> ## Documentation Index
> Fetch the complete documentation index at: https://docs.inagent.inconcertcx.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Configuración de voz

## Configuración de fluidez y transcripción

El canal de voz incorpora controles avanzados para optimizar la **fluidez conversacional**, el **endpointing** y la **calidad de transcripción (ASR)**.

***

### 🎙️ Fluidez conversacional (presets)

Puedes definir el comportamiento general de la conversación mediante presets preconfigurados que ajustan automáticamente parámetros internos de **VAD (Voice Activity Detection)** y **endpointing**:

* **Ágil**
  * Menor tiempo de espera antes de responder
  * Mayor reactividad del asistente
  * Permite interrupciones frecuentes
  * Ideal para conversaciones dinámicas (ventas, atención rápida)
* **Equilibrado (default)**
  * Balance entre latencia y precisión
  * Buen comportamiento en la mayoría de los casos
  * Recomendado como configuración estándar
* **Paciente**
  * Mayor tiempo de espera antes de responder
  * Evita interrupciones innecesarias
  * Más tolerante a pausas del usuario
  * Ideal para soporte o usuarios menos técnicos

<info>
  Estos presets modifican internamente múltiples parámetros de audio, por lo que se recomienda utilizarlos como punto de partida antes de aplicar ajustes avanzados.
</info>

***

### ⚙️ Configuración avanzada (fine-tuning)

Si necesitas mayor control, puedes **sobrescribir el preset seleccionado** y ajustar manualmente los parámetros de detección de voz:

* **Tiempo de espera antes de responder**\
  Define cuánto tiempo espera el sistema antes de asumir que el usuario terminó de hablar.
* **Duración mínima para detectar voz**\
  Cantidad mínima de audio necesaria para considerar que hay una intervención válida del usuario.
* **Nivel de confianza para clasificar audio como habla**\
  Umbral de sensibilidad para distinguir entre voz y ruido de fondo.
* **Audio previo preservado antes de cambio de turno**\
  Define cuánto audio previo se conserva para mejorar la interpretación del contexto antes de responder.

<warning>
  Un ajuste incorrecto puede generar interrupciones excesivas o latencias elevadas.\
  Se recomienda probar los cambios en el Playground antes de llevarlos a producción.
</warning>

***

### 🧠 Mejoras en transcripción (ASR)

Se incorporan nuevas opciones para mejorar la calidad, legibilidad y utilidad de la transcripción de voz:

* **Puntuación automática**\
  Agrega signos de puntuación (comas, puntos) para mejorar la lectura del texto.
* **Priorización de velocidad**\
  Reduce la latencia de transcripción, sacrificando levemente la precisión.
* **Inclusión de muletillas**\
  Conserva expresiones como “eh”, “mm”, etc., útil para análisis conversacional.
* **Formato inteligente**\
  Estructura automáticamente elementos como fechas, emails, números, etc.
* **Filtro de lenguaje ofensivo**\
  Detecta y bloquea o modera contenido inapropiado.
* **Números como dígitos**\
  Convierte texto hablado (“veinte”) en formato numérico (“20”).
* **Vocabulario personalizado**\
  Permite mejorar el reconocimiento de términos específicos del negocio (marcas, productos, nombres propios).

<tip>
  El uso de vocabulario personalizado puede mejorar significativamente la precisión en industrias con terminología específica (finanzas, salud, telco, etc.).
</tip>

***

## Recomendaciones

* Usa **Equilibrado** como configuración base y ajusta solo si detectas problemas de latencia o interrupciones.
* Para entornos ruidosos, aumenta el **nivel de confianza de voz** y la **duración mínima de detección**.
* Si tu caso requiere análisis de conversación, activa **muletillas** y **formato inteligente**.
* Para canales de voz en tiempo real, prioriza configuraciones que minimicen la latencia.