Saltearse al contenido

Speech to Text

Speech to Text es el oído de un agente de voz con cualquier proveedor de reconocimiento de voz de NappAI: eliges Provider y el agente oye exactamente igual que con el componente propio de ese proveedor, como Deepgram STT u OpenAI STT.

La diferencia es que cambiar de proveedor no obliga a cambiar de nodo ni a recablear el agente: lo cambias en el campo, y el nodo recuerda la credencial de cada proveedor que ya configuraste.

Se conecta al conector STT del nodo Voice Agent.

Cuándo usarlo

  • Quieres probar varios proveedores con el mismo agente y comparar cómo entienden a tus llamantes.
  • Quieres poder pasar de un proveedor de pago a uno local, o al revés, sin tocar el resto del flujo.

Si el proveedor no va a cambiar, usa su componente propio: muestra directamente todos sus campos.

Configuración

CampoQué hace
ProviderEl proveedor de reconocimiento de voz. Por defecto, OpenAI. Están Deepgram, OpenAI, Gemini, ElevenLabs, Azure, GroqWhisper, AssemblyAI, Cartesia, Gladia, Inworld, WitAI y los locales Parakeet y Vosk. Elígelo primero: al cambiarlo, el nodo pide la credencial de ese proveedor.
Credential (obligatorio si el proveedor la usa)La credencial del proveedor elegido. La lista solo muestra las de ese proveedor. Parakeet y Vosk no la necesitan. Consulta Credenciales.
ModelEl modelo de transcripción del proveedor. Al cambiar de proveedor se rellena con el suyo por defecto. Puedes escribir cualquier nombre de modelo.
LanguageCódigo del idioma que se espera del llamante, por ejemplo es o en. Por defecto, es.
Detect languageSi está activado, el agente cambia de idioma cuando el llamante lo cambia, con los proveedores que lo permiten. Desactivado por defecto.

Opciones avanzadas

CampoQué hace
Provider SettingsOtros campos del componente propio del proveedor, cada uno con su nombre. Por ejemplo, region = eu con AssemblyAI. Los que el proveedor no tiene se ignoran.
Credentials by ProviderLa credencial que recuerda el nodo para cada proveedor. Se rellena sola al elegir una credencial.

Las opciones propias de cada proveedor se explican en su ficha, por ejemplo en Deepgram STT.

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.

Ejemplo

Una clínica dental quiere saber qué proveedor entiende mejor los nombres de sus tratamientos.

  1. Conecta Speech to Text al conector STT del Voice Agent.
  2. Elige Deepgram y su credencial, y prueba el agente en el playground.
  3. Cambia a OpenAI, elige su credencial y repite la misma prueba.
  4. Deja el que mejor funcione y despliega el flujo.

Buenas prácticas

  • El agente de voz contesta las llamadas con la versión desplegada del flujo: después de cambiar de proveedor, despliega para que las llamadas reales lo usen.
  • El gasto se apunta a la credencial del proveedor elegido. 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.
  • Text to Speech: la voz del agente, también con el proveedor a elegir.
  • Language Model: el modelo del agente, también con el proveedor a elegir.