Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com10. November 2025 · Q011533

Build an AI Voice Yoga Instructor in Python

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der vollständige Bericht beschreibt einen Python-Yoga-Assistenten, der Vision Agents, Stream, Gemini Live und YOLO für Echtzeit-Videoanalyse und Sprachfeedback kombiniert, und führt durch Einrichtung und Beispielcode. Er enthält jedoch keine Evaluation der Erkennungsqualität oder Sicherheit; die Yoga-Anweisungen sind nur verlinkt, und der Dateiname dafür ist im Text uneinheitlich.

Mittel

Der vollständige Bericht zeigt, wie sich laut Autor ein sprachgesteuerter Yoga-Assistent in Python mit Vision Agents aufbauen lässt. Das Beispiel verbindet Stream für den Echtzeit-Audio-/Videoaustausch, Gemini Live für Sprachdialoge und Ultralytics YOLO zur Erkennung von Körperhaltungen. Der Agent soll Übungen und Atemhinweise geben, Kamerabilder auswerten und mündliches Feedback liefern. OpenAI Realtime, Nova Sonic, WebRTC sowie andere Video-Prozessoren werden als Alternativen genannt.

Die Anleitung setzt Python 3.13 oder neuer, API-Zugangsdaten und die Installation der Vision-Agents-Plugins voraus. Sie beschreibt eine separate Datei mit Verhaltensanweisungen, zeigt Python-Code zum Erstellen und Starten eines Agenten und nennt `uv run main.py` als Startbefehl. Der Autor sieht ähnliche Einsatzmöglichkeiten etwa im Sportcoaching oder in der Physiotherapie.

Der Bericht liefert ein Implementierungsbeispiel, aber keine Messwerte oder Evaluation zur Genauigkeit, Reaktionszeit oder Zuverlässigkeit. Die empfohlene Sicherheitsausrichtung der Yoga-Hinweise wird nicht überprüft; die eigentliche Anleitungsdatei ist nur verlinkt. Im Text weichen zudem die genannten Dateinamen dieser Anleitung voneinander ab.

Ausführlich lesen

Der Bericht ist ein vollständiger Programmierleitfaden für einen sprachgesteuerten Yoga-Assistenten in Python. Laut Autor soll die Anwendung Kamerabilder in Echtzeit auswerten und Nutzerinnen und Nutzern während der Übungen per Sprache Anleitungen und Rückmeldungen geben. Als zentrale Bausteine nennt der Artikel Vision Agents für die App-Architektur und den Audio-/Videoaustausch, die Gemini Live API für Sprachdialoge und Ultralytics YOLO zur Erkennung von Körperhaltungen. Stream Video dient im Beispiel als Übertragungsweg; WebRTC oder WebSockets werden als mögliche Alternativen erwähnt.

Der Text erläutert, dass Audio bidirektional und in Echtzeit an ein Sprachmodell übertragen wird. Der Artikel beschreibt Gemini Live als Modell für Spracheingabe, Sprecherwechsel und Sprachausgabe. Für die Videoverarbeitung soll ein YOLO-Pose-Prozessor Kamerabilder untersuchen; im Code sind ein Konfidenzwert von 0,5 und aktivierte Handverfolgung eingestellt. Als Alternativen für Sprachmodelle werden unter anderem OpenAI Realtime und Amazons Nova Sonic genannt, für Bild- und Videoverarbeitung außerdem Roboflow und Moondream.

Die Anleitung führt durch die Einrichtung: Python 3.13 oder neuer, ein Projekt mit `uv`, Umgebungsvariablen für Stream-, Gemini- und Ultralytics-Zugangsdaten sowie die Installation von Vision Agents und den zugehörigen Plugins. Danach soll eine separate Markdown-Datei die Aufgaben und das Verhalten des Yoga-Assistenten festlegen. Das Beispielprogramm erstellt einen Agenten, richtet einen Videoanruf ein, öffnet eine Demo-Oberfläche, begrüßt die Nutzenden und hält die Sitzung bis zu deren Ende aufrecht. Gestartet wird es laut Artikel mit `uv run main.py`.

Als mögliche Anwendungen nennt der Autor Yoga-Anleitungen, Sportcoaching, Physiotherapie und Drohnenüberwachung. Das zugrunde liegende Muster lasse sich laut Bericht durch den Austausch der Video-Prozessoren auf andere Erkennungsaufgaben übertragen. Vision Agents wird als quelloffenes Python-Framework mit zahlreichen Integrationen vorgestellt.

Die belegten Grenzen des Berichts sind die eines Tutorials: Es beschreibt eine Beispielarchitektur und liefert Code, aber keine Messwerte zur Erkennungsgenauigkeit, Latenz oder Zuverlässigkeit und keine dokumentierte Evaluation der Yoga-Hinweise. Zwar empfiehlt der Text detaillierte und sicherheitsbewusste Anweisungen, er belegt jedoch nicht, dass die Anwendung Übungen zuverlässig oder verletzungssicher beurteilt. Die eigentliche Yoga-Anleitungsdatei wird nur über einen externen Verweis angekündigt. Zudem verwendet der Beispielcode den Dateinamen `yoga_instructor_guide.md`, während die Zusammenfassung des Codes später `yoga_ai_instructor_guide.md` nennt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassung liegt in zwei Fassungen vor (kurz und mittel); beide wurden gemeinsam geprüft. Beide geben den Tutorial-Charakter des Berichts treu wieder, und die Aussagen zur fehlenden Evaluation und zu den uneinheitlichen Dateinamen stimmen mit dem Text überein. Die Einordnung betrifft nur die Sammelfragen, weil bei den Teilfragen keine Angaben gemacht wurden.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Installationsschritte mit uv und die Konfiguration über eine .env-Datei mit API-Zugangsdaten, die im Bericht ausführlich stehen
  • Die Empfehlung, Yoga-Anweisungen aus Sicherheitsgründen in eine eigene Markdown-Datei auszulagern (in der kurzen Fassung nur angedeutet)

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 32 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 22 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 26 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 54 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →