Suchen und filtern Sie Anbieter nach den Faktoren, die einen Start beeinflussen: Anwendungsfall, Eignung für Ihr Team, Gesprächskanal, Telefonie, Laufzeitumgebung, Kontrollen und Preisinformationen.
Wissensgestützte Sprachagenten für Web und Telefon mit nativen Echtzeit-Audiomodellen, Geschäftstools, Lead-Erfassung, Terminplanung und Übergabe an Mitarbeitende.
es ist einfach ein erstaunlich flexibler Chatbot und ich kann GENAU abstimmen, was der Bot wissen soll Karson M. auf G2 · 5/5 · Aus dem Englischen übersetzt
Best fit: Teams, die Sprachagenten auf gepflegte Unternehmensinhalte stützen und mit Tools für Support, Empfang, Vertrieb und Arbeitsabläufe verbinden möchten.
Voice stack: Option für ein natives Echtzeit-Audiomodell mit Wissensabruf und Tools
Telephony: Anbindung einer Twilio-Rufnummer, Anbindung eines SIP-/PSTN-Telefonanbieters
SprachagentenKI-TelefonempfangBuilder für Gesprächsabläufe
Tarife für 49/149/499 US-Dollar pro Monat; Voice Standard+ und Business Voice befinden sich in der Betaphase; kein öffentlicher Gesamtpreis pro Minute.
Amazon Connect Customer AI lässt für die Sprach-/Regionseinstellung eines Connect-Bots Nova Sonic Sprache-zu-Sprache wählen, während Connect Orchestrierung, Intents und Abläufe weiterhin steuert.
Contact-Center-KI und natives Sprache-zu-Sprache-Modell
Scope and signals
Best fit: Amazon-Connect-Contact-Center, die native Sprache-zu-Sprache-Funktionen in bestehenden Sprach-/Regionseinstellungen von Bots und Ablaufwerkzeugen prüfen.
Voice stack: Konfigurierbare Connect-Pipeline mit nativer Nova-Sonic-Option
Telephony: Amazon-Connect-Telefonie
SprachagentenLaufzeitumgebung für Sprach-APIsContact-Center-KI
Plattform für Sprachagenten am Telefon und im Web mit per API erstellten Agenten, Gesprächspfaden, dynamischen Daten, Tools, Webhooks und Einstellungen für Unterbrechungen.
Plattform für Sprachagenten
Scope and signals
Best fit: Entwicklungs- und Betriebsteams, die gebündelte eingehende und ausgehende Anrufe mit klaren Tarifstufen für Anrufvolumen, parallele Anrufe und Wissensdatenbanken benötigen.
Programmable-Voice-Komponente, die eine TwiML-ConversationRelay-Sitzung über WebSocket mit einer Anwendung verbindet, um STT/TTS, Spracheinstellungen, DTMF und Anrufereignisse zu verarbeiten.
Telefonie-Laufzeit für Sprachagenten
Scope and signals
Best fit: Entwickler, die eigene Sprachagentenlogik erstellen und Telefonie, Medienverarbeitung sowie Anrufsteuerung bei Twilio belassen möchten.
Voice stack: Kaskadierte Sprachschnittstelle mit vom Entwickler bereitgestelltem LLM
Copilot Studio stellt Echtzeitagenten für Sprach- und Digitalkanäle bereit, wahlweise im nativen GPT-Realtime-Modus oder mit GPT-5-Chat in der Vorschauphase plus Neural TTS.
Enterprise-Agent-Builder und Contact-Center-KI
Scope and signals
Best fit: Microsoft-Teams, die Copilot-Studio-Themen, Tools, Wissen, Übergaben und ausdrückliche Sprachkonfiguration über mehrere Kanäle benötigen.
Voice stack: Nativer GPT-Realtime-Modus oder kaskadierter GPT-5-Chat-Modus
Telephony: Integrationswege für Dynamics 365 Contact Center und Azure
Builder für GesprächsabläufeSprachagentenContact-Center-KI
Sprachagent für den Kundenservice mit konfigurierbaren Stimmprofilen, ausgehenden Anrufen, Zusammenfassungen für die Übergabe an Menschen, Schutzmechanismen und Integrationen für Supportsysteme.
Enterprise-Plattform für Kundenservice-Agenten
Scope and signals
Best fit: Supportteams, die Telefonautomatisierung mit CRM-, Helpdesk-, Wissensdatenbank- oder CPaaS-Systemen verbinden möchten.
Auf Sprache ausgerichtete Agentenplattform mit visuellen Workflows, wählbaren eigenen Modellen, Bereitstellung für Telefon, Web und Mobilgeräte sowie integrierten Tests und Bewertungen.
