Inworld adquirió Ultravox y ahora controla ambos extremos de la pila de voz con IA.
Lado de Ultravox: Plataforma completa de agente de voz que gestiona el reconocimiento voz-a-intención en tiempo real, el uso de herramientas, la lógica de turnos y la gestión de interrupciones. El equipo central se une a Inworld para continuar el desarrollo.
Lado de Inworld: Modelo Realtime TTS-2 clasificado #1 en Artificial Analysis. Latencia por debajo de 100 ms. Más de 200 idiomas. Directivas de texto en línea para control de prosodia ("baja la velocidad aquí", "suena más cálido", "entusiasmate") integradas directamente en los prompts.
Implicaciones técnicas: Un solo proveedor ahora posee tanto la capa de razonamiento conversacional (cuándo hablar, qué acciones activar) como la capa de síntesis de voz (cómo suena, la latencia y el renderizado multilingüe). Las implementaciones existentes de Ultravox se actualizan automáticamente a TTS-2 con cero trabajo de migración.
Casos de uso: Compañeros de IA, tutores y agentes de atención al cliente, donde la retención del usuario depende de la fluidez conversacional y de patrones de interacción con apariencia humana. La apuesta es que la integración vertical reduce la latencia y mejora la coherencia entre la comprensión de la intención y el tiempo de salida de la voz.
Lado de Ultravox: Plataforma completa de agente de voz que gestiona el reconocimiento voz-a-intención en tiempo real, el uso de herramientas, la lógica de turnos y la gestión de interrupciones. El equipo central se une a Inworld para continuar el desarrollo.
Lado de Inworld: Modelo Realtime TTS-2 clasificado #1 en Artificial Analysis. Latencia por debajo de 100 ms. Más de 200 idiomas. Directivas de texto en línea para control de prosodia ("baja la velocidad aquí", "suena más cálido", "entusiasmate") integradas directamente en los prompts.
Implicaciones técnicas: Un solo proveedor ahora posee tanto la capa de razonamiento conversacional (cuándo hablar, qué acciones activar) como la capa de síntesis de voz (cómo suena, la latencia y el renderizado multilingüe). Las implementaciones existentes de Ultravox se actualizan automáticamente a TTS-2 con cero trabajo de migración.
Casos de uso: Compañeros de IA, tutores y agentes de atención al cliente, donde la retención del usuario depende de la fluidez conversacional y de patrones de interacción con apariencia humana. La apuesta es que la integración vertical reduce la latencia y mejora la coherencia entre la comprensión de la intención y el tiempo de salida de la voz.
