Tipo de proveedorAPI de modelo de voz nativo y expresivo
Ideal paraDesarrolladores que evalúan conversaciones de voz sensibles a la prosodia con voces configurables y LLM adicionales opcionales.
Tamaños de empresaempresas emergentes; empresa mediana; gran empresa; desarrolladores
Canales de llamadasWebSocket; web; móvil; integraciones de telefonía
Modelo de preciosLos planes mensuales incluyen minutos de EVI; el uso adicional de EVI 3 se cobra por minuto en Pro, Scale y Business, mientras TTS tiene cupos y tarifas por caracteres aparte.
Referencia de preciosEVI 3: Pro $70/mes con 1.200 minutos y $0,06/min adicionales; Scale $200 con 5.000 y $0,05; Business $500 con 12.500 y $0,04.
Plan o prueba gratisEl plan gratuito incluye 5 minutos de EVI; confirma la versión elegida y las condiciones vigentes.
Precios y presupuesto de Empathic Voice Interface
EVI 3: Pro $70/mes con 1.200 minutos y $0,06/min adicionales; Scale $200 con 5.000 y $0,05; Business $500 con 12.500 y $0,04.
Los planes mensuales incluyen minutos de EVI; el uso adicional de EVI 3 se cobra por minuto en Pro, Scale y Business, mientras TTS tiene cupos y tarifas por caracteres aparte.
El plan gratuito incluye 5 minutos de EVI; confirma la versión elegida y las condiciones vigentes.
Precios del catálogo comprobados el 21 de septiembre de 2026. Confirma las condiciones vigentes en las fuentes del proveedor.
Voz a voz nativa con procesamiento sensible a la prosodia
Telefonía
No se documenta públicamente
Controles de llamadas
No se documenta públicamente
Integraciones
No se documenta públicamente
Conocimiento y datos
No se documenta públicamente
Idiomas
No se documenta públicamente
Aspectos destacados
Los mensajes WebSocket estructurados de EVI exponen transcripciones y mediciones de expresión vocal junto al texto y audio generados; las versiones de EVI difieren en cobertura de idiomas y necesidad de LLM adicionales.
Aspectos a verificar
La propuesta de empatía no demuestra que infiera emociones con precisión. Prueba interpretaciones erróneas, diferencias culturales, consentimiento, usos sensibles y escalamiento.
Preguntas frecuentes de compradores
Preguntas sobre Empathic Voice Interface
¿Cómo debo presupuestar Empathic Voice Interface?
La señal de precio publicada es: EVI 3: Pro $70/mes con 1.200 minutos y $0,06/min adicionales; Scale $200 con 5.000 y $0,05; Business $500 con 12.500 y $0,04. El modelo de precios registrado es: Los planes mensuales incluyen minutos de EVI; el uso adicional de EVI 3 se cobra por minuto en Pro, Scale y Business, mientras TTS tiene cupos y tarifas por caracteres aparte. Solicita al proveedor un presupuesto actualizado para la misma carga de trabajo, canales, suscripciones, uso y costes de implementación.
¿Puede Empathic Voice Interface usar mis datos actuales?
Entre las fuentes de conocimiento y datos indicadas figuran No se documenta públicamente. Confirma con el proveedor los permisos, la actualización y el comportamiento ante fallos de tus sistemas concretos.
¿Qué debo probar en un piloto de Empathic Voice Interface?
Realiza llamadas representativas con las mismas instrucciones y reglas de escalamiento. Registra calidad de voz, tareas completadas, derivaciones y coste total. Comprueba estas precauciones: La propuesta de empatía no demuestra que infiera emociones con precisión. Prueba interpretaciones erróneas, diferencias culturales, consentimiento, usos sensibles y escalamiento.
Compara Hume EVI con candidatos similares
Estos productos comparten categorías registradas o adecuación al tamaño de la empresa. Compara los canales, las capacidades y los precios reales antes de considerarlos sustitutos.
Agentes de voz para web y teléfono fundamentados en conocimiento, con modelos de audio nativos en tiempo real, herramientas empresariales, captación de clientes potenciales, programación de citas y transferencia a una persona.
es un chatbot increíblemente flexible y puedo ajustar EXACTAMENTE lo que necesito que sepa el bot Karson M. en G2 · 5/5 · Traducido del inglés
plataforma de agentes de voz fundamentados en conocimiento
Alcance e indicios
Ideal para: Equipos que buscan agentes de voz basados en contenido empresarial actualizado y conectados con herramientas de soporte, recepción, ventas y flujos de trabajo.
Arquitectura de voz: Opción de modelo de audio nativo en tiempo real con recuperación de conocimiento y herramientas
Telefonía: conexión de números de Twilio, conexión con operadores SIP/red pública
agentes de vozrecepcionistas con IAherramientas para crear conversaciones
Plataforma de agentes de voz para teléfono y web con creación de agentes por API, rutas, datos dinámicos, herramientas, webhooks y ajustes de interrupción.
plataforma de agentes de voz
Alcance e indicios
Ideal para: Desarrolladores y equipos de operaciones que necesitan llamadas entrantes y salientes empaquetadas, con niveles explícitos de volumen, simultaneidad y base de conocimiento.
Componente de Programmable Voice que conecta una sesión TwiML ConversationRelay con un WebSocket de la aplicación para STT/TTS, configuración de idioma, DTMF y eventos de llamada.
