Clínica del Sol quiere que el agente de turnos también atienda el teléfono. Para el agente, una llamada es una conversación más: recibe texto y devuelve texto. Lo que cambia es todo lo que está alrededor: quién atiende la línea, quién transcribe lo que dice el paciente y quién convierte la respuesta en voz. Este capítulo explica las tres formas de armarlo y qué hace la plataforma en cada una.
Tres caminos
| Twilio | Telnyx (y similares) | Asterisk con Voice Edge | |
|---|---|---|---|
| Quién atiende la línea | Twilio | Telnyx | Tu central Asterisk |
| Quién transcribe y habla | Twilio | Telnyx | Voice Edge, con tus proveedores de voz |
| Qué hace la plataforma | Recibe texto, devuelve texto | Hace de modelo de lenguaje para Telnyx | Recibe el texto que le pasa el Voice Edge |
| Dónde se configura | Integración Twilio y pestaña Canales del agente | Telnyx y una clave de API | Integraciones → Asterisk |
| Para quién | La forma más directa | Quien ya usa Telnyx, Vapi, Retell o similares | Centrales propias, llamadas que no salen de la red |
En los tres casos cada llamada es una sesión nueva: el agente no recuerda llamadas anteriores del mismo número, salvo lo que guarde en memoria de largo plazo (capítulo 10).
Twilio
Es el camino completo dentro de la plataforma.
- Instalás la integración Twilio con el Account SID y el Auth Token de tu cuenta.
- En Twilio, configurás el webhook de voz de tu número con la URL del agente:
POST {URL de la API}/webhook/voice/{tenant}/{agente}. - Cuando entra una llamada, la plataforma verifica la firma de Twilio, le indica qué voz e idioma usar y qué saludo decir, y abre una conexión en tiempo real con Twilio.
- Twilio transcribe al paciente. Cada frase completa llega al agente como un mensaje y corre el workflow.
- La respuesta vuelve en texto, a medida que se genera, y Twilio la dice con la voz elegida.
El número decide el agente por la URL. La plataforma no asigna números a agentes: el agente que atiende es el que figura en la URL del webhook. Cualquier agente activo del tenant atiende si se usa su URL.
Configuración de voz del agente
En la pestaña Canales del agente, la tarjeta Voz define cómo suena:
| Campo | Por defecto | Qué hace |
|---|---|---|
| Proveedor TTS | Quién genera la voz: Google, ElevenLabs o Amazon Polly | |
| Voz TTS | es-ES-Standard-A | La voz concreta |
| Idioma de transcripción | es-ES | En qué idioma escucha Twilio |
| Timeout de inactividad (ms) | 30.000 | Cuánto silencio se tolera antes de cortar |
| Inyectar prompt de canal | Sí | Agrega las instrucciones de voz de la plataforma |
El saludo es el texto de bienvenida del agente para ese idioma (el mismo que muestra el widget, capítulo 11); si no hay, se usa un saludo genérico.
Las instrucciones de voz —respuestas cortas, sin listas ni enlaces, números dichos en palabras— son un prompt de plataforma (capítulo 10). Llegan al modelo solo si la tarjeta las inyecta y el paso que responde tiene activadas las instrucciones de voz. Esa opción del paso no está en su formulario: la activa el AI Builder cuando arma un agente para voz (podés pedírselo para un agente existente). Un workflow pensado para el widget, sin esa opción, responde con listas y formato que dichos en voz alta no funcionan.
Datos de la llamada
Si la llamada viene de un sistema tuyo, podés agregar ?parameters= con un JSON al webhook (hasta 32 claves). El workflow los recibe como contexto de la llamada, por ejemplo el número de paciente que ya identificó tu central.
Llamadas salientes
En la integración Twilio, Habilitar llamadas salientes desde nodos genera herramientas para iniciar, consultar y modificar llamadas, limitadas a los números de origen permitidos. Así un workflow de recordatorios puede llamar a un paciente.
Telnyx y plataformas de voz similares
Telnyx, Vapi, Retell, LiveKit o Bland atienden la llamada, transcriben y hablan por su cuenta, y usan la plataforma como su "modelo de lenguaje": llaman al endpoint compatible con OpenAI del agente con una clave de API con permiso channel:openai_compat (guía Llamar a un agente desde tu sistema).
- Para que toda la llamada sea una sola conversación, la plataforma usa el identificador de llamada que manda Telnyx (
call_control_id). Sin eso, cada frase sería una conversación nueva. - Los metadatos que manda Telnyx llegan al agente como contexto.
- La integración Telnyx del catálogo agrega aparte herramientas de control de llamada: cortar, transferir, reproducir audio, pedir dígitos.