Plattform für Sprachagenten und Sprach-API
Scope and signals
Best fit: Teams, die eine verwaltete Stimmenbibliothek und Agenten-Workflows für Telefonie, Web und Mobilgeräte benötigen.
Voice stack: Kaskadierte STT-LLM-TTS-Pipeline mit ElevenLabs-Stimmen
Telephony: Native Twilio-Integration, SIP-Trunks für eingehende und ausgehende Anrufe
EVI ist eine Sprache-zu-Sprache-WebSocket-API, die Transkripte, Messwerte des stimmlichen Ausdrucks, Assistententext und Antwortaudio streamt.
API für ein natives ausdrucksstarkes Sprachmodell
Scope and signals
Best fit: Entwickler, die gesprochene Interaktionen mit Berücksichtigung der Prosodie, konfigurierbaren Stimmen und optionalen ergänzenden LLMs prüfen.
Voice stack: Native Sprache-zu-Sprache-Verarbeitung mit Berücksichtigung der Prosodie
Die Gemini Live API von Google streamt multimodale Sitzungen über WebSockets; ihre stabilen nativen Sprachagentenmodelle sind Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking.
Native multimodale Echtzeit-Modell-API
Scope and signals
Best fit: Entwickler, die latenzarme Konversationsagenten mit nativem Audio, multimodaler Eingabe und Funktionsaufrufen in einer persistenten WebSocket-Sitzung entwickeln.
Voice stack: Native Audioagenten: Gemini 3.8 Live (gemini-3.8-live) und Gemini 3.8 Live Extended Thinking (gemini-3.8-live-extended-thinking)., Separate TTS-Modelle: gemini-3.8-flash-tts und gemini-3.8-flash-lite-tts erzeugen Sprache; keines davon ist ein Live-Agent., Separate Transkriptionsendpunkte: gemini-3.5-transcribe verarbeitet Audiodateien; gemini-3.5-transcribe-live ist ein Speech-to-Text-Modus der Live API, kein Konversationsagent., Separater Übersetzungsmodus: gemini-3.5-live-translate-preview ist ein Dolmetschermodus der Live API für 70+ Sprachen, kein Konversationsagent; er befindet sich in der Vorschau.
Die Standardtarife für die Nutzung betragen $0,005/Min. als Gegenwert für Audioeingabe und $0,018/Min. für Audioausgabe; beides wird separat zuzüglich Texttokens abgerechnet. Google führt außerdem eine kostenlose API-Stufe auf.
KI-Telefonempfang mit Preis pro Agent und konfigurierbaren Fähigkeiten, Formularen, Logikabläufen, Verzeichniskontakten und Anrufweiterleitungen.
KI-Telefonempfang
Scope and signals
Best fit: Kleine Unternehmen oder Unternehmen mit mehreren Standorten, die eine planbare Monatsrechnung nach eindeutigen Kunden statt nach Anrufminuten wünschen.
79/129/249 US-Dollar pro Agent und Monat; Jahresvertragswerte 66/108/208 US-Dollar; der Anbieter nennt unbegrenzte Minuten und Token vorbehaltlich der Bedingungen.
Enterprise-Plattform für Gespräche, deren Oberfläche Talk to Bot es Teams ermöglicht, Sprach- oder Chataufgaben zu testen und Ausführungsprotokolle zu prüfen.
Enterprise-Plattform für Conversational AI
Scope and signals
Best fit: Teams, die einen auf Aufgaben ausgerichteten Builder mit gezielten Tests für Erkennung, Synonyme und Ablauf-Debugging möchten.
Voice stack: Kaskadierte Sprachpipeline
Telephony: Nicht öffentlich dokumentiert
SprachagentenContact-Center-KIBuilder für Gesprächsabläufe
Verwaltete Line-Laufzeit für Sprachagenten mit No-Code-Agent-Builder, per SDK definierter Logik, Cartesia Ink STT, Sonic TTS, Bereitstellung und Beobachtbarkeit.
Plattform für Sprachagenten und Sprach-API
Scope and signals
Best fit: Teams, die verwaltete Audioinfrastruktur wünschen und zugleich die Logik, Tools und externen APIs im Code steuern möchten.
Voice stack: Kaskadiertes STT-LLM-TTS mit Cartesia TTS
Beispiele im Rechner: etwa 0,01 US-Dollar für Sitzung, 0,01 für Telefonie, 0,0014 für LLM, 0,0058 für STT, 0,03 für TTS und 0,01 für Beobachtbarkeit; Eingaben variieren.
Plattform zur durchgängigen Agentenverwaltung, die natürlichsprachliche Briefings in gesteuerte Sprach- und Digitalabläufe überführt und diese anschließend simuliert, bereitstellt und überwacht.
