Wie richte ich KI-Modelle, Stimme und Spracherkennung für Agile Voice ein?
In der Seitenleiste auf „Modelle“: Anbieter für Sprachmodell (LLM), Stimme (TTS), Spracherkennung (STT) und Embedding wählen und Ihren eigenen API-Schlüssel eintragen.
Wo
Klicken Sie in der Seitenleiste unter Aufbauen auf Modelle. Dort konfigurieren Sie KI-Modell, Stimme und Transkription für Ihre Organisation.
Was Sie einstellen
- LLM (Sprachmodell): zum Beispiel OpenAI, Google, Azure, Groq, OpenRouter oder AWS Bedrock.
- TTS (Stimme): zum Beispiel ElevenLabs, Cartesia, Deepgram, OpenAI oder Rime.
- STT (Spracherkennung): zum Beispiel Deepgram, OpenAI, AssemblyAI, Gladia, Speechmatics oder Cartesia.
- Embedding: wird für die Wissensdatenbank unter Dateien gebraucht.
Wählen Sie unter Anbieter den Dienst, tragen Sie über API-Schlüssel hinzufügen Ihren Schlüssel ein und wählen Sie Modell bzw. Stimme.
Mit dem Echtzeitmodus nutzen Sie ein einzelnes Speech-to-Speech-Modell (zum Beispiel von OpenAI oder Google) statt getrennter Spracherkennung und Stimme. Ein LLM wird trotzdem für das Erfassen von Variablen und die Qualitätsprüfung gebraucht.
Für einzelne Voice-Agents abweichen
Im Editor eines Voice-Agents können Sie die Modelle für diesen Agent überschreiben. Ohne Abweichung gilt die globale Einstellung.
Kosten
Sie nutzen Ihre eigenen Zugänge bei den Anbietern und rechnen die Nutzung direkt mit ihnen ab.
Deutsch
Für deutsche Gespräche wählen Sie eine deutsche Stimme und stellen die Spracherkennung auf Deutsch. Viele Anbieter lassen Sie Stimmen vorher anhören.