Saltearse al contenido

Text to Speech

Text to Speech es la voz de un agente de voz con cualquier proveedor de síntesis de voz de NappAI: eliges Provider y el agente habla exactamente igual que con el componente propio de ese proveedor, como ElevenLabs TTS u OpenAI TTS.

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 TTS del nodo Voice Agent.

Cuándo usarlo

  • Quieres escuchar la misma conversación con voces de varios proveedores antes de elegir una.
  • Quieres poder pasar de una voz de pago a una 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 y la lista de sus voces.

Configuración

CampoQué hace
ProviderEl proveedor de la voz. Por defecto, OpenAI. Están ElevenLabs, Cartesia, OpenAI, Gemini, Azure, Deepgram, Inworld y los locales Kokoro, Piper, Supertonic y Pocket. 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. Kokoro, Piper, Supertonic y Pocket no la necesitan. Consulta Credenciales.
VoiceLa voz. Cada proveedor tiene las suyas: al cambiar de proveedor se rellena con su voz por defecto. Puedes escribir cualquier nombre o identificador de voz del proveedor.
ModelEl modelo de voz del proveedor. Al cambiar de proveedor se rellena con el suyo por defecto.
SpeedRitmo de la voz. 1.0 es su ritmo natural. Solo con los proveedores que lo admiten.

Opciones avanzadas

CampoQué hace
InstructionsCómo debe sonar la voz, en palabras, por ejemplo «cálida y sin prisa». Solo con los proveedores que lo admiten, como OpenAI.
Provider SettingsOtros campos del componente propio del proveedor, cada uno con su nombre. 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 voces y opciones de cada proveedor se explican en su ficha, por ejemplo en ElevenLabs TTS.

Resultado

La salida TTS contiene los ajustes de la voz. Se conecta al conector TTS del nodo Voice Agent, o a Fallback TTS si activas Fallback Engines y quieres usarlo como reserva.

Ejemplo

Una agencia de viajes quiere elegir la voz de su agente escuchando a varios proveedores.

  1. Conecta Text to Speech al conector TTS del Voice Agent.
  2. Elige ElevenLabs, su credencial y una voz, y habla con el agente en el playground.
  3. Cambia a Kokoro, que no necesita credencial, elige una voz y repite.
  4. Deja la que más guste y despliega el flujo.

Buenas prácticas

  • Al cambiar de proveedor, revisa Voice: la voz del proveedor anterior no existe en el nuevo.
  • 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.

Componentes relacionados

  • Voice Agent: el nodo al que se conecta este componente.
  • Speech to Text: el oído del agente, también con el proveedor a elegir.
  • Language Model: el modelo del agente, también con el proveedor a elegir.