Enterprise-KI für Contact-Center-Sprachkanäle
Scope and signals
Best fit: Große Contact Center, die Lebenszyklus und Kontrolle über Marken, Regionen, Kanäle und Aufgaben unterschiedlicher Komplexität zentralisieren möchten.
Voice stack: Kaskadierte Sprachpipeline
Telephony: Nicht öffentlich dokumentiert
SprachagentenContact-Center-KIBuilder für Gesprächsabläufe
Open-Source-Python-Framework für Sprach- und multimodale Pipelines mit Client-SDKs und verwaltetem Hosting über Pipecat Cloud.
Open-Source-Framework für Sprachagenten
Scope and signals
Best fit: Entwickler, die Pipelines unabhängig vom Anbieter zusammenstellen und zwischen eigenem Hosting und verwalteter Cloud-Bereitstellung wählen möchten.
Voice stack: Konfigurierbare Pipelines mit Adaptern für native Echtzeitmodelle
Echtzeit-API auf Modellebene für Text- und Audioeingabe und -ausgabe über WebRTC, WebSocket oder SIP mit Funktionsaufrufen.
Native multimodale Echtzeit-Modell-API
Scope and signals
Best fit: Produkt- und Entwicklungsteams, die eine Sprachanwendung auf einem Echtzeitmodell aufbauen statt ein fertiges Contact-Center-Produkt einzusetzen.
Voice stack: Native Audioeingabe und -ausgabe mit Tool-Aufrufen
Telephony: SIP-Verbindung, Die Anbindung des Telefonanbieters bleibt Aufgabe des Käufers
Umsatz- und Contact-Center-Plattform mit No-Code-Builder für Sprachagenten, einheitlichen Kundenprofilen, ereignisgesteuerten Journeys, IVR/Routing und kanalübergreifender Ansprache.
Sprachagentenplattform für Umsatzteams und Contact Center
Scope and signals
Best fit: Umsatz- oder Serviceteams, die eingehende und ausgehende Sprache anhand von Kundensignalen über Journeys koordinieren.
Plattform zur Contact-Center-Automatisierung, die menschliche Gespräche analysiert, LLM-Agenten mit codebasierten Schutzmechanismen erstellt und sie anschließend testet, bereitstellt und verbessert.
Enterprise-KI für Contact-Center-Sprachkanäle
Scope and signals
Best fit: Contact Center, die definierte Anrufarten anhand historischer Gespräche, Geschäftslogik und gesteuerter Eskalationswege automatisieren möchten.
Gehostete Plattform für Sprach- und Chatagenten mit knotenbasierten Gesprächsabläufen oder einzelnen Prompts sowie Telefonie, Tools, Wissensdatenbank und Analysen.
Plattform für Sprachagenten
Scope and signals
Best fit: Teams, die einen verwalteten Agent-Builder mit visueller Ablaufgestaltung und Steuerung per API oder SDK vergleichen.
Voice stack: Konfigurierbare STT-LLM-TTS-Pipeline mit Option für ein eigenes LLM
Telephony: Verwaltete Rufnummern, SIP-Trunking, Eigene Telefonieanbindung
SprachagentenLaufzeitumgebung für Sprach-APIsBewertung von Sprachagenten
Plattform für Kundenservice-Agenten mit eingehender und ausgehender Sprache, Messaging, E-Mail, Live-Unterstützung und Veröffentlichung im ChatGPT-Kanal.
Enterprise-Plattform für Kundenservice-Agenten
Scope and signals
Best fit: CX-Organisationen, die ein Agentenmodell über Sprache und digitale Kanäle hinweg sowie Einstellungen für die Markenpersönlichkeit wünschen.
No-Code-Builder für Sprachagenten mit konfigurierbaren Sprachengines, importierten oder geklonten Stimmen und einem Ersatz-Sprachmodell für Enterprise-Kunden.
No-Code-Builder für Sprachagenten
Scope and signals
Best fit: Teams, die Gesprächsabläufe visuell erstellen und Sprachanbieter steuern möchten, wobei der Bereitstellungspreis von Nutzung, Telefonie, Integrationen und Support abhängt.
Voice stack: Kaskadierte STT-LLM-TTS-Pipeline
Telephony: Nicht öffentlich dokumentiert
SprachagentenKI-TelefonempfangBuilder für Gesprächsabläufe
Entwicklerplattform zum Zusammenstellen von Sprachagenten aus wählbaren Anbietern für Spracherkennung, Sprachmodelle und Sprachsynthese, mit Anrufpfaden für Telefon und Web.
