AnbietertypAPI für ein natives ausdrucksstarkes Sprachmodell
Am besten geeignet fürEntwickler, die gesprochene Interaktionen mit Berücksichtigung der Prosodie, konfigurierbaren Stimmen und optionalen ergänzenden LLMs prüfen.
PreismodellMonatstarife enthalten EVI-Minuten; zusätzliche EVI-3-Nutzung wird bei Pro, Scale und Business minutenweise berechnet, während für TTS separate Zeichenkontingente und Preise gelten.
PreisangabenEVI 3: Pro 70 US-Dollar/Monat mit 1.200 Minuten und zusätzlich 0,06 US-Dollar/Min.; Scale 200 mit 5.000 und 0,05; Business 500 mit 12.500 und 0,04.
Kostenloser Tarif oder TestzeitraumKostenloser Tarif mit 5 EVI-Minuten; gewählte EVI-Version und aktuelle Bedingungen prüfen.
Preise und Budget für Empathic Voice Interface
EVI 3: Pro 70 US-Dollar/Monat mit 1.200 Minuten und zusätzlich 0,06 US-Dollar/Min.; Scale 200 mit 5.000 und 0,05; Business 500 mit 12.500 und 0,04.
Monatstarife enthalten EVI-Minuten; zusätzliche EVI-3-Nutzung wird bei Pro, Scale und Business minutenweise berechnet, während für TTS separate Zeichenkontingente und Preise gelten.
Kostenloser Tarif mit 5 EVI-Minuten; gewählte EVI-Version und aktuelle Bedingungen prüfen.
Katalogpreise geprüft am 21. September 2026. Bestätigen Sie aktuelle Bedingungen anhand der Anbieterquellen.
Native Sprache-zu-Sprache-Verarbeitung mit Berücksichtigung der Prosodie
Telefonie
Nicht öffentlich dokumentiert
Anrufsteuerung
Nicht öffentlich dokumentiert
Integrationen
Nicht öffentlich dokumentiert
Wissen und Daten
Nicht öffentlich dokumentiert
Sprachen
Nicht öffentlich dokumentiert
Besondere Merkmale
Strukturierte EVI-WebSocket-Nachrichten geben sowohl Transkript als auch Messwerte des stimmlichen Ausdrucks neben erzeugtem Text und Audio aus. EVI-Versionen unterscheiden sich bei der Sprachabdeckung und den Anforderungen an ergänzende LLMs.
Zu beachten
Die Positionierung als empathisch belegt keine zuverlässige Emotionserkennung. Fehlinterpretationen, kulturelle Unterschiede, Einwilligung, sensible Einsätze und Eskalation testen.
Fragen von Käufern
Fragen zu Empathic Voice Interface
Wie sollte ich das Budget für Empathic Voice Interface planen?
Die veröffentlichte Preisangabe lautet: EVI 3: Pro 70 US-Dollar/Monat mit 1.200 Minuten und zusätzlich 0,06 US-Dollar/Min.; Scale 200 mit 5.000 und 0,05; Business 500 mit 12.500 und 0,04. Das erfasste Preismodell lautet: Monatstarife enthalten EVI-Minuten; zusätzliche EVI-3-Nutzung wird bei Pro, Scale und Business minutenweise berechnet, während für TTS separate Zeichenkontingente und Preise gelten. Bitten Sie den Anbieter um ein aktuelles Angebot für dieselbe Nutzung, dieselben Kanäle sowie Abonnement-, Nutzungs- und Implementierungskosten.
Kann Empathic Voice Interface meine vorhandenen Daten nutzen?
Zu den aufgeführten Wissens- und Datenquellen gehören Nicht öffentlich dokumentiert. Bestätigen Sie beim Anbieter Berechtigungen, Aktualität und Fehlerverhalten für Ihre konkreten Systeme.
Was sollte ich in einem Pilotprojekt mit Empathic Voice Interface testen?
Testen Sie repräsentative Anrufe mit denselben Anweisungen und Eskalationsregeln. Erfassen Sie Sprachqualität, erledigte Aufgaben, Übergaben und Gesamtkosten. Prüfen Sie diese Einschränkungen: Die Positionierung als empathisch belegt keine zuverlässige Emotionserkennung. Fehlinterpretationen, kulturelle Unterschiede, Einwilligung, sensible Einsätze und Eskalation testen.
