Recepcionista telefónica por voz

Prototipo de recepcionista por voz que atiende, consulta horarios, reserva citas y compara tres proveedores de voz con el mismo negocio y conocimiento.

Tipo: Laboratorio I+D
Periodo: Desde octubre de 2026
Estado: Prototipo · MVP privado, sin llamadas telefónicas reales
Áreas: Inteligencia artificial, Desarrollo de software
Categorías: I+D e innovación, Inteligencia artificial, Software y plataformas

Alcance

Nexo es una aplicación privada para configurar una recepcionista por voz: datos del negocio, horarios, documentos de conocimiento, contactos, agenda e historial de conversaciones. El asistente consulta disponibilidad, reserva citas sin solapes y deja mensajes mediante una herramienta remota firmada. Un laboratorio prueba en el navegador el mismo asistente con ElevenLabs, Retell y Cartesia, y una versión B propia sobre LiveKit Agents. Hay ensayos hablados de prueba con los tres servicios, pero no se ha hecho ninguna llamada telefónica real ni se ha contratado ningún número.

Laboratorio de voz con el formulario para elegir asistente, voz, modelo, escenario y duración, una frase de prueba sugerida y el panel para iniciar la conversación de prueba. — Datos de demostración

El mismo laboratorio en el móvil, con el formulario de la prueba, la frase sugerida y el inicio del panel de conversación. — Datos de demostración

Funciones principales

Laboratorio de voz comparado. El mismo asistente, negocio y conocimiento se prueban con ElevenLabs, Retell y Cartesia eligiendo voz, modelo, escenario y duración de 60 o 120 segundos. Cada prueba se valora de 1 a 5 y guarda su transcripción, duración y coste cuando el proveedor lo informa.
Reservas sin solapes. La herramienta de reservas comprueba en una sola operación que el hueco sigue libre y responde que ya no está disponible si otra cita lo ocupa. Repetir la misma petición no crea una segunda cita, y se respetan zona horaria y cambios de hora.
Versión B con LiveKit. Un agente propio en Python con LiveKit Agents decide cómo escuchar y tomar el turno: detector de fin de turno multilingüe, interrupciones adaptativas, respuesta anticipada, filtro de ruido, aviso tras 15 segundos de silencio y cuelgue tras despedirse.
Estilo hablado común. Todas las voces comparten unas pautas de conversación: marcadores breves como «vale» o «a ver», números y teléfonos escritos como se dicen, trato de tú o usted según la persona y aviso de que es un asistente virtual, como pide el Reglamento europeo de IA.

Arquitectura

Interfaz: Next.js 16 y React 19 sobre Vite (vinext) · Tailwind 4, shadcn/ui y Radix · Clientes de voz de ElevenLabs, Retell y LiveKit en el navegador
Servidor: Rutas de API en Cloudflare · Claves de proveedores cifradas con AES-GCM por usuario · Herramienta remota firmada por asistente · URLs y tokens de sesión temporales
Datos: Cloudflare D1 con Drizzle · Citas, contactos, mensajes, historial y valoraciones
Voz y telefonía: Agentes de ElevenLabs, Retell y Cartesia · Versión B en Python con LiveKit Agents, ElevenLabs y Gemini 2.5 Flash · Twilio para números, transferencias y llamadas salientes

Tecnologías

Interfaz: Next.js, React, TypeScript, Tailwind CSS, shadcn/ui, Radix UI, Vite
Backend: Zod, Python
Datos: Cloudflare D1, Drizzle ORM
IA y voz: ElevenLabs, LiveKit, Google Gemini
Infraestructura: Cloudflare
Integraciones: Twilio
Calidad: pytest