Reconocimiento de voz y texto a voz, junto a la llamada
Reconocimiento en streaming, texto a voz, detección de palabras clave y reconocimiento de hablantes, en el mismo stack que la ruta de medios. Usa modelos abiertos en tus GPUs o un proveedor de voz en la nube.
De un vistazo
Streaming
El llamante oye las primeras palabras mientras el resto aún se está generando.
Cerrar
La voz se ejecuta junto al gateway, así el audio no cruza internet para transcribirse.
Tuyo
Modelos abiertos en tus propias GPUs, o un proveedor de voz en la nube.
Balanceado
Las solicitudes van al endpoint sano con menos carga que sirve el modelo.
El silencio es el fallo que notan los llamantes
Una conversación natural deja unos pocos cientos de milisegundos entre turnos. El reconocimiento tiene que decidir que el llamante ha terminado, el modelo tiene que responder y el primer audio tiene que sonar. Mantener la voz en la misma infraestructura que la llamada elimina saltos de red en cada turno.
Capabilities
Reconocimiento de voz
Transcripciones en streaming con detección de fin de turno, para bots y subtítulos en vivo.
Texto a voz
Síntesis frase a frase reproducida directamente en la llamada.
Detección de palabras clave
Detecta una frase en el momento en que se dice, a mitad de oración, y ramifica la llamada según ella.
Reconocimiento de hablantes
Distingue a las personas en una llamada.
Ejecuta la voz en tus GPUs
Los motores de voz pueden ejecutarse en máquinas con GPU con TLS mutuo. Da más peso a las GPUs más grandes y enruta cada modelo solo a las máquinas que lo sirven.
Trae el modelo de voz en el que confías
Voz a voz o reconocimiento, modelo y voz: cambia con una línea y conserva las mismas herramientas y la misma gestión de llamadas.
Preguntas frecuentes
¿Puedo usar mis propios modelos de voz?
Sí. Ejecuta modelos abiertos en tus GPU o usa uno de los 28 proveedores de voz, desde Deepgram y ElevenLabs hasta Cartesia y AssemblyAI.
¿Puedo usar la voz sin un agente?
Sí. El reconocimiento y la detección de palabras clave funcionan en cualquier llamada, con o sin agente.
¿Adónde va el audio de las llamadas?
A los endpoints de voz que configures. En un stack autoalojado, nunca sale de tu red.
Transcribe tu primera llamada.
La voz está incluida en DialPress cloud y se ejecuta en tus GPUs cuando lo autoalojas.