Aller au contenu

Flow

Un prototype d'OS nativement IA piloté à la voix : vous parlez, et Claude répond à voix haute tout en assemblant l'interface à l'écran en temps réel. Réalisé en solo en 24 heures au hackathon Anthropic × Y Combinator.

En bref

Ma contributionConception d'un contrat unique en JSON streamé, { speech, canvas } : Claude renvoie un seul objet, le client le parse et modifie directement le store du canevas, de sorte que chaque phrase prononcée correspond à une action sur le canevas.

RÔLE
Équipe de 4
CONTEXTE
Hackathon Anthropic × Y Combinator · 42AI
STATUT
Terminé
RÉSULTAT
Un prototype exécutable : énoncer une demande fait répondre Claude à voix haute et assembler l'interface correspondante sur un canevas spatial, construit de bout en bout dans la fenêtre de 24 heures du hackathon.
MISE À JOUR
26 sept. 2026
voicepush-to-talkWhisperlocal · Web WorkerClaudeVercel AI SDK{ speech, canvas }one JSON streamElevenLabsneural TTScanvaswidgets fly in
Fig. — comment ça marche
1

Ce que j'ai construit

Équipe de 4

  1. Conception d'un contrat unique en JSON streamé, { speech, canvas } : Claude renvoie un seul objet, le client le parse et modifie directement le store du canevas, de sorte que chaque phrase prononcée correspond à une action sur le canevas.
  2. Construction du canevas spatial et du registre de widgets — déplacement et zoom de la caméra, un gestionnaire de disposition et une treizaine de types de widgets (quiz, leçon, rédaction d'e-mail, liste de tâches).
  3. Câblage de la stack vocale : reconnaissance vocale Whisper en local dans un Web Worker, et synthèse vocale ElevenLabs avec un repli natif speechSynthesis.
  4. Ajout d'une couche de démonstration à deux agents sur Claude Haiku (un routeur d'intention et un suivi de progression) et d'une intégration Gmail via MCP avec un repli sur une boîte de réception simulée.
2

Choix clés

Un seul contrat JSON streamé plutôt que du tool calling
Claude renvoie un unique objet { speech, canvas } que le client parse directement, ce qui garde la parole et l'interface synchronisées avec moins de latence qu'un aller-retour de tool calls.
Deux petits agents Haiku pour une démo robuste
Un routeur d'intention et un suivi de progression permettent au scénario scripté de se dérouler dans n'importe quel ordre, quelle que soit la formulation exacte.
Accès à l'API côté navigateur, réservé à la démo
La clé Anthropic est livrée au client, un choix délibérément assumé pour une démo de hackathon en local et documenté comme non sûr en production.
3

Résultats

Un prototype exécutable : énoncer une demande fait répondre Claude à voix haute et assembler l'interface correspondante sur un canevas spatial, construit de bout en bout dans la fenêtre de 24 heures du hackathon.

4

Limites

  • Démo locale uniquement : la clé d'API est exposée au navigateur et il n'y a ni backend ni authentification, ce n'est donc pas déployable en l'état.
  • Chrome ou Edge uniquement, et un microphone est nécessaire ; la voix premium requiert une clé ElevenLabs.
  • Le contenu est scripté autour d'un unique scénario préparé ; le parcours Gmail retombe sur une boîte de réception simulée sans OAuth.
  • Ni tests ni CI : c'est une preuve de concept, pas un logiciel maintenu.

Des questions sur ce projet ? → Écrivez-moi