Voice Agent Realtime
Voice Agent Realtime convierte un flujo de NappAI en un agente que atiende llamadas de teléfono o desde el navegador, como el Voice Agent, pero con un solo modelo en tiempo real. Ese modelo oye al llamante, decide cuándo ha terminado de hablar, piensa y responde con su propia voz. No hay que conectar un oído (STT), un modelo y una voz (TTS) por separado: basta con elegir el modelo.
Cuando necesita hacer algo, como consultar un pedido, transferir la llamada o colgar, usa las herramientas que le conectes, igual que el Voice Agent. Se publica, se prueba en el playground, recibe números de teléfono y aparece en el historial de llamadas exactamente igual.
Es un disparador: el flujo se ejecuta una vez por cada llamada. Está en la paleta, en Voice Agent → Agent.
Cuándo usarlo
- Quieres la conversación más natural posible: un solo modelo oye el tono del llamante y le contesta con su propia voz.
- Quieres que conteste todavía antes: el modelo de voz a voz no pasa la voz a texto ni el texto a voz.
- Quieres algo rápido de montar: un modelo y tus herramientas, sin ajustar el oído, la voz ni los turnos de palabra.
- Ya trabajas con OpenAI, Google o xAI y quieres usar la misma cuenta para la voz.
Elige el Voice Agent clásico si quieres escoger por separado el oído, el modelo y la voz, usar motores locales sin credencial o pagar lo mínimo por minuto: está muy optimizado, responde muy rápido y te da un resultado profesional por muy poco dinero en cada conversación. Voice Agent Realtime cuesta más por minuto de llamada, y el proveedor decide los turnos de palabra y la voz. La comparación completa está en Cómo funciona un agente de voz.
Voice Agent Realtime no admite skills, porque no todos los modelos en tiempo real dejan cambiar sus instrucciones en plena llamada. Si el agente tiene que seguir skills, usa el Voice Agent clásico.
Configuración
Conectores
| Conector | Qué conectas |
|---|---|
| Tools | Lo que el agente puede hacer durante la llamada: las herramientas de llamada Hang Up Call, Transfer Call y Say to Caller, y cualquier componente de NappAI en modo herramienta. Son las mismas que en el Voice Agent. |
| Realtime model (obligatorio) | El modelo que oye, piensa y habla: OpenAI Realtime, Gemini Live o Grok Voice. Su credencial, su voz y su idioma se configuran en ese componente. |
Pestaña Comun
Los campos significan lo mismo que en el Voice Agent.
| Campo | Qué hace |
|---|---|
| Agent Name (obligatorio) | El nombre del agente en el menú Voice Agent, en el widget y en el historial. Identifica sus llamadas. |
| Greeting | La primera frase que dice el agente al conectar la llamada. |
| System Prompt | Quién es el agente, qué sabe y cómo debe comportarse. La plataforma añade encima las reglas de una llamada, así que aquí solo va lo propio de tu negocio. |
| Enabled | Apaga el agente sin despublicarlo. Activado por defecto. |
| Interruptions | Qué hace que el agente deje de hablar cuando el llamante dice algo. Only clear speech (por defecto): solo una voz clara lo interrumpe; una tos, un clic o un ruido no lo cortan. Any sound: cualquier sonido lo para; es lo más rápido, pero también lo corta el ruido. |
| Accent | El acento con que habla el agente. Por defecto, Spain (Castilian); también se sugieren Mexico, Argentina, Colombia, Neutral Latin American, United States y United Kingdom, y puedes escribir cualquier otro. Vacío, lo decide la voz, que en español suele sonar neutra o latinoamericana. |
Call Ambience
| Campo | Qué hace |
|---|---|
| Background Ambience | Un sonido de fondo suave durante toda la llamada, como office. Vacío, sin ambiente. |
| Ambience Volume | Volumen del ambiente, de 0 (silencio) a 1 (tan alto como la voz). |
| Typing While Working | Suena un teclado mientras una herramienta está trabajando. |
| Typing Volume | Volumen de ese teclado, de 0 a 1. |
Timeouts
| Campo | Qué hace |
|---|---|
| Maximum Call Duration (S) | Lo máximo que puede durar una llamada, en segundos. Al llegar, el agente se despide y cuelga. |
| Inactivity Before Hanging Up (S) | Segundos de silencio antes de actuar por inactividad. Nunca salta mientras una herramienta trabaja. |
| Tool Timeout (S) | Cuánto espera el agente a una herramienta antes de disculparse. |
| Ask Before Hanging Up | Activado, tras el silencio el agente pregunta si el llamante sigue ahí y solo cuelga tras un segundo silencio. Desactivado, se despide y cuelga al primer silencio. |
| Still There? Phrase | Lo que dice el agente para comprobar si el llamante sigue en línea. Vacío, lo pregunta con sus palabras. |
| Farewell After Inactivity | Lo que oye el llamante antes de colgar por inactividad. Vacío, el agente se despide con sus palabras. |
| Farewell At Maximum Duration | Lo que oye el llamante al llegar a la duración máxima. Vacío, el agente lo explica y se despide. |
Call recording
| Campo | Qué hace |
|---|---|
| Record Calls | Guarda el audio de cada llamada junto a su transcripción en el historial. Avisar al llamante de que se graba es responsabilidad tuya, normalmente en el Greeting. Desactivado por defecto. |
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| Tell The Model About The Call | Antes de que hable el llamante, el modelo recibe la fecha y la hora, el número que llama, el número marcado y si la llamada llega por teléfono o por la web. Qué hace con esos datos lo decide tu System Prompt. |
| Time Zone | La zona horaria en que se dan la fecha y la hora, por ejemplo Europe/Madrid. |
Guardrails
| Campo | Qué hace |
|---|---|
| Guardrails | Revisa cada acción que el agente va a hacer con sus herramientas contra tus reglas. Una acción que rompe una regla no se hace y el agente se lo explica a quien llama. Viene apagado. |
| Guardrail Rules | Las reglas, con palabras normales y una por línea, mejor con el motivo. |
| If The Check Fails | Qué pasa si la revisión no se puede hacer: Let the request through (por defecto) o Refuse the request. |
Con Guardrails activado aparece el conector Guardrail Model, obligatorio aquí: el modelo en tiempo real no puede hacer la revisión. Conecta uno pequeño y rápido. Más detalles en Guardrails.
