Práctica oral
con correcciones después de cada frase
Captura de pantalla. La plantilla ejecutándose en local.
- Modelos
- ink-2, sonic-3.6
- Idiomas
- Inglés, español, francés, hindi, japonés
- Licencia
- Apache-2.0
- Stack
- Next.js 16React 19AI SDKshadcn/uiagents-web
- Productos de Cartesia
- Managed AgentsInk 2Sonic 3.6
Qué hace
Hay nueve escenas, desde saludar a un vecino nuevo hasta negociar el alquiler, y cada una tiene un objetivo. También eliges un estilo de enseñanza. Teacher te sugiere palabras y te las explica en tu idioma. Immersive no sale del papel y oculta las correcciones al principio. Cuando terminas la escena, te pone una nota de 1 (te costó) a 3 (con fluidez) y te da tres consejos. Las escenas y los dos estilos vienen de una demo de código abierto de Zack Akil (Apache-2.0).
Ejecútalo tú mismo
Instala
Ejecuta los comandos de abajo con Node 22.22 o posterior. pnpm también funciona. Con
CARTESIA_API_KEYbasta para hablar. El panel de correcciones necesitaLLM_MODELy la clave de su proveedor, y dice qué añadir hasta que estén definidas.Variables de entorno - CARTESIA_API_KEY
play.cartesia.ai/keys- LLM_MODEL
- Para las correcciones.
proveedor/modelo, por ejemploopenai/gpt-5.4-mini - OPENAI_API_KEY
- Si
LLM_MODELempieza por openai/ - ANTHROPIC_API_KEY
- Si
LLM_MODELempieza por anthropic/ - AI_GATEWAY_API_KEY
- Para cualquier otro proveedor. No hace falta en Vercel
- AGENT_MODEL_ID
- Opcional. El LLM del compañero, de
GET /v1/agents/models - VOICE_ID_ES
- Opcional. Fija la voz en español.
VOICE_ID_EN, _FR, _HI y _JA funcionan igual - APP_PASSWORD
- Opcional en local. Obligatoria en Vercel, o none para que la app sea pública
- TRUST_PROXY
- Opcional. 1 si está detrás de tu propio proxy inverso
Elige una escena
Abre la URL que muestra
npm run devy elige tus dos idiomas. Escoge un estilo de enseñanza y una escena, pulsa Start speaking y di tú la primera frase. Usa auriculares. La página termina la sesión a los 3 minutos.
Créalo con tu agente de programación
Un prompt que le dice a tu agente de programación por dónde empezar y qué leer primero.
Prompt
Build a language speaking practice app on a Cartesia Managed Agent. Start from https:/ and follow its AGENTS.md for the commands, files and rules. The server creates one temporary agent per session with POST /v1/agents, writing the mission, role, mode and languages into its instructions, because a browser access token cannot send dynamic_variables. The browser gets a 60 second token with only the agent grant and talks to the agent through useCartesiaAgent from lib/agents-web. Corrections are a separate AI SDK call per line. Keep the five Ink 2 languages (en, es, fr, hi, ja). If I don't have a Cartesia API key yet, follow https:/ to get one.
Cómo funciona
claude-haiku-4.5 por defectoPor qué funciona así
Un agente por sesión
El navegador se conecta con un token de corta duración, y ese token no puede pasar la escena a la llamada. Así que antes de cada sesión el servidor escribe la escena, el papel y el estilo de enseñanza en las instrucciones de un agente nuevo. Borra el agente cuando sales.
Las correcciones van aparte de la llamada
Después de cada frase tuya, una llamada aparte al LLM revisa solo esa frase. Devuelve la frase corregida y una explicación corta en tu idioma. El compañero sigue la conversación y nunca se para a corregirte.
El compañero cierra la escena
Cuando alcanzas el objetivo, el compañero se despide y llama a una herramienta de tu navegador que cierra la escena. Le pasa tres consejos, y en Immersive también una nota, y la página muestra un resumen y borra el agente. Si sales antes, ves el resumen sin la nota.
Adáptalo a ti
Añade una escena
Añade una entrada a data/missions.json, la lista de escenas. Las rutas reciben el id de la escena, así que el navegador nunca envía texto libre a un prompt.
Cambia el estilo de enseñanza
Los prompts de los dos estilos de enseñanza están en lib/prompts.ts.
Elige las voces
Define VOICE_ID_ES y las demás. Sin ellas, el servidor toma de la biblioteca de voces el primer hablante nativo con una descripción amable.
Únete a los equipos que dan el salto a Cartesia
Preguntas
¿Cuánto cuesta usarlo?
La plantilla es gratuita y de código abierto con licencia Apache-2.0. Las llamadas de práctica usan tu cuenta de Cartesia, y las correcciones escritas usan tu proveedor de LLM. Cada sesión termina a los 3 minutos.
¿Qué necesito para probarlo?
Para hablar bastan una API key de Cartesia y Node 22.22 o posterior. Las correcciones escritas necesitan además una clave de LLM, de OpenAI, Anthropic o Vercel AI Gateway.
¿Qué idiomas puedo practicar?
Inglés, español, francés, hindi y japonés, en cualquier combinación. Son los idiomas que Ink 2 entiende, así que otro idioma necesita otro sistema de voz a texto.
¿Es seguro publicarlo en internet?
Pon una contraseña antes de desplegarlo, porque cualquiera que abra la página puede iniciar sesiones con tu cuenta. Cartesia además graba el audio y la transcripción de cada llamada del agente, así que avisa a tus usuarios y borra las llamadas que no necesites.
¿Por qué mi frase aparece solo cuando dejo de hablar?
El agente envía tus palabras cuando terminas de hablar, así que tu frase y su corrección aparecen a la vez. Las palabras del compañero aparecen mientras habla.
¿Hay una guía paso a paso de esta plantilla?
Sí. La receta recorre el código, el README cubre la instalación, las variables de entorno y el despliegue, y la documentación de las herramientas de cliente explica la parte de Cartesia.
Más del cookbook
Empieza hoy
Habla con un experto.
Habla con nuestro equipo y descubre cómo puede ayudarte Cartesia a crear experiencias de voz de primer nivel.
Empieza a crear.
Accede a nuestros modelos mediante API y lleva un agente de voz a producción en minutos.