Saltearse al contenido
Nappai Documentation

Supertonic (local)

Supertonic (local) es uno de los componentes que ponen voz a un agente de voz: convierte en audio lo que el agente responde, para que el llamante lo oiga. Corre en el servidor de NappAI: no necesita credencial, el texto no se envía a ningún proveedor externo y no tiene coste por palabra. Tiene diez voces, cinco femeninas y cinco masculinas, que hablan 31 idiomas. En español lee en palabras importes, horas, fechas y teléfonos. Es el TTS recomendado para empezar.

Se conecta al conector TTS del nodo Voice Agent. Guarda los ajustes de la voz que el agente usa en cada llamada.

Cuándo usarlo

  • Empiezas un agente de voz y quieres que hable sin configurar ninguna cuenta externa.
  • Atiendes llamadas en varios idiomas y quieres la misma voz en todos.
  • No quieres que las respuestas del agente salgan del servidor de NappAI.

Configuración

CampoQué hace
VoiceLa voz: de F1 a F5 son femeninas y de M1 a M5, masculinas. Por defecto, F2. Todas hablan el idioma del llamante, que marca el STT.
QualityCuánto trabaja la voz cada frase, en pasos. Menos pasos responden antes y más pasos suenan más limpios; cada paso añade un poco de espera. Por debajo de 4 se pueden comer palabras. Por defecto, 5 steps. Las opciones 4 steps — Fast, 6 steps — Balanced y 8 steps — High quality son puntos de referencia.
SpeedRitmo de la voz. 1.0 es su ritmo natural; por encima habla más rápido y por debajo más despacio. Admite de 0.5 a 2.0. Por defecto, 0.95.

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 usarla como reserva. El editor no deja enchufarla en un conector de STT por error.

Ejemplo

Un hotel recibe llamadas en español, inglés y alemán y quiere la misma voz en los tres idiomas.

  1. Añade Supertonic (local) y conéctalo al conector TTS del Voice Agent.
  2. Elige una voz en Voice, por ejemplo F2.
  3. Usa como STT Parakeet (local, multilingual) con Detect Language activado.
  4. Prueba el agente en el playground y escucha cómo suena.

Buenas prácticas

  • Si la primera frase tarda en sonar, elige 4 steps — Fast en Quality: sale antes, a cambio de un poco de naturalidad.
  • Las diferencias entre voces locales y en la nube se explican en Calidad, ruido y latencia.

Componentes relacionados