AI Avatar Chat — Proof of Concept

Tiga pendekatan arsitektur avatar sebagai baseline dengan mekanika obrolan yang sama, lalu enam pustaka sungguhan diadu di atasnya — yang disewa per menit melawan yang dijalankan di mesin sendiri. Tab dikelompokkan menurut itu.

Audio Pipeline (LiveKit style)

Siap

menunggu masukan suara

room.log

menunggu koneksi…

Riwayat Obrolan

Halo! Saya avatar AI versi PoC. Kirim pesan apa saja — jawabannya masih mock, tapi suara dan animasinya sungguhan.

Pipeline suara — tanpa wajah sama sekali

Halaman ini baseline, bukan produk. Mekanika obrolannya sengaja identik dengan dua rute simulasi lain supaya satu-satunya yang berbeda adalah cara wajahnya dirender — dan itulah yang sedang dibandingkan.

Yang sungguhan di sini

  • Visualizer bereaksi pada status bicara yang sama dengan yang menggerakkan avatar di dua rute lain.
  • Log koneksinya menampilkan urutan peristiwa yang benar-benar terjadi di hook obrolan.

Yang ditiru

  • Tidak ada speech-to-text. Tombol mikrofonnya murni antarmuka.
  • Tidak ada penanganan interupsi dan tidak ada manajemen buffer audio — dua hal tersulit di pendekatan ini.
  • Yang sulit dari jalur ini justru berada di sisi yang tidak bisa ditunjukkan sebuah halaman web.

Biaya finansial

Hosting sendiri

Kerumitan backend

Tinggi

Tim

Backend + infra

Yang menjual pendekatan ini: LiveKit dan Pipecat — open-source, jadi yang dibayar hosting sendiri atau layanan cloud mereka.

Pembandingnya yang sungguhan, di aplikasi ini

/livekit — SFU LiveKit sungguhan di server sendiri: token kita tandatangani sendiri, mikrofon benar-benar dipublikasikan, RTT 6–9 ms dari internet. Lapisan yang halaman ini hanya gambarkan.

/suara — Pipeline suaranya lengkap dan terukur — speech-to-text sungguhan yang di halaman ini sengaja tidak ada.

Analisa biaya dan kebutuhan tim untuk ketiga pendekatan ada di dokumentasi, lengkap dengan catatan apa saja yang patah saat ketiganya benar-benar dibangun.