Prática de conversação
com correções a cada frase
Captura de tela. O template rodando localmente.
- Modelos
- ink-2, sonic-3.6
- Idiomas
- Inglês, espanhol, francês, hindi, japonês
- Licença
- Apache-2.0
- Stack
- Next.js 16React 19AI SDKshadcn/uiagents-web
- Produtos da Cartesia
- Managed AgentsInk 2Sonic 3.6
O que ele faz
São nove cenas, de cumprimentar um vizinho novo a negociar o aluguel, cada uma com um objetivo. Você também escolhe um estilo de ensino. O Teacher sugere palavras e explica no seu idioma. O Immersive não sai do papel e esconde as correções no começo. Quando você termina a cena, ele dá uma nota de 1 (com dificuldade) a 3 (fluente) e três dicas. As cenas e os dois estilos vêm de uma demo de código aberto de Zack Akil (Apache-2.0).
Rode você mesmo
Instale
Rode os comandos abaixo com o Node 22.22 ou mais recente. O pnpm também funciona. A
CARTESIA_API_KEYbasta para conversar. O painel de correções precisa deLLM_MODELe da chave do provedor, e diz o que adicionar até que estejam definidas.Variáveis de ambiente - CARTESIA_API_KEY
play.cartesia.ai/keys- LLM_MODEL
- Para as correções.
provedor/modelo, por exemploopenai/gpt-5.4-mini - OPENAI_API_KEY
- Se
LLM_MODELcomeçar com openai/ - ANTHROPIC_API_KEY
- Se
LLM_MODELcomeçar com anthropic/ - AI_GATEWAY_API_KEY
- Para qualquer outro provedor. Não é necessária na Vercel
- AGENT_MODEL_ID
- Opcional. O LLM do parceiro, de
GET /v1/agents/models - VOICE_ID_ES
- Opcional. Fixa a voz em espanhol.
VOICE_ID_EN, _FR, _HI e _JA funcionam do mesmo jeito - APP_PASSWORD
- Opcional localmente. Obrigatória na Vercel, ou none para deixar o app público
- TRUST_PROXY
- Opcional. 1 atrás do seu próprio proxy reverso
Escolha uma cena
Abra a URL que o
npm run devmostra e escolha seus dois idiomas. Escolha um estilo de ensino e uma cena, clique em Start speaking e diga você a primeira frase. Use fones de ouvido. A página encerra a sessão depois de 3 minutos.
Crie com seu agente de programação
Um prompt que diz ao seu agente de programação por onde começar e o que ler primeiro.
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.
Como funciona
claude-haiku-4.5 por padrãoPor que funciona assim
Um agente por sessão
O navegador se conecta com um token de curta duração, e esse token não consegue passar a cena para a chamada. Então, antes de cada sessão, o servidor escreve a cena, o papel e o estilo de ensino nas instruções de um agente novo. Ele apaga o agente quando você sai.
As correções rodam ao lado da chamada
Depois de cada frase sua, uma chamada separada ao LLM revisa só aquela frase. Ela devolve a frase corrigida e uma explicação curta no seu idioma. O parceiro continua a conversa e nunca para para corrigir você.
O parceiro encerra a cena
Quando você atinge o objetivo, o parceiro se despede e chama uma ferramenta do seu navegador que encerra a cena. Ele passa três dicas, mais uma nota no Immersive, e a página mostra um resumo e apaga o agente. Se você sair antes, vê o resumo sem a nota.
Deixe com a sua cara
Adicione uma cena
Adicione uma entrada em data/missions.json, a lista de cenas. As rotas recebem o id da cena, então o navegador nunca envia texto livre para um prompt.
Mude o estilo de ensino
Os prompts dos dois estilos de ensino ficam em lib/prompts.ts.
Escolha as vozes
Defina VOICE_ID_ES e as demais. Sem elas, o servidor pega na biblioteca de vozes o primeiro falante nativo com uma descrição simpática.
Junte-se às equipes que estão migrando para a Cartesia
Perguntas
Quanto custa para usar?
O template é gratuito e de código aberto, com licença Apache-2.0. As chamadas de prática usam sua conta da Cartesia, e as correções escritas usam seu provedor de LLM. Cada sessão termina depois de 3 minutos.
Do que eu preciso para testar?
Para conversar, bastam uma API key da Cartesia e Node 22.22 ou mais recente. As correções escritas também precisam de uma chave de LLM, da OpenAI, da Anthropic ou do Vercel AI Gateway.
Quais idiomas posso praticar?
Inglês, espanhol, francês, hindi e japonês, em qualquer combinação. São os idiomas que o Ink 2 entende, então outro idioma precisa de outro sistema de fala para texto.
É seguro colocar na internet?
Defina uma senha antes do deploy, porque qualquer pessoa que abrir a página pode iniciar sessões na sua conta. A Cartesia também grava o áudio e a transcrição de cada chamada do agente, então avise seus usuários e apague as chamadas de que não precisa.
Por que minha frase só aparece quando paro de falar?
O agente envia suas palavras quando você termina de falar, então sua frase e a correção aparecem juntas. As palavras do parceiro aparecem enquanto ele fala.
Existe um guia passo a passo deste template?
Sim. A receita explica o código, o README cobre a configuração, as variáveis de ambiente e a implantação, e a documentação de ferramentas de cliente explica o lado da Cartesia.
Mais do cookbook
Comece hoje
Fale com um especialista.
Converse com alguém da nossa equipe e descubra como a Cartesia pode ajudar você a criar experiências de voz de alto nível.
Comece a criar.
Acesse nossos modelos por API e coloque um agente de voz em produção em minutos.