JavaScript 代码集成网站AI语音助手

一、引言

添加一段 JavaScript 代码，就能轻松将 AI 语音助手集成到现有网站？

根据本文的教程，只需通过白屏化的界面操作，即可快速构建一个专属的AI智能体，并通过视频云 ARTC 网络与终端用户进行实时交互，从而获得实时语音通话 AI 智能体，拥有即时、自然的 AI 语音交互体验。

为什么选择使用 AI 实时语音互动？

1. 超拟人化体验：

• 延时仅 1.5 秒，语音交互更流畅。
• 支持智能环境音消除、智能语义识别、断句优化、高拟真音色与数字人形象。

2. 灵活的智能体编排：

• 控制台支持白屏化操作，轻松集成 AI 组件（ASR/TTS/数字人/LLM…）。
• 快速构建企业专属云上 AI 智能体。

3. 开放的 AI 生态：

• 内置阿里百炼

• 平台 AI 能力，支持接入第三方 AI 插件及客户自研模型。

4. 高质量低延时通话：

• 依托 ARTC 全球节点和 QoS 策略，保障音视频通话质量，覆盖全球用户需求。

该助手还支持移动端扫码快速访问H5页面上的AI语音助手、支持定制智能体的人设，接入个人的私有知识库等功能，提供更加个性化和专业的服务。

【点击链接，感受科技带来的无限可能】

打造高效 AI 语音交互，从这里开始！

二、整体架构

AI 实时互动是用户与 AI 的端到端交互，用户通过终端发起与云端 AI 智能体的实时音视频通话。

整体按以下步骤运行：

1. 用户发起音视频通话请求。
2. AI 智能体接收音视频输入，启动工作流处理用户请求。
3. AI 智能体生成音视频响应流，通过 ARTC 网络推送给用户终端。
4. 用户接收并播放响应流，与 AI 智能体完成自然互动。

AI 智能体是本方案的核心组件之一，能够在云端模拟高度拟真的用户交互。用户可以根据需求自行创建智能体。通过灵活的插件式和拖拽式方式，用户可以编排各个 AI 组件，如语音转文字、大语言模型、语音合成

和自研向量数据库等，从而实现 AI 智能体的实时工作流。实时音视频通信技术（ARTC）为用户与AI智能体之间的音频通话提供了高可用、高品质、超低延时的保障。

AI 智能体接收到用户的音视频输入后，开始运转工作流，输出AI响应结果的音视频流并推送到 ARTC 网络，用户可以订阅该音视频流进行播放，从而完成用户与 AI 智能体的对话。智能媒体服务 IMS 用来创建 AI 智能体和实时工作流，实时音视频 ARTC 用来创建实时音视频应用

，提供 AI 智能体和用户的实时音视频通话能力。

当前方案中 Web 服务通过函数计算FC进行部署。

1. 技术架构核心模块

• 智能媒体服务（IMS）： 用于创建 AI 智能体及工作流。
• 实时音视频