Entorno de ejecución de telefonía para agentes de voz
Alcance e indicios
Ideal para: Desarrolladores que crean su propia lógica de agente de voz y mantienen la telefonía, el tratamiento del audio y el control de llamadas en Twilio.
Arquitectura de voz: Interfaz de voz en cascada con LLM aportado por el desarrollador
Telefonía: Twilio Programmable Voice, números de teléfono, SIP
plataforma de ejecución de API de vozagentes de voz
La API Gemini Live de Google transmite sesiones multimodales por WebSockets; sus modelos estables nativos para agentes de voz son Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking.
API de modelo multimodal nativo en tiempo real
Alcance e indicios
Ideal para: Desarrolladores que crean agentes conversacionales de baja latencia y necesitan audio nativo, entrada multimodal y llamadas a funciones en una sesión WebSocket persistente.
Arquitectura de voz: Agentes nativos de audio: Gemini 3.8 Live (gemini-3.8-live) y Gemini 3.8 Live Extended Thinking (gemini-3.8-live-extended-thinking)., Modelos TTS independientes: gemini-3.8-flash-tts y gemini-3.8-flash-lite-tts generan voz; ninguno es un agente Live., Endpoints de transcripción independientes: gemini-3.5-transcribe procesa archivos de audio; gemini-3.5-transcribe-live es un modo de voz a texto de Live API, no un agente conversacional., Modo de traducción independiente: gemini-3.5-live-translate-preview funciona como intérprete de Live API para más de 70 idiomas; no es un agente conversacional y está en versión preliminar.
Telefonía: No se documenta públicamente
plataforma de ejecución de API de vozagentes de voz
Las tarifas estándar de pago equivalen a 0,005 USD/min de audio de entrada y 0,018 USD/min de audio de salida; se facturan por separado, más los tokens de texto. Google también ofrece un nivel gratuito de la API.
Empathic Voice Interface de Hume es una API de voz a voz en tiempo real. Procesa señales vocales y devuelve transcripciones, medidas de expresión, texto generado y audio de respuesta. Considera esas medidas como resultados del modelo que debes evaluar, no como etiquetas objetivas de emociones ni como una precisión garantizada.
Prueba interpretaciones erróneas, acentos, variaciones culturales, interrupciones y conversaciones delicadas. Decide cuándo la aplicación debe ignorar una señal inferida, pedir una aclaración o transferir la conversación a una persona.
La comparativa actual de Hume indica que EVI 3 funciona en inglés y permite añadir un LLM complementario de forma opcional. EVI 4-mini incluye 11 idiomas y requiere un LLM complementario. Por tanto, la versión del modelo cambia tanto la cobertura de idiomas como la arquitectura. Comprueba la versión elegida en la implementación y prueba todos los idiomas necesarios, en lugar de asumir que el nombre EVI representa una capacidad fija.
Precios consultados el 21 de septiembre de 2026. Hume incluye 5 minutos de EVI en el plan Free. Pro cuesta $70 al mes e incluye 1,200 minutos, con un cargo de $0.06 por cada minuto adicional de EVI 3; Scale cuesta $200 e incluye 5,000 minutos, con $0.05 por minuto adicional; Business cuesta $500 e incluye 12,500 minutos, con $0.04 por minuto adicional. Los caracteres de texto a voz se cobran por separado.
Como ejemplo, 1,500 minutos de EVI 3 en Pro costarían $88: el plan de $70 más 300 minutos adicionales a $0.06. No se trata de una cotización y no incluye costes de LLM externos ni de otros servicios. La tabla citada identifica estas tarifas por uso adicional como propias de EVI 3; no las apliques a EVI 4-mini sin una cotización actualizada del proveedor.
Usa la lista de compra para comparar requisitos y después sigue las evidencias de producto. Si DocsBot encaja en tu lista corta, su configuración oficial explica las conexiones MCP y habilidades disponibles.
Voice Agents Guide está gestionada y patrocinada por DocsBot. Estos recursos ayudan a investigar y configurar opciones; no obligan a elegir DocsBot. Compara la adecuación y verifica la evidencia vigente de cada proveedor antes de recomendar o cambiar un sistema.
Prueba el reconocimiento, la calidad de la voz, las interrupciones, el cambio de idioma, el uso de herramientas y la transferencia a una persona con llamadas propias en el idioma necesario. La disponibilidad puede variar según el modelo, el plan y la ruta telefónica.
DocsBot documenta flujos de voz multilingües y compatibilidad con japonés. Verifica la voz concreta, la ruta telefónica y el comportamiento de la transferencia en tu prueba piloto. Consultar la información sobre idiomas de DocsBot ↗
Las afirmaciones de otros proveedores sobre idiomas proceden de las fuentes citadas; confirma directamente con cada uno la compatibilidad con japonés y los demás idiomas necesarios.
La inclusión no supone una recomendación ni garantiza el rendimiento. Este directorio lo publica DocsBot. Política editorial
Tu empresa. Tu selección.
¿Es Empathic Voice Interface adecuado para ti?
Empieza por el sitio web de tu empresa. Responde unas preguntas concretas y recibe un PDF personalizado con recomendaciones, ventajas y desventajas, alternativas y un plan piloto para tus llamadas.
