Un ingeniero ha desarrollado un agente de voz con una latencia 2 veces menor que las plataformas existentes, utilizando una aproximación de bajo costo y un enfoque innovador. El proyecto, realizado en seis meses como parte de un trabajo para una importante empresa de bienes de consumo, buscó crear una alternativa a plataformas como Vapi y ElevenLabs. El ingeniero logró construir la capa de orquestación del agente de voz con un presupuesto de aproximadamente 100 dólares en créditos de API, logrando tiempos de respuesta de 400ms, superando el rendimiento de Vapi. El éxito radica en un bucle de turnos optimizado que gestiona la transición entre el estado de escucha y el de habla, crucial para una experiencia conversacional fluida. La clave fue simplificar la arquitectura a un bucle central que determina si el usuario está hablando o escuchando, y optimizar la detección de voz y la respuesta en tiempo real. El ingeniero destaca que la calidad de un agente de voz no depende de un único modelo, sino de la coordinación precisa de múltiples componentes, y que las plataformas integradas a menudo ocultan la complejidad subyacente.
Noticias agregadas con IA