Sprachagenten für Telefon und Web
Erstellen Sie einen Agenten, sprechen Sie im Browser mit ihm und verbinden Sie ihn dann mit Ihren Rufnummern. Jeder Anruf wird protokolliert: mit Transkript, Kostenaufschlüsselung und einer Messung, wie das Audio tatsächlich beim Gegenüber ankam.
30 Gesprächssprachen · 4 Engines · DIDWW, Twilio oder Ihr eigener SIP-Trunk
Jede Engine klingt anders, reagiert unterschiedlich schnell und kostet pro Minute einen anderen Betrag. Behalten Sie die Anweisungen bei, wechseln Sie die Engine und vergleichen Sie die Anrufe direkt miteinander.
Das Vollduplex-Sprachmodell von OpenAI. Es hört zu, während es spricht, und geht natürlich mit Unterbrechungen um. Ausführliche Anweisungen laufen auf einem Hintergrundmodell.
Das Speech-to-Speech-Modell von Google mit einer großen Auswahl an Stimmen. Der Tonfall ist Teil der Anweisungen.
Speech-to-Speech mit einstellbarer Sprechgeschwindigkeit. Abrechnung nach Audio-Tokens.
Deepgram transkribiert, ein OpenAI-LLM antwortet, OpenAI TTS spricht. Jede Stufe lässt sich einzeln anpassen.
Auf unserem Server gemessen · 5. November 2026
Vier Engines mit je zehn vorgegebenen Web-Gesprächsszenarien (Browserverbindung), gegen den Produktionsserver ausgeführt. Es ist ein einzelner Durchlauf: Lesen Sie die Werte als Momentaufnahme, nicht als Zusage.
Sekunden vom Ende des Anrufer-Beitrags bis zum ersten Ton des Agenten, auf Anruferseite gemessen.
| Engine | Antwortzeit je Engine | Median | 90. Perzentil |
|---|---|---|---|
| Gemini Live | 1,45 s | 2,28 s | |
| GPT-Live 1 | 1,76 s | 2,56 s | |
| OpenAI Realtime | 2,08 s | 4,14 s | |
| Klassisch | 3,23 s | 4,02 s |
Quelle: 4 Engines × 10 Szenarien × 1 Durchlauf auf hubvocal.com, 5. November 2026. Jeder Anrufdatensatz enthält dieselben Messwerte, siehe Audioqualität.
Funktionen
Einiges davon ist bereits live, anderes in Entwicklung. Was mit Demnächst markiert ist, steht in den Konten noch nicht zur Verfügung.
Ein Wert von 1,0 bis 4,5 für jeden Anruf und, wenn er sinkt, der Grund dafür: Netz, Modellstrom oder Verzögerung.
Details →Türkische Datumsangaben werden im Code berechnet, Zahlen in Gruppen wiederholt, Namen Buchstabe für Buchstabe buchstabiert.
Details →HubSpot, Pipedrive, monday.com, Slack, Telegram und n8n funktionieren schon heute. Demnächst: Zapier und Make.
Integrationen →Bei Telefonanrufen eine direkte oder begleitete Weiterleitung an einen Kollegen, vorher mit einer kurzen Zusammenfassung.
Details →Eine Kontaktliste innerhalb festgelegter Zeiten anrufen, mit erneuten Versuchen und einer Sperrliste.
Details →Integrationen
Erkennt Anrufer in Ihrem CRM an der Nummer, protokolliert jeden Anruf mit Zusammenfassung am Kontakt und schickt die Nachrichten, die der Agent aufnimmt, in den Kanal Ihres Teams.
Demnächst: Zapier und Make.
Bis die Konnektoren für Zapier und Make fertig sind: Senden Sie den call.ended-Webhook an einen Webhook-Trigger dort.
Messung der Gesprächsqualität
Wenn ein Anruf schlecht klingt, liegt es oft nicht am Modell, sondern am Übertragungsweg. Der Browser misst das Audio des Agenten in 2-Sekunden-Fenstern, und der Agent hält jeden Moment fest, in dem sein eigenes Audio hinter die Echtzeit zurückfiel. Beides erscheint auf derselben Zeitachse.
< 0,5 % gutAudiopakete, die im Netz verloren gehen.< 1 % gutWie viel der Sprache der Browser auffüllen musste, weil Audio zu spät ankam.< 30 ms · < 120 msWie ungleichmäßig Pakete ankommen und wie groß der Wiedergabepuffer wird.TCP: beobachtenEin Wechsel auf TCP erhöht die Verzögerung. Wird über den gesamten Anruf verfolgt.[Sekunde, ms]Momente, in denen der Audiostrom des Modells stockte. Unabhängig vom Netz.Verlust heißt: Es liegt am Netz.
Kein Verlust, aber Lücken heißt: Das Audio kam zu spät. Hat auch der Agent eine Lücke gesehen, lag es an der Quelle, sonst an der Übertragung.
Qualitätswert pro Anruf
Jeder Anruf erhält einen Wert von 1,0 bis 4,5 auf der MOS-Skala, mit der Telefonnetze die wahrgenommene Sprachqualität angeben. Er wird aus den Messungen während des Anrufs berechnet, nicht aus einer Umfrage, und die Gründe werden mitgeliefert.
Die Berechnung folgt dem E-Modell nach ITU-T G.107. Die Werte werden beim Abruf eines Anrufs berechnet. Wird die Formel verbessert, gilt die neue Version also auch für ältere Anrufe.
Die erste Zeile ist ein echter Anruf, die anderen sind berechnete Fälle aus unserer Testsuite.
≥ 4,3≥ 4,0≥ 3,6≥ 3,1< 3,1Anrufe unter dem Schwellenwert werden markiert
Jede Organisation legt ihren eigenen Schwellenwert fest, standardmäßig 3,6. Anrufe darunter werden in der Anrufliste markiert und in der Übersicht gezählt. Für jeden dieser Anrufe wird einmal ein call.quality_low-Webhook gesendet.
Bei Telefonanrufen sehen wir das Netz des Anrufers nicht. Der Wert stützt sich dann nur auf die Messungen auf Seite des Agenten, und das Protokoll weist darauf hin.
Die Details richtig erfassen
Ein Termin oder Rückruf nützt nur etwas, wenn Datum, Nummer und Name stimmen. Genau hier liegen Sprachagenten am häufigsten daneben. Deshalb übernehmen feste Regeln und Code diese Angaben, statt sie dem Modell zu überlassen.
Ausdrücke wie „nächsten Dienstag“, „übermorgen“ oder „der Freitag nach dem 15.“ werden im Code aufgelöst, in der Zeitzone des Agenten. Die vom Anrufer genannte Uhrzeit bleibt in jeder Bestätigung beim Datum.
Gefragt am Donnerstag, dem 5. November: „Nächsten Dienstag um halb drei nachmittags?“ Der Agent bestätigt Dienstag, 10. November, 14:30 Uhr.
Rufnummern werden in den Gruppen wiederholt, in denen Menschen sie aussprechen, und bei Unsicherheit fragt der Agent nach. Mit der Engine Klassisch werden auf Türkisch Beträge, Daten und Uhrzeiten als Wörter gesprochen, im Transkript bleiben die Ziffern.
In der Nachricht für Ihr Team wird die Nummer als Ziffernfolge gespeichert: 05324567890.
Wenn ein Anrufer einen Namen buchstabiert oder korrigiert („nicht C, mit Ç“), verwendet der Agent die letzte Fassung, behält Buchstaben wie ç, ş, ğ und ı bei und buchstabiert den Namen zur Bestätigung einmal zurück.
In die Nachricht oder die Buchung geht die korrigierte Schreibweise.
Datumsangaben werden auf Türkisch und Englisch verstanden. Das Zurücklesen von Nummern und das Buchstabieren von Namen wurde in türkischen und englischen Gesprächen getestet.
Telefonie
Eingehende Anrufe nimmt der Agent an, der der gewählten Rufnummer zugewiesen ist. Der Agent, den Sie im Browser getestet haben, telefoniert mit denselben Anweisungen und derselben Stimme.
Über DIDWW, Twilio oder Ihre eigene Telefonanlage per SIP.
Der Agent der gewählten Rufnummer wird ausgewählt.
Mit der Engine, Stimme und den Anweisungen, die Sie gewählt haben.
Transkript und Kosten, im Dashboard und über die API.
Verbinden Sie Ihre DID-Rufnummern über einen SIP-Trunk.
Leiten Sie Twilio-Rufnummern über Elastic SIP Trunking weiter.
Sie betreiben eine eigene Telefonanlage? Ihre Rufnummern bleiben, wo sie sind; richten Sie einfach einen SIP-Trunk auf uns.
Ausgehend geht es auch: Starten Sie mit POST /v1/calls einen Anruf von einer Ihrer Rufnummern, und der Agent spricht, sobald abgenommen wird.
Weiterleitung an einen MenschenDemnächst
Bei Telefonanrufen kann der Agent den Anrufer an einen Kollegen oder ein Team weiterleiten. Sie legen fest, wann welches Weiterleitungsziel gilt. Die gewählte Rufnummer sieht der Agent nie.
In Entwicklung. In den Konten noch nicht verfügbar.
Der Anruf geht sofort an eine Rufnummer oder eine SIP-Adresse.
Der Agent ruft zuerst Ihren Kollegen an und gibt eine kurze Zusammenfassung, dann verbindet er den Anrufer. Der Anrufer hört in dieser Zeit Stille, nicht die Übergabe.
Vor der Weiterleitung bittet der Agent den Anrufer um Bestätigung.
Keine Antwort, besetzt oder abgelehnt: Der Agent kehrt zum Anrufer zurück, entschuldigt sich und nimmt eine Nachricht auf.
Nur bei Telefonanrufen. Jeder Versuch und sein Ergebnis werden im Anrufprotokoll festgehalten.
Ausgehende KampagnenDemnächst
Laden Sie eine CSV-Datei mit Kontakten hoch. Der Agent ruft sie von Ihrer Rufnummer aus an und nutzt die Werte jeder Zeile in Begrüßung und Anweisungen.
In Entwicklung. In den Konten noch nicht verfügbar.
Tage und Uhrzeiten in der Zeitzone der Kampagne, eine Obergrenze für gleichzeitige Anrufe und erneute Versuche bei besetzten oder nicht erreichten Nummern.
Spalten wie ein Name oder ein Kennzeichen werden in den Anweisungen des Agenten zu Platzhaltern wie {{name}}.
Nummern auf der Liste Ihrer Organisation werden nie angerufen, weder von einer Kampagne noch von einem anderen ausgehenden Anruf. Bittet jemand darum, nicht mehr angerufen zu werden, trägt der Agent die Nummer nach Bestätigung ein.
Jeder Versuch wird erfasst: angenommen, keine Antwort, besetzt und wie der Anruf endete.
Türkische Rufnummern: Wir prüfen die İYS-Einwilligungen nicht für Sie. Bevor eine Kampagne an +90-Nummern startet, werden Sie daran erinnert, die İYS-Einwilligung selbst zu prüfen.
01
Anweisungen, Begrüßung, Sprache, Engine, Stimme und Sprechstil. Im Dashