Jedes führende Sprachmodell, auf einer echten Telefonleitung
Bringen Sie OpenAI Realtime, Gemini Live, ElevenLabs oder Deepgram auf Ihre Telefonnummern. DialPress übernimmt den Anruf, das Audio und die Tools; Sie wählen das Modell und wechseln es mit einer Zeile.
Speech-to-Speech- und Speech-Anbieter
Auf einen Blick
Eine Zeile
Wechseln Sie das Modell eines Agenten, ohne Prompt, Tools oder Routing anzufassen.
Gleiches Verhalten
Tools, Barge-in, Übergaben und Events funktionieren auf jedem Modell gleich.
Ihre Keys
Nutzen Sie Ihre eigenen Anbieter-Keys, pro Agent oder für das ganze Konto.
Oder keine
Betreiben Sie offene Modelle auf Ihren eigenen GPUs, wenn Audio in Ihrem Netzwerk bleiben muss.
Speech-to-Speech-Agenten
Ein Modell hört den Anrufer, denkt nach und antwortet mit seiner eigenen Stimme.
01
OpenAI Realtime
gpt-realtime und die anderen Realtime-Modelle, über das LLM-Gateway. Das Audio eines G.711-Anrufs geht unverändert an das Modell.
02
Gemini Live
Die nativen Audiomodelle von Gemini, aus AI Studio oder Vertex, direkt mit Ihren Google-Zugangsdaten verbunden.
03
ElevenLabs Agents
Die Conversational Agents von ElevenLabs auf Ihren Nummern, mit deren Stimmen.
04
Deepgram Voice Agent
Der Voice Agent von Deepgram, mit dem Denkmodell Ihrer Wahl.
05
Außerdem
xAI, Azure OpenAI, Azure Voice Live und Amazon Nova Sonic.
Oder bauen Sie die Pipeline selbst
Ein Kaskaden-Agent wählt jeden Teil selbst: Spracherkennung, ein Sprachmodell und eine Stimme. Kombinieren Sie die Erkennung von Deepgram mit einem beliebigen Modell und einer ElevenLabs-Stimme. Die Redebeiträge des Anrufers werden per Sprachaktivitätserkennung erkannt, und Antworten werden Satz für Satz gesprochen, sodass die ersten Wörter laufen, während der Rest noch generiert wird.
Sprachanbieter
Jede Stimme. Jedes Ohr.
Sprachsynthese und Spracherkennung von 28 Anbietern, jeweils eine Einstellung am Agenten. Kombinieren Sie die Erkennung eines Anbieters mit der Stimme eines anderen.
Text-to-Speech
Spracherkennung
Beides, und Agent-Sprache
Spracherkennung und Stimmen
Die Modelle und Stimmen jedes Anbieters werden live aus seiner API gelistet, sodass neue ohne Update erscheinen.
Deepgram
Nova-Live-Erkennung und Batch-Transkription, mit Ihrem Vokabular als Key Terms. Aura 2-Stimmen.
ElevenLabs
Scribe-Live- und Batch-Transkription. Flash-, Multilingual- und v3-Stimmen, einschließlich der geklonten Stimmen Ihres Kontos.
OpenAI
Live-Transkription mit gpt-4o-transcribe. gpt-4o-mini-tts-Stimmen mit Sprechanweisungen.
Google Cloud
Chirp-3-Erkennung mit Streams, die länger als fünf Minuten laufen. Chirp 3 HD- und Neural2-Stimmen.
Azure AI Speech
Erkennung und schnelle Transkription. Neural Voices mit SSML-Stil und -Prosodie.
Amazon
Transcribe-Streaming. Polly-Stimmen: Neural, Generative und Long-Form.
Carrier und Messaging-Kanäle
Carrier und Messaging-Kanäle
Erreichen Sie Anrufer und Kunden dort, wo sie schon sind.
Twilio
Verbinden Sie Twilio Elastic SIP Trunking als Trunk. Ihre Twilio-Nummern klingeln bei Ihren Agenten und Apps, und ausgehende Anrufe laufen über Twilio.
WhatsApp-Unterhaltungen erreichen dieselben Chat-Agenten, dieselbe Wissensbasis und dieselben Übergaben wie Ihre Anrufe und SMS.
Telegram
Telegram-Chats, beantwortet von denselben Agenten, und ein Mensch übernimmt, wenn der Agent aufhören sollte.
Sprachmodelle
Jeder Modellaufruf läuft über das LLM-Gateway.
Jeder Anbieter
Wählen Sie aus dem Modellkatalog Ihres Kontos: OpenAI, Gemini, Anthropic und die übrigen.
Budgets pro Anruf
Jeder Anruf bekommt einen eigenen Key mit Budget, sodass ein aus dem Ruder laufendes Gespräch die Rechnung nicht in die Höhe treiben kann.
Kosten, die Sie sehen
Kosten pro Tag nach Agent und nach Modell sowie die Nutzung jedes einzelnen Anrufs.
Prompts mit Versionen
Versionieren, vergleichen und promoten Sie Prompts, mit Traces jedes Redebeitrags.
Offene Modelle auf Ihren GPUs
Für Audio, das Ihr Netzwerk nicht verlassen darf.
Erkennung
Offene Streaming-Modelle wie Whisper und Zipformer, verteilt auf Ihre GPU-Maschinen.
Stimmen
Kokoro- und Piper-Stimmen, direkt neben dem Anruf erzeugt.
Kompatible Server
Richten Sie die OpenAI-Integration auf einen selbst gehosteten kompatiblen Server und behalten Sie dasselbe Setup.
Häufige Fragen
Kann ich das Modell wechseln, ohne meinen Agenten neu zu bauen?
Ja. Das Modell ist eine einzige Einstellung. Prompt, Tools, Routing und Übergaben bleiben gleich.
Brauche ich eigene Anbieter-Keys?
Sie können eigene Keys pro Agent oder pro Konto verwenden. Speech ist außerdem in DialPress Cloud enthalten.
Funktionieren Tools und Weiterleitungen mit jedem Modell?
Ja. Integrierte Telefon-Tools, Ihre MCP-Tools, Barge-in und Übergaben an Menschen verhalten sich bei Speech-to-Speech- und Kaskaden-Agenten gleich.
Kann ich ein Modell nutzen, das nicht aufgeführt ist?
Jedes Modell im Katalog Ihres LLM-Gateways funktioniert als Sprachmodell, und OpenAI-kompatible Speech-Server laufen über die OpenAI-Integration.
Gebaut aus
Die DialPress-Grundbausteine, die hier zum Einsatz kommen.
Bringen Sie Ihr Modell auf eine Telefonnummer.
Wählen Sie ein Modell, geben Sie ihm Ihre Tools und rufen Sie es an.