Para la plataforma, estas llamadas no son de voz sino del canal compatible con OpenAI: no reciben las instrucciones de voz de la plataforma, así que el tono hablado tiene que estar en el prompt del agente.
Asterisk con Voice Edge
Para clínicas o empresas con central propia. El audio no pasa por un proveedor de telefonía en la nube.
Voice Edge es un programa que se instala en tu red, junto a Asterisk. Asterisk le manda el audio de la llamada; el Voice Edge lo transcribe con tu proveedor de voz, le pasa el texto al agente, y convierte la respuesta en voz a medida que llega.
La configuración está en Integraciones → Asterisk, en dos pestañas:
- Conexión Asterisk: el nombre de la central, su host SIP y las direcciones de origen permitidas, las únicas desde las que el Voice Edge acepta audio.
- Voice Edges: cada Voice Edge es una tarjeta con su interno y el agente que atiende. Agregar Voice Edge lo crea y genera una clave de instalación de un solo uso; en la máquina de tu red se instala con
voice-edge enrolly esa clave. Al abrir la tarjeta se definen el interno, el agente, el idioma, los proveedores de voz, el saludo, las llamadas simultáneas, los tiempos máximos y si se permiten interrupciones.
Los proveedores de voz se eligen por nivel —el nivel voice del tenant para transcribir y tts para hablar, con sus respaldos (capítulo 2)— o manual, con una conexión y un modelo fijos. Hoy se admiten Deepgram, ElevenLabs y Google (este último solo para hablar).
Guardar no configura Asterisk. La pantalla muestra el dialplan que hay que cargar en la central, pero la plataforma no toca la central: eso lo hace quien la administra.

El Voice Edge se mantiene sincronizado con la plataforma, y la tarjeta muestra si tiene la configuración al día. Si pasa cinco minutos sin poder sincronizar, se suspende hasta recuperar la conexión. La clave que usa para llamar al agente solo sirve para el agente asignado a sus extensiones.
Cómo transcurre una llamada
- Un turno a la vez. Las frases del paciente se procesan en orden; si habla mientras el agente piensa, su frase espera.
- Interrupciones. Si el paciente habla mientras el agente responde, se corta el audio, pero el agente termina de pensar su respuesta.
- Teclado. Los dígitos que marca el paciente llegan como texto, por ejemplo "DTMF input: 2#". El workflow puede usarlos como cualquier respuesta.
- Errores. Si algo falla, el paciente escucha una disculpa en su idioma.
- Silencio. Pasado el tiempo de inactividad, la llamada se corta sin despedida.
Terminar la llamada
El nodo Responder tiene la opción Cortar la llamada después de hablar. La plataforma espera a que el texto se termine de decir y corta. En el agente de turnos, la rama que confirma el turno termina con un Responder que dice la confirmación y cuelga.
Transferir a una persona o cortar otra llamada se hace con las herramientas de Twilio o de Telnyx, no con una opción de la plataforma.
Qué queda guardado
La conversación queda como cualquier sesión: los mensajes transcriptos y las respuestas, en el historial (capítulo 7). No se graba el audio.
Dónde termina
- El agente no recuerda llamadas anteriores: cada llamada es una sesión nueva.
- Con Twilio, el saludo y los mensajes de error siguen el idioma de transcripción. Con el idioma "multi", caen en inglés.
- Los niveles
voiceyttssolo aplican a Asterisk; con Twilio, la voz se elige en la tarjeta del agente. - Telnyx y similares no reciben las instrucciones de voz de la plataforma.
- Si el tenant tiene configurada una política de privacidad (capítulo 9), las llamadas por Twilio se rechazan.
- No hay límite de llamadas simultáneas con Twilio; con Voice Edge, se define por extensión.
- La plataforma no mide minutos de voz: la transcripción y la voz las cobra cada proveedor en tu cuenta.
- No se configura Asterisk desde la plataforma ni se asignan números de Twilio a agentes: los dos se hacen del lado del proveedor.
- El silencio corta la llamada sin despedirse.
Para revisar
- El webhook de cada número de Twilio apunta a la URL del agente correcto.
- El paso que responde tiene las instrucciones de voz activadas (el AI Builder lo confirma) y no responde con listas ni enlaces.
- El texto de bienvenida del agente funciona dicho en voz alta.
- Las ramas que cierran la conversación terminan con un Responder que corta la llamada.
- En Asterisk, el dialplan de la pantalla está cargado en la central y la tarjeta del Voice Edge figura sincronizada.
- Las herramientas de llamadas salientes solo pueden usar los números de origen permitidos.