API und Orchestrierungsplattform für Sprachagenten
Scope and signals
Best fit: Entwicklungsteams, die STT-, LLM- und TTS-Anbieter, Tools und die Anruforchestrierung selbst steuern möchten.
Voice stack: Konfigurierbare Pipeline einschließlich STT-LLM-TTS und OpenAI Realtime
Telephony: Verwaltete Rufnummern, Eigene Telefonieanbindung, SIP
SprachagentenLaufzeitumgebung für Sprach-APIsBuilder für Gesprächsabläufe
Einheitliche Voice Agent API, die Deepgram-Spracherkennung, LLM-Orchestrierung und Sprachsynthese mit Funktionsaufrufen und Steuerung während der Sitzung verbindet.
Sprachagenten-API und Sprachinfrastruktur
Scope and signals
Best fit: Entwickler, die eine verwaltete Sprach-API nutzen möchten, statt separate STT-, Orchestrierungs- und TTS-Dienste zusammenzustellen.
Voice stack: Verwalteter Komplettstack mit kaskadiertem STT-LLM-TTS
Mit dem Verzeichnis eine engere Anbieterauswahl erstellen
Dies ist der vollständige Anbieterkatalog mit fertigen Telefonagenten, Empfangslösungen, Contact-Center-Produkten und Laufzeitumgebungen für Entwickler. Filtern Sie nach benötigten Anrufkanälen und Integrationen und vergleichen Sie anschließend die Profile.
Wenn Ihr Team eine Sprachanwendung entwickelt und betreibt, beginnen Sie bei den Plattformen. Für einen verwalteten Ablauf für eingehende oder ausgehende Anrufe beginnen Sie bei den KI-Telefonagenten. Nutzen Sie den Preisleitfaden, um dieselbe Nutzung bei mehreren Anbietern zu vergleichen.
Sprachunterstützung in echten Anrufen bewerten
Testen Sie Erkennung, Sprachqualität, Unterbrechungen, Sprachwechsel, Tool-Nutzung und menschliche Übergabe anhand eigener Anrufe in der benötigten Sprache. Die Verfügbarkeit kann je nach Modell, Tarif und Telefonroute variieren.
DocsBot dokumentiert mehrsprachige Sprachabläufe und Unterstützung für Japanisch. Prüfen Sie Stimme, Telefoniepfad und Übergabeverhalten in Ihrem Pilotprojekt genau. Sprachinformationen von DocsBot prüfen ↗
Sprachangaben anderer Anbieter beruhen auf zitierten Anbieterunterlagen. Bestätigen Sie Japanisch und andere benötigte Sprachen direkt bei jedem Anbieter.
Fragen von Käufern
Fragen zu Software für Sprachagenten
Wonach kann ich im Verzeichnis der Sprachagenten filtern?
Suchen Sie nach Anbietern, Architektur, Bereitstellungskanälen, Telefonie, Anrufsteuerung, Integrationen, Wissensquellen, Sprachen, Eignung für Unternehmensgrößen und Preistransparenz.
Kann ich Minutenpreise direkt vergleichen?
Meistens nicht. Ein Preis deckt möglicherweise nur Orchestrierung ab, ein anderer Sprache oder einen verwalteten Dienst. Rechnen Sie für dieselbe Nutzung Modelle, STT, TTS oder natives Audio, Telefonanbieter, Rufnummer, SIP, Übergabe, Aufzeichnung, Speicherung, Bewertung, Implementierung und Support hinzu.
Wie aktuell ist das Verzeichnis?
Jedes recherchierte Profil zeigt ein Prüfdatum und Links zu Primärquellen. Preise, Vorschauversionen, Kontingente, Modelle und Sprachabdeckung können sich ändern. Bestätigen Sie wichtige Bedingungen vor dem Kauf.
Warum steht in einem Feld ‚Nicht öffentlich dokumentiert‘?
Die Recherche hat keine ausreichend eindeutige öffentliche Primärquelle gefunden. Das Verzeichnis kennzeichnet diese Lücke ausdrücklich, statt eine Schlussfolgerung oder Vertriebsbehauptung als Tatsache darzustellen.
Die Aufnahme ist keine Empfehlung und keine Leistungsgarantie. Dieses Verzeichnis wird von DocsBot veröffentlicht. Redaktionelle Richtlinien
Ihr Unternehmen. Ihre engere Auswahl.
Finden Sie das passende KI-Sprachsystem.
Beginnen Sie mit Ihrer Website. Beantworten Sie einige gezielte Fragen und erhalten Sie ein persönliches PDF mit Eignung, Abwägungen, Alternativen und einem Pilotplan für Ihren Anrufablauf.
