒有的斷線重連與即時會話更新等功能。他坦言 $4.50/小時非常適合突發性工作負載（如來電時才運行），但若計畫大規模持續服務，應提前進行時薪數學計算。總體而言，對於構建、測試與大多數實際工作負載，Assembly AI 的成本相當低廉。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
