Cartesia STT
Cartesia STT es uno de los componentes que hacen de oído de un agente de voz: convierte en texto lo que dice el llamante para que el agente lo entienda. Usa el servicio de reconocimiento de voz de Cartesia. Transcribe mientras el llamante habla, así que funcionan los ajustes de interrupción por palabras del Voice Agent, como Minimum Words To Interrupt.
Se conecta al conector STT del nodo Voice Agent. Guarda los ajustes del reconocimiento de voz que el agente usa en cada llamada.
Cuándo usarlo
- Ya usas Cartesia TTS como voz del agente y quieres un solo proveedor y una sola credencial.
- Quieres un reconocimiento en la nube que transcriba mientras el llamante habla.
- Tus llamantes pueden hablar en distintos idiomas y quieres que el agente los siga sin fijar una lista.
Configuración
Necesitas una credencial Cartesia API con la clave de tu cuenta de Cartesia. Consulta Credenciales.
| Campo | Qué hace |
|---|---|
| Credential (obligatorio) | La credencial Cartesia API que se usa para conectarse al servicio. |
| Language | Código del idioma que se espera del llamante, por ejemplo es o en. Por defecto, es. |
| Detect Language | Si está activado, Cartesia detecta por sí mismo el idioma en que habla el llamante, sin limitarse a una lista. Desactivado por defecto. |
| Model | El modelo de Cartesia que transcribe: ink-whisper (por defecto) o ink-2, el más reciente de Cartesia. |
Resultado
La salida STT contiene los ajustes del reconocimiento de voz. Se conecta al conector STT del nodo Voice Agent, o a Fallback STT si activas Fallback Engines y quieres usarlo como reserva. El editor no deja enchufarla en un conector de TTS por error.
Ejemplo
Una academia de idiomas recibe llamadas de alumnos en varios idiomas.
- Añade Cartesia STT y conéctalo al conector STT del Voice Agent.
- En Credential, elige la credencial Cartesia API.
- Activa Detect Language y deja Model en
ink-whisper. - Usa Cartesia TTS con la misma credencial como voz del agente.
Buenas prácticas
- Cartesia cobra el uso en tu propia cuenta de Cartesia. Revisa allí el consumo.
- Las diferencias entre motores locales y en la nube se explican en Calidad, ruido y latencia.
Componentes relacionados
- Voice Agent: el nodo al que se conecta este componente.
- Cartesia TTS: la voz del agente con el mismo proveedor.
- Parakeet (local, multilingual): reconocimiento de voz local, sin credencial.