Skip to main content
La configuración de modo controla la arquitectura de audio del asistente. Los tres modos funcionan igual tanto con Prompts como con Flows.

​
Pipeline (predeterminado)

Arquitectura clásica de tres etapas: voz a texto → LLM → texto a voz. Cada etapa es un modelo que se elige por separado en el catálogo de modelos.
  • Control total: elige el STT, el LLM y el TTS de forma independiente, incluidas las cadenas de respaldo por etapa.
  • La selección de modelos y voces más amplia, con la mejor cobertura multilingüe.
  • Detección de turno mediante un modelo de turno semántico o detección de actividad de voz (configurable).
Úsalo cuando quieras el máximo control sobre calidad, costo y comportamiento del idioma. Es la opción predeterminada correcta para telefonía en producción.

​
Realtime

Un único modelo de voz a voz (por ejemplo, gpt-realtime de OpenAI o Google Gemini Live) escucha y habla directamente, sin STT ni TTS por separado.
  • Latencia mínima y una prosodia muy natural (risas, dudas, tono).
  • La voz se elige entre las del propio modelo en tiempo real (por ejemplo, marin, cedar en OpenAI; Puck, Kore en Gemini).
  • La detección de turno ocurre en el servidor, dentro del modelo.
  • Menos opciones de ajuste: la biblioteca de voces, los respaldos por etapa y parte del ajuste de interrupciones no aplican.
Úsalo cuando la naturalidad de la conversación importe más que el control fino: demos, experiencias de conserjería, productos donde la voz es lo principal.

​
Half-cascade

Un híbrido: un modelo en tiempo real se encarga de escuchar y pensar (solo texto), mientras una voz TTS independiente se encarga de hablar.
  • Comprensión y manejo de turnos con calidad de tiempo real, combinados con la voz TTS que elijas, incluidas voces clonadas o de marca.
  • La voz de salida se configura exactamente igual que en el modo Pipeline (proveedor / modelo / voz de TTS).
Úsalo cuando necesites la capacidad de respuesta del tiempo real pero con una voz concreta que el modelo en tiempo real no ofrece.

​
Comportamiento de fiabilidad

Si no se puede montar una configuración de Realtime o Half-cascade en el momento de la llamada (falta la clave del proveedor, modelo no disponible), la llamada no falla: el motor recurre automáticamente a la pila de Pipeline y registra el evento en el historial de llamadas. Un problema de configuración nunca corta una llamada en curso.

​
Comparación rápida