Inworld hat Ultravox übernommen und kontrolliert nun beide Enden des Voice-AI-Stacks.
Ultravox-Seite: Vollständige Voice-Agent-Plattform für Echtzeit-Speech-to-Intent, Tool-Calling, Turn-Taking-Logik und Unterbrechungsbehandlung. Kernteam wechselt zu Inworld, um die Entwicklung fortzuführen.
Inworld-Seite: Realtime-TTS-2-Modell auf Platz #1 bei Artificial Analysis. Latenz unter 100 ms. Unterstützung für über 200 Sprachen. Inline-Textanweisungen zur Prosodie-Steuerung („hier langsamer“, „kling wärmer“, „zeige mehr Begeisterung“) direkt in Prompts eingebettet.
Technische Implikationen: Ein einzelner Anbieter besitzt nun sowohl die konversationelle Reasoning-Ebene (wann gesprochen wird, welche Aktionen ausgelöst werden) als auch die Sprachsynthese-Ebene (wie es klingt, Latenz, mehrsprachige Wiedergabe). Bestehende Ultravox-Deployments werden automatisch auf TTS-2 aktualisiert – ohne Migrationsaufwand.
Use Cases: KI-Companions, Tutorinnen und Tutoren, Customer-Service-Agents, bei denen die Nutzerbindung von dialogischer Flüssigkeit und menschlich wirkenden Interaktionsmustern abhängt. Die Wette: Vertikale Integration senkt die Latenz und verbessert die Kohärenz zwischen Intent-Verständnis und Timing der Voice-Ausgabe.
Ultravox-Seite: Vollständige Voice-Agent-Plattform für Echtzeit-Speech-to-Intent, Tool-Calling, Turn-Taking-Logik und Unterbrechungsbehandlung. Kernteam wechselt zu Inworld, um die Entwicklung fortzuführen.
Inworld-Seite: Realtime-TTS-2-Modell auf Platz #1 bei Artificial Analysis. Latenz unter 100 ms. Unterstützung für über 200 Sprachen. Inline-Textanweisungen zur Prosodie-Steuerung („hier langsamer“, „kling wärmer“, „zeige mehr Begeisterung“) direkt in Prompts eingebettet.
Technische Implikationen: Ein einzelner Anbieter besitzt nun sowohl die konversationelle Reasoning-Ebene (wann gesprochen wird, welche Aktionen ausgelöst werden) als auch die Sprachsynthese-Ebene (wie es klingt, Latenz, mehrsprachige Wiedergabe). Bestehende Ultravox-Deployments werden automatisch auf TTS-2 aktualisiert – ohne Migrationsaufwand.
Use Cases: KI-Companions, Tutorinnen und Tutoren, Customer-Service-Agents, bei denen die Nutzerbindung von dialogischer Flüssigkeit und menschlich wirkenden Interaktionsmustern abhängt. Die Wette: Vertikale Integration senkt die Latenz und verbessert die Kohärenz zwischen Intent-Verständnis und Timing der Voice-Ausgabe.