Conversation memory
Decide qué parte de la llamada vuelve a leer el modelo en cada respuesta. El modelo cobra por todo lo que lee, también el audio, así que en llamadas largas esto marca el coste. La transcripción completa se guarda siempre en el historial.
| Campo | Qué hace |
|---|---|
| Conversation Memory | Keep recent messages (por defecto): el modelo solo lee la parte más reciente de la llamada, dentro del presupuesto de abajo. Full conversation: lo lee todo, y cada respuesta cuesta más cuanto más dura la llamada. |
| Approximate Token Budget | Cuánta conversación conserva el modelo, en tokens. Un minuto de llamada son unos 3.000. Lo que queda por encima se olvida, empezando por lo más antiguo. Por defecto, 16000, unos cinco minutos. |
Los números de teléfono, los trunks SIP y el avatar del widget se eligen al publicar el agente en el menú Voice Agent, igual que con el Voice Agent.
Resultado
El nodo tiene las mismas salidas que el Voice Agent. Las usa la propia plataforma de voz para ejecutar las herramientas durante la llamada: no hace falta conectarlas a nada.
Durante la llamada:
- Antes de usar una herramienta, el agente dice una frase corta de espera, como «un momento, lo compruebo».
- Antes de colgar, se despide.
- Puede transferir a un teléfono, directamente o con un resumen previo a la persona que atiende, que también le da el mismo modelo. Y puede pasar la llamada a cualquier otro agente de voz de NappAI, sea en tiempo real o clásico, y recibir llamadas de ellos.
- Outbound Call puede hacer llamadas salientes con este agente.
Lo que pasa en cada llamada (la transcripción, las herramientas usadas, la grabación si está activada y el motivo del final) queda en el historial de llamadas.
Ejemplo
Una clínica quiere un agente que informe de horarios y pase a recepción las peticiones de cita.
- Añade un Voice Agent Realtime al lienzo.
- Añade Gemini Live, elige su credencial y conéctalo a Realtime model.
- Escribe en Agent Name «Clínica» y en Greeting «Hola, has llamado a la clínica. ¿En qué puedo ayudarte?».
- En System Prompt, explica los horarios y cuándo pasar la llamada a recepción.
- Conecta a Tools un Transfer Call hacia recepción y un Hang Up Call.
- Prueba en el playground, despliega el flujo y publícalo en el menú Voice Agent.
Buenas prácticas
- Escribe el prompt para el oído: frases cortas, una idea cada vez, sin listas ni tablas.
- Di en el prompt cuándo usar cada herramienta, por ejemplo «si quieren pedir cita, transfiere a recepción».
- Prueba varios modelos y voces en el playground: el tiempo que tarda en responder cambia de un modelo a otro y de un día a otro.
- Deja Interruptions en
Only clear speechen llamadas de teléfono, donde hay más ruido de fondo. - Algunos modelos dicen el Greeting y las despedidas fijas palabra por palabra y otros pueden cambiar alguna palabra. Lo indica la página de cada modelo.
- El modelo no distingue la voz del llamante de otras voces cercanas: aquí no existe la opción Ignore Other Voices del Voice Agent.
- Si activas Record Calls, avisa al llamante de que se graba.
Componentes relacionados
- OpenAI Realtime, Gemini Live y Grok Voice: los modelos que puedes conectar.
- Voice Agent: el agente clásico, con oído, modelo y voz por separado.
- Transfer Call: pasa la llamada a otro agente, a un teléfono o a una dirección SIP.
- Hang Up Call: se despide y cuelga.
- Say to Caller: lee un texto palabra por palabra.
- Outbound Call: hace que un flujo llame por teléfono con este agente.