Voz (vista previa)

Agentes conversacionales de voz en tiempo real que gestionan las llamadas entrantes y realizan llamadas salientes, integrados en Maestro Flow con el nodo de agente de voz.

Un agente conversacional de voz gestiona las conversaciones telefónicas en tiempo real. Las personas que llaman marcan un número de tu propiedad y el agente puede ejecutar herramientas durante la llamada para leer o actualizar datos en vivo.

Cómo funciona

Un agente de voz se ejecuta en un modelo de voz en tiempo real. El audio va directamente al modelo, sin ningún proceso separado de transcribir-razón-sintetizar en el medio. Eso es lo que hace que la conversación sea lo suficientemente rápida como para que la persona que llama la interrumpa. Las herramientas se ejecutan fuera de esa ruta de audio, en el motor de ejecución de agente compartido (Unified Runtime) que sirve llamadas de herramienta para cada tipo de agente.

Trae el número de teléfono en un enlace troncal SIP o desde su propia cuenta de Twilio. La llamada llega a UiPath, que mantiene la sesión del modelo durante su duración y ejecuta las herramientas del agente.

Los agentes conversacionales de voz se crean en Maestro Flow, no en Agent Builder. No hay un agente de voz independiente para publicar o importar.

• Crear en Maestro Flow : modelar la llamada con los nodos Agente de voz, Llamada entrante, Crear llamada saliente y Finalizar llamada . El modelo, el perfil, la solicitud y las herramientas se configuran en el nodo del agente de voz .
• Implementación : conectar un número de teléfono a través de SIP o tu propia cuenta de Twilio y vincularlo a un flujo publicado.
• Observabilidad : leer la transcripción de una llamada, las llamadas de herramientas y los tiempos en el seguimiento de ejecución de la ejecución.

Limitaciones

Estamos ampliando activamente el producto con nuevas capacidades. La siguiente tabla describe las limitaciones actuales, que se prevé abordar en las próximas versiones.

Limitación	Descripción
Duración de la llamada	Las llamadas están limitadas a 10 minutos
Grabaciones de llamadas	Las grabaciones de audio de las llamadas no están disponibles.
Transferir llamada a una persona	No se admite la transferencia de llamadas en vivo a una persona.
Soporte de SDK/superficies de chat	Los agentes de voz solo están disponibles a través de llamadas telefónicas
Automation Suite	Los agentes de voz solo están disponibles en Automation Cloud.

Preguntas frecuentes

¿Qué proveedores de teléfono funcionan?

Los agentes de voz funcionan con los siguientes proveedores de teléfono:

• Twilio
• SDK de Amazon Chime
• Genesys
• Cinco9
• cualquier proveedor SIP que cumpla con los requisitos del tronco SIP

Proveedores que no funcionan:

• Amazon Connect: utiliza el SDK de Amazon Chime en su lugar.
• Azure Communication Services: a menos que tengas un SBC administrado que puedas utilizar.
• Zoom

¿Qué idiomas son compatibles?

La cobertura y la calidad del idioma dependen del modelo seleccionado. Por ejemplo, los modelos Gemini Live admiten 24 idiomas. La comprensión del acento y la respuesta en diferentes acentos están limitadas por las capacidades del modelo.

¿Qué barreras de seguridad y protecciones de datos se aplican?

UiPath aplica la retención de datos cero (ZDR) con todos los proveedores de IA, lo que significa que no se almacenan audio ni transcripciones con nuestros proveedores de IA como OpenAI y Google.

Las barreras de seguridad a nivel de agente no están disponibles para los agentes de voz. Esto incluye barreras de seguridad centralizadas en AI Trust Layer, como enmascarar la información de identificación personal (PII) y las políticas de contenido. Las barreras de seguridad en el nivel de herramienta están disponibles en las herramientas conectadas al nodo del agente de voz . Consulta Observabilidad.