Artículos para quien
entrega el stack
Textos sobre React, Node.js, TypeScript y AI. El cuerpo traducido se muestra cuando existe. Si no, ve el texto en inglés y una nota que lo dice.
Etiqueta: voice-ai
Siete lecciones prácticas para crear un agente de IA por voz fiable.
Latencia, interrupciones, posibles fallos de las herramientas, lógica empresarial fuera del contexto de la solicitud, memoria, capacidad de observación y transferencia de tareas al humano: lo que necesita un agente de voz a gran escala.
7 min de lecturaPor qué los agentes de voz suenan robóticos: las cadenas en cascada, la detección de turnos y el marco TEN.
Por qué los agentes de voz suenan robóticos: las cadenas en cascada de STT, LLM y TTS causan silencios y malas interrupciones. Cuatro tipos de agentes de voz y cómo TEN gestiona los turnos.
8 min de lecturaAPI de Agents, Voz Full-Duplex, SWE-2 y Enrutamiento Automático de Copilot Auto: La semana en el desarrollo de IA
La API de Agents gestionada por OpenAI y la capa de voz GPT-Live-1, las afirmaciones sobre eficiencia de Cognition SWE-2 y las preferencias de enrutamiento automático de Copilot Auto, con notas prácticas sobre costos, seguridad y evaluación.
7 min de lecturaAgente de IA por voz en llamadas telefónicas en vivo: por qué asyncio superó a los hilos, además de tres errores.
Lecciones de un agente telefónico en tiempo real que utiliza STT, LLM y TTS: pasar de hilos a asyncio, además de llamadas a herramientas filtradas, mensajes sin resolver y transferencias obsoletas.
7 min de lecturaAgentes de voz con IA explicados: cómo funcionan, dónde encajan y dónde fallan
Agentes de voz basados en IA explicaron: el flujo de llamadas de cinco etapas, los nueve componentes básicos, los casos de uso, las seis pruebas para los compradores, los límites conocidos, las obligaciones de cumplimiento y los KPIs.
24 min de lecturaAgentes de voz y correcciones: por qué no basta con oír bien el número de pedido
Un agente de voz repitió el número de pedido corregido y aun así modificó el pedido equivocado. Cómo sobreviven las llamadas a herramientas obsoletas a una interrupción y cómo las detectan las máquinas de estados y las trazas.
5 min de lecturaGemini 3.8 Live: agentes de voz con speech-to-speech nativo mediante la Live API
Qué ofrecen Gemini 3.8 Live y Extended Thinking: audio, vídeo y herramientas nativos, configuración de la Live API en Python, entrada de audio y vídeo, precios y seguridad con tokens efímeros.
9 min de lectura
Sobre estos artículos
Presupuesto en 24 h
¿Necesitas el mismo stack en una capa de operador? Envía el brief — presupuesto en 24 h.