Vergleichen Sie Hume EVI mit ähnlichen Kandidaten
Diese Produkte teilen dokumentierte Kategorien oder eine Eignung für ähnliche Unternehmensgrößen. Vergleichen Sie tatsächliche Kanäle, Funktionen und Preise, bevor Sie sie als austauschbar betrachten.
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
Am besten geeignet für: Teams, die Sprachagenten auf gepflegte Unternehmensinhalte stützen und mit Tools für Support, Empfang, Vertrieb und Arbeitsabläufe verbinden möchten.
Sprachtechnologie: Option für ein natives Echtzeit-Audiomodell mit Wissensabruf und Tools
Telefonie: 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.
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
Umfang und Hinweise
Am besten geeignet für: 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
Umfang und Hinweise
Am besten geeignet für: Entwickler, die eigene Sprachagentenlogik erstellen und Telefonie, Medienverarbeitung sowie Anrufsteuerung bei Twilio belassen möchten.
Sprachtechnologie: Kaskadierte Sprachschnittstelle mit vom Entwickler bereitgestelltem LLM
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
Umfang und Hinweise
Am besten geeignet für: Entwickler, die latenzarme Konversationsagenten mit nativem Audio, multimodaler Eingabe und Funktionsaufrufen in einer persistenten WebSocket-Sitzung entwickeln.
Sprachtechnologie: 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.
Humes Empathic Voice Interface ist eine Echtzeit-API für Sprache-zu-Sprache-Verarbeitung. Sie verarbeitet stimmliche Signale und gibt Transkripte, Ausdrucksmaße, erzeugten Text und Antwortaudio zurück. Behandeln Sie diese Maße als zu prüfende Modellausgaben, nicht als objektive Emotionsbezeichnungen oder garantierte Genauigkeit.
Testen Sie Fehlinterpretationen, Akzente, kulturelle Unterschiede, Unterbrechungen und sensible Gespräche. Legen Sie fest, wann die Anwendung ein erschlossenes Signal ignoriert, nachfragt oder an eine Person übergibt.
Laut Humes aktuellem Vergleich unterstützt EVI 3 Englisch und kann ein ergänzendes LLM nutzen. EVI 4-mini führt 11 Sprachen auf und benötigt ein ergänzendes LLM. Die Modellversion beeinflusst somit Sprachabdeckung und Architektur. Prüfen Sie die gewählte Version in der Implementierung und testen Sie jede benötigte Sprache, statt aus dem Namen EVI einen festen Funktionsumfang abzuleiten.
Preise geprüft am 21. September 2026. Hume nennt 5 EVI-Minuten im kostenlosen Tarif. Pro kostet 70 US-Dollar pro Monat mit 1.200 Minuten und 0,06 US-Dollar je zusätzlicher EVI-3-Minute; Scale kostet 200 mit 5.000 und 0,05 je weiterer Minute; Business kostet 500 mit 12.500 und 0,04 je weiterer Minute. Text-zu-Sprache-Zeichen werden separat berechnet.
Zur Veranschaulichung kosten 1.500 EVI-3-Minuten im Pro-Tarif 88 US-Dollar: 70 US-Dollar Grundpreis plus 300 zusätzliche Minuten zu 0,06 US-Dollar. Dies ist kein Angebot und schließt externe LLM- oder andere Dienstkosten aus. Die zitierte Tabelle weist diese Mehrnutzungspreise für EVI 3 aus; übertragen Sie sie ohne aktuelles Anbieterangebot nicht auf EVI 4-mini.
Nutzen Sie die Kaufcheckliste für den Anforderungsvergleich und folgen Sie dann den Produktbelegen. Wenn DocsBot in Ihre engere Auswahl passt, erläutert die offizielle Einrichtung verfügbare MCP-Verbindungen und Skills.
Voice Agents Guide wird von DocsBot betrieben und gesponsert. Diese Materialien dienen der Recherche und Einrichtung; sie verpflichten nicht zur Wahl von DocsBot. Vergleichen Sie die Eignung und prüfen Sie aktuelle Anbieterbelege, bevor Sie ein System empfehlen oder ändern.
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.
Die Aufnahme ist keine Empfehlung und keine Leistungsgarantie. Dieses Verzeichnis wird von DocsBot veröffentlicht. Redaktionelle Richtlinien
Ihr Unternehmen. Ihre engere Auswahl.
Ist Empathic Voice Interface für Sie geeignet?
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.
