Vosk (local)
Vosk (local) 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. Corre en el servidor de NappAI: no necesita credencial, el audio no se envía a ningún proveedor externo y no tiene coste por minuto. Entiende español e inglés, con menos precisión que Parakeet (local, multilingual) y que los motores en la nube. 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
- Quieres un STT local que transcriba mientras el llamante habla, para que pueda interrumpir al agente con unas palabras.
- Tus llamadas son solo en español o en inglés.
- Haces pruebas rápidas de un agente sin configurar ninguna cuenta externa.
Configuración
| Campo | Qué hace |
|---|---|
| Language | El idioma de la llamada: es (por defecto) o en. |
| Detect Language | Si está activado, el agente reconoce si el llamante habla en español o en inglés y cambia de idioma con él. Desactivado por defecto. |
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| Supported Languages | Idiomas entre los que puede cambiar la detección. Solo se tienen en cuenta es y en. Solo se usa con Detect Language activado. |
| Model Path | Déjalo vacío. Solo hace falta si el equipo técnico de tu instalación te indica otra ubicación para el modelo de voz. |
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
Un taller mecánico quiere un agente sencillo que tome avisos en español.
- Añade Vosk (local) y conéctalo al conector STT del Voice Agent.
- Deja Language en
es. - Prueba el agente en el playground dejando un aviso de avería.
Buenas prácticas
- Si el agente confunde palabras con frecuencia, prueba Parakeet (local, multilingual), también local y más preciso.
- 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.
- Parakeet (local, multilingual): reconocimiento de voz local, sin credencial.