Agente telefónico en hindi y malayalam con sarvam en Wixzel Voice

¿Qué necesitas antes de empezar?

• Una clave de API de Wixzel Voice con crédito, exportada como WIXZEL_API_KEY.
• Una troncal SIP con un número. Para números de la India, un operador como Exotel o Vobiz, con el KYC y el registro DLT que corresponda ya completados: una cuenta que no los haya terminado puede tener saldo y aun así ver bloqueadas todas sus llamadas salientes.
• curl, jq y uuidgen.

¿Cómo construyes esto en Wixzel Voice, paso a paso?

1. 01Comprueba los idiomas y las voces que ofrece el motor

   Pregúntale a la API en lugar de escribir cualquiera de las dos listas en el código:

   shellCopiar

   curl https://api.voice.wixzel.com/v1/engines/sarvam/languages \
     -H "Authorization: Bearer $WIXZEL_API_KEY"
   
   curl https://api.voice.wixzel.com/v1/engines/sarvam/voices \
     -H "Authorization: Bearer $WIXZEL_API_KEY"

   El endpoint de idiomas devuelve hoy 11 códigos: en-IN, hi-IN, bn-IN, gu-IN, kn-IN, ml-IN, mr-IN, od-IN, pa-IN, ta-IN, te-IN. El hindi es hi-IN y el malayalam es ml-IN. Las voces son nombres de hablantes de Bulbul v3, como priya, kavya y shubh; Sarvam publica solo los nombres, así que escucha una voz antes de elegirla.

2. 02Crea el agente en hindi

   Tres ajustes determinan el idioma. voice.stt.language fija el reconocimiento y la voz en hindi; el language del agente le dice al modelo que responda en ese idioma; y las instrucciones y la frase de apertura están escritas como debe sonar el agente. Las tres etapas son modelos de Sarvam, porque el proveedor de voz a texto elige el pipeline y las otras dos deben ser de la misma familia.

   shellCopiar

   curl https://api.voice.wixzel.com/v1/agents \
     -H "Authorization: Bearer $WIXZEL_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "name": "Hindi reception",
       "language": "hi-IN",
       "system_prompt": "You answer the phone for Sharma Dental Clinic, in Hindi. Speak the everyday Hindi callers use, English words included. Keep replies to one or two short sentences.",
       "opening_message": "नमस्ते, शर्मा डेंटल क्लिनिक में आपका स्वागत है। बताइए, मैं आपकी क्या मदद करूँ?",
       "voice": {
         "stt": { "model": "sarvam/saaras-v3-realtime", "language": "hi-IN" },
         "llm": { "model": "sarvam/sarvam-105b" },
         "tts": { "model": "sarvam/bulbul-v3", "voice": "priya" }
       }
     }'

   Guarda el id de la respuesta como HINDI_AGENT_ID. Un idioma o una voz que el motor no ofrece se rechaza al crear el agente, y el error lista los válidos.

3. 03Crea el agente en malayalam

   La misma estructura, con ml-IN en ambos sitios y una frase de apertura en malayalam:

   shellCopiar

   curl https://api.voice.wixzel.com/v1/agents \
     -H "Authorization: Bearer $WIXZEL_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "name": "Malayalam reception",
       "language": "ml-IN",
       "system_prompt": "You answer the phone for a dental clinic in Kochi, in Malayalam. Speak the everyday Malayalam callers use, English words included. Keep replies to one or two short sentences.",
       "opening_message": "നമസ്കാരം, കൊച്ചി ഡെന്റൽ ക്ലിനിക്കിലേക്ക് സ്വാഗതം. ഞാൻ എങ്ങനെ സഹായിക്കാം?",
       "voice": {
         "stt": { "model": "sarvam/saaras-v3-realtime", "language": "ml-IN" },
         "llm": { "model": "sarvam/sarvam-105b" },
         "tts": { "model": "sarvam/bulbul-v3", "voice": "kavya" }
       }
     }'

   Guarda este id como MALAYALAM_AGENT_ID. Cada agente habla un solo idioma: el motor sarvam no tiene modo de detección automática, así que atender a los dos grupos de personas significa un número por idioma para las llamadas entrantes y elegir el agente en cada llamada saliente.

4. 04Enruta llamadas entrantes o haz una saliente

   Asigna a un número el agente en hindi para las llamadas entrantes, o llama a alguien con el de malayalam:

   shellCopiar

   # Inbound: calls to this number reach the Hindi agent
   jq -n --arg agent "$HINDI_AGENT_ID" '{inbound_agent_id: $agent}' |
     curl -X PATCH https://api.voice.wixzel.com/v1/phone-numbers/$NUMBER_ID \
       -H "Authorization: Bearer $WIXZEL_API_KEY" \
       -H "Content-Type: application/json" \
       -d @-
   
   # Outbound: the Malayalam agent rings $TO (E.164, for example +91 and ten digits)
   jq -n --arg to "$TO" --arg agent "$MALAYALAM_AGENT_ID" --arg from "$NUMBER_ID" \
     '{to: $to, agent_id: $agent, from_number_id: $from}' |
     curl https://api.voice.wixzel.com/v1/calls \
       -H "Authorization: Bearer $WIXZEL_API_KEY" \
       -H "Idempotency-Key: $(uuidgen)" \
       -H "Content-Type: application/json" \
       -d @-

   Idempotency-Key es obligatorio en POST /v1/calls: un reintento con la misma clave devuelve la llamada original en lugar de marcar dos veces.

5. 05Prueba con la forma real de hablar de quienes llaman

   La mayoría de quienes llaman mezclan inglés con el hindi o el malayalam: fechas, números, marcas, palabras como "appointment" y "cancel". Los modelos de Sarvam manejan el habla con mezcla de idiomas, como el hinglish, dentro de lo que los modelos cubren, así que escribe las instrucciones para permitirla en lugar de prohibirla.

   Lo que el agente no puede hacer es seguir a alguien que cambia por completo a otro idioma de la India, porque el reconocimiento queda fijado en voice.stt.language al empezar la llamada. Haz unas cuantas llamadas con frases reales antes de enrutar tráfico real, y lee lo que se oyó en la transcripción de GET /v1/calls/{id}.

¿Cuánto cuesta esto en Wixzel Voice?

¿Qué límites de Wixzel Voice se aplican a esto?

• Un idioma por agente. El motor sarvam no tiene detección automática de idioma, así que no sigue a quien cambia por completo a otro idioma.
• Sarvam procesa la voz y el texto en la India durante la llamada. El registro de la llamada, la transcripción y cualquier grabación se guardan en servidores en la India.
• Las voces Bulbul vienen solo con nombre, sin descripción de género ni de acento. Escuchar una implica una llamada de prueba, que hace sonar un teléfono real y gasta crédito.
• Los operadores de la India condicionan las llamadas salientes al KYC y, a menudo, al registro DLT. Una llamada que tu operador bloquea por ese motivo falla en el operador, y nada en la plataforma puede arreglarlo.
• Por defecto, cada cuenta puede tener cinco llamadas en curso a la vez; el límite se amplía a petición.