Sprach- und Live-Anrufe

Die drei Interaktionsmodi im Überblick#

Text kann nicht deaktiviert werden. Die Schalter für Sprachnachrichten und Echtzeit steuern, welche zusätzlichen Funktionen Besucher nutzen dürfen. Ein gespeicherter Echtzeit-Schalter hebt weder die Tarifberechtigung des Workspace noch eine fehlende Provider-Konfiguration auf.

Interaktionsverhalten konfigurieren#

1. Öffnen Sie die Seite Agent der Website und suchen Sie den Bereich Sprache.
2. Lassen Sie Text-Chat aktiviert und wählen Sie Sprachnachrichten und/oder Live-Echtzeit-Sprache.
3. Wenn der Agent mehrere Sprachen unterstützt, können Sie optional die Live-Sprachspiegelung aktivieren.
4. Legen Sie das automatische Limit pro Anruf fest.
5. Wählen Sie eine Standardstimme aus.
6. Speichern Sie und testen Sie jeden aktivierten Modus separat.

Das Anruflimit akzeptiert Werte von 30 Sekunden bis 20 Minuten in Schritten von 30 Sekunden; der Standardwert beträgt 3 Minuten. Es beendet einen einzelnen Anruf und schützt das Monatskontingent, erhöht aber nicht die verbleibenden Live-Minuten des Tarifs.

Sprachen und Stimme auswählen#

Agenten können für Englisch, Koreanisch, Usbekisch, Russisch, Französisch, Spanisch, Deutsch und Arabisch konfiguriert werden. Die erste Sprache ist die Hauptsprache. Ein einsprachiger Agent antwortet weiterhin in dieser Sprache. Ein mehrsprachiger Text-Agent spiegelt den Besucher, sobald dieser eine der konfigurierten Sprachen verwendet.

Bei Live-Anrufen ist die Sprachspiegelung eine explizite Option, die nur bei zwei oder mehr Sprachen angezeigt wird. Ist sie deaktiviert, verwenden Live-Anrufe die Hauptsprache. Usbekische Sprache wird derzeit nur nach bestem Bemühen unterstützt, da die Sprachabdeckung der Provider weniger vollständig ist; testen Sie sie vor dem Launch mit Ihrem konkreten Provider und Ihrer Zielgruppe.

Zu den Standardstimmen gehören Optionen mit Schwerpunkt Englisch, mehrsprachige Optionen und muttersprachlich koreanische Optionen. Die Sprachbezeichnung beschreibt die kuratierte Wiedergabe, nicht eine feste Garantie. Hören Sie sich die gewählte Stimme in der Vorschau an, sofern die Vorschaufunktion im Dashboard verfügbar ist, und testen Sie Namen, Abkürzungen, Währungen, Telefonnummern und Fachbegriffe immer im echten Besucher-Ablauf.

Provider-Schlüssel und Fallback#

Sprache erfordert mehr als einen Modellschlüssel:

• Speech-to-Text nutzt den von der Plattform konfigurierten Transkriptions-Provider.
• Sprachnachrichten und Audio-Antworten über Connectors benötigen den konfigurierten Text-to-Speech-Provider.
• Echtzeit-Anrufe benötigen den konfigurierten Echtzeit-Provider und ein Tarifkontingent.

Plattformverwaltete Sprache nutzt die von der Plattform konfigurierten Provider; Sie benötigen keinen Schlüssel. Scale-Owner können optional einen Speko-Schlüssel für Transkription und Sprachsynthese unter Einstellungen → KI-Provider-Schlüssel hinzufügen und Provider-Schlüssel befolgen. Live-Anrufe werden immer zum Plattformtarif abgerechnet. Ein erfolgreicher Text-Chat beweist nur den Modellpfad; er beweist weder Transkription, Sprachsynthese, Medien-Upload noch das Ausstellen von Echtzeit-Sitzungen.

Sprach-Routing und Fallback#

Wählen Sie unter Sprachmodelle ein Modell für Transkription, Sprachsynthese und Live-Anrufe. Jede Auswahl nennt das Modell und dessen Entwickler; bei Auto treffen wir die Wahl. Hosting und Routing werden von Make Agent Fast verwaltet, daher gibt es keine separate Plattformauswahl. Die genaue Standardstimme kann je nach gewähltem Modell variieren.

Ist ein Sprachdienst nicht verfügbar, kann ein verfügbarer Ersatzdienst genutzt werden. Schlägt die Sprachausgabe fehl, bleibt der Text verfügbar.

Live-Anrufe streamen natives Audio vom ausgewählten Live-Provider mit dessen integrierter Stimme. Wissensabruf, Sprachregeln, Unterbrechung, Live-Minutenkontingente und Vorabbelastung für Anrufe gelten weiterhin. Live-Antworten lösen keine zusätzliche TTS-Anfrage aus.

Sprachnachrichten testen#

Verwenden Sie ein echtes Embed oder den Agent-Link, nicht nur eine Owner-Vorschau. Erteilen Sie den Mikrofonzugriff, nehmen Sie eine kurze Frage auf und prüfen Sie, ob die Transkription inhaltlich stimmt und die gesprochene bzw. Textantwort passt. Testen Sie anschließend:

• ruhige und laute Umgebungen;
• mobiles Safari und Chrome, sofern relevant;
• eine lange Frage nahe der öffentlichen Audio-Obergrenze von 25 MB;
• verweigerte Mikrofonberechtigung;
• nicht unterstütztes oder qualitativ schlechtes Audio;
• jede konfigurierte Sprache.

Bei eingebetteten Websites müssen die CSP und die Permissions Policy der übergeordneten Seite die Mikrofonnutzung erlauben. Siehe Sicherheit und CSP.

Live-Gespräch auf der Plattform und auf der veröffentlichten Website#

Live-Gespräche verwenden dieselben Anrufsteuerungen an zwei Orten:

Der Canvas neben dem Tab Darstellung zeigt dasselbe Besucher-Design. Testen Sie vor dem Launch ein echtes Embed; ein erfolgreicher Dashboard-Test belegt weder die Mikrofonberechtigung des Embeds noch die CSP der Host-Seite oder die Aktivierung.

Website verwenden unter Agent-Design im Tab Darstellung folgt dem hellen oder dunklen Modus des Besuchers auf der Host-Seite und im Embed. Eine feste Einstellung auf Hell oder Dunkel fixiert sowohl Chat als auch Live-Anruf. Siehe Erscheinungsbild.

Live-Anrufe testen#

Vergewissern Sie sich, dass der Tarif ungenutzte Live-Minuten hat, die Website erreichbar ist und der Schlüssel des Echtzeit-Providers validiert wird. Beginnen Sie mit einem kurzen Anruf, unterbrechen Sie den Agenten, wechseln Sie die Sprache nur bei aktivierter Spiegelung und lassen Sie das konfigurierte Anruflimit eine Testsitzung beenden. Wiederholen Sie einen Anruf in einem echten Embed, nicht nur im Canvas der Agent-Seite.

Live-Minuten sind ein vom normalen Credit-Guthaben getrenntes monatliches Kontingent. Beim Ausstellen des Live-Tokens werden Credits für die vom Server autorisierte Höchstdauer berechnet und diese Dauer wird auf das monatliche Live-Kontingent angerechnet. Da Medien direkt zwischen Browser und Provider fließen, lässt sich ein kürzerer, vom Client gemeldeter Anruf nicht verifizieren, und ungenutzte Zeit wird nach der Token-Ausgabe nicht anteilig erstattet. Serverseitige Fehler beim Ausstellen des Tokens werden freigegeben; abgebrochene Sitzungen werden mit ihrem autorisierten Limit berechnet. Beenden Sie Tests ordnungsgemäß und nutzen Sie das konfigurierte Anruflimit für Ihre Prognosen. Siehe Credits und Nutzung.

Aktionen bei Live-Sprache#

Agent → Aktionen → Aktionen bei Live-Anrufen (Agent bei Live-Anrufen Aktionen ausführen lassen) steuert die Nutzung von Tools während Live-Anrufen, die in jeder Sprache auf Gemini 3.8 Live laufen. Die Option ist standardmäßig aktiviert (voice.liveActions); wenn Sie sie deaktivieren, bleibt die Wissensverankerung weiterhin verfügbar. Die Anforderungen an Live-Sprach-Tarif, Provider und Zugriff gelten weiterhin.

Anrufe können Suchergebnisse, Auswahlmöglichkeiten, Änderungsvorschläge, Kalendertermine/Buchungen, Follow-up-Beobachtungen und die Übergabe an einen Menschen (Handoff) anzeigen. Geschäftliche Änderungen, Buchungen und Beobachtungen erfordern die Schaltflächen auf den Karten im Bildschirm; ein gesprochenes oder getipptes „Ja“ bestätigt nie einen Schreibvorgang. Eine Beobachtung benötigt außerdem die E-Mail-Einwilligung auf dem Bildschirm. Karten und Tool-Ergebnisse bleiben im Gesprächsverlauf erhalten. Seitenaktionen und Ihre eigenen MCP-Tools gehören nicht zur Live-Teilmenge. Die Anrufabrechnung bleibt rein reservierungsbasiert, ohne Erstattung ungenutzter Anrufzeit nach der Token-Ausgabe.

Testen Sie vor dem Kundeneinsatz sowohl das gesprochene Ergebnis als auch die Bestätigung auf dem Bildschirm. Siehe Follow-ups und Änderungsaktionen.

Offenlegung und Sicherheit#

Weisen Sie Anrufer darauf hin, dass sie mit einer KI und synthetischer Sprache interagieren. Legen Sie fest, wie Aufzeichnungen, Transkripte und Daten nachgelagerter Provider aufbewahrt und gelöscht werden.

Fehlerbehebung#

Behandeln Sie Sprache als eigene Launch-Oberfläche: Abnahmetests für Text sind notwendig, aber nicht ausreichend.