FAQ de voz

¿Es la voz una función de llamada telefónica?

No. La voz es una conversación en tiempo real con un agente en tu navegador, usando WebRTC a través de LiveKit. No hay telefonía, ni marcación de un número, ni llamadas salientes involucradas.

¿Necesito mis propias cuentas para usarla?

Sí. La voz necesita un proyecto de LiveKit para la conexión de audio y al menos una cuenta de proveedor de voz (Deepgram o ElevenLabs) para la transcripción, conectados en Configuración → Voz. Ver Configuración de voz.

¿Se graba o almacena mi audio?

No. Solo se conserva la transcripción de texto resultante, igual que cualquier otro mensaje en la conversación. El audio en bruto nunca se conserva.

¿Puedo usar la voz sin que el agente responda en voz alta?

Sí. Conectar un proveedor de transcripción sin un proveedor de texto a voz es una configuración compatible: tú hablas, el agente responde por escrito. Ver Voz.

¿Por qué mi agente no puede hablar un idioma determinado?

La cobertura varía según el proveedor. Deepgram, por ejemplo, transcribe mandarín pero no lo habla, mientras que ElevenLabs cubre ambas direcciones para cada idioma que ofrece esta plataforma. Si ningún idioma tiene proveedor para una dirección determinada, la página de configuración lo indica directamente en lugar de dejar que una sesión empiece y responda en el idioma equivocado.

¿Por qué mi mensaje hablado aparece como texto editable antes de enviarse?

Eso es lo esperado, y es el objetivo: cada mensaje hablado aparece primero como una transcripción provisional, para que una palabra mal entendida pueda corregirse antes de que el agente la lea.

Relacionado

• Voz: la descripción completa de la función
• Configuración de voz: conectar LiveKit y un proveedor de voz