El margen de latencia de una llamada de IA de voz
Los llamantes notan el silencio mucho antes que una mala gramática. Adónde se van los milisegundos en un turno de IA de voz y cómo recuperarlos.
Una conversación natural deja unos pocos cientos de milisegundos entre turnos. Si te pasas mucho, los llamantes empiezan a hablar encima de tu agente, o cuelgan. Cada llamada de IA de voz es una carrera contra ese margen.
Adónde se va el tiempo
El llamante deja de hablar. El reconocimiento de voz tiene que decidir que ha terminado, el modelo tiene que empezar a responder, el texto a voz tiene que producir el primer audio y ese audio tiene que llegar al llamante. Cada paso añade retardo; la red lo añade dos veces.
Transmítelo todo
El reconocimiento en streaming, la salida del modelo en streaming y la síntesis frase a frase hacen que el llamante oiga las primeras palabras mientras el resto aún se está generando.
Gestiona el barge-in
Cuando el llamante interrumpe, borra el audio en cola de inmediato. En el SDK dialpress es una sola llamada: media.clear().
Acorta la ruta
Mantén juntos el gateway, el motor de voz y el agente. Una infraestructura que controla toda la ruta de medios puede eliminar saltos que un producto basado solo en el modelo no puede.
Notas de campo
Sigue leyendo
Crea un bot de voz con IA como una app de Express
El SDK de Node dialpress convierte SIP en rutas y handlers. Aquí tienes una PBX y un bot de voz con IA que comparten un gateway y se pasan llamadas entre sí.
SIP frente a WebRTC para agentes de voz con IA
SIP llega a todos los números de teléfono del planeta; WebRTC llega a todos los navegadores. Un agente de voz en producción necesita ambos: así encajan.
Dar herramientas a los agentes de voz con MCP
Tu sistema de reservas, tu CRM, tu consulta de pedidos: cualquier API puede convertirse en herramienta de un agente de voz sin escribir una línea de código de agente.
