Skip to main content

Tecnología de voz

Latencia de voz

También llamado: latencia de respuesta · latencia de turno

La latencia de voz es el retardo de ida y vuelta entre el momento en que quien llama termina su frase y el agente comienza a responder. Es la suma del tiempo de voz a texto, del modelo de lenguaje y de texto a voz. Una latencia inferior a un segundo es el estándar para una conversación natural.

Las personas notan las pausas de más de unos 500–800 ms. Una latencia alta hace que un agente parezca robótico y provoca que quienes llaman hablen por encima de él. Minimizar la latencia es un reto de ingeniería fundamental en la IA de voz en tiempo real.

Términos relacionados

Voz a textoTecnología que transcribe audio hablado a texto en tiempo real. STT es cómo un agente de voz entiende lo que dice quien llama.Texto a vozTecnología que convierte texto escrito en audio hablado natural. TTS es lo que le da voz a un agente de voz con IA.EndpointingDetectar cuándo quien llama ha terminado de hablar para que el agente sepa que es su turno de responder. Un mal endpointing provoca pausas incómodas o interrupciones.Barge-in (interrupción)La capacidad de quien llama para interrumpir al agente a mitad de frase y hacer que se detenga y escuche: esencial para una conversación natural y sin frustraciones.

Ve Latencia de voz en una llamada real.

Reserva una demo de 30 minutos y observa a Finn gestionar llamadas entrantes y salientes de principio a fin, sin ningún stack que montar.

Reserva una demo Ver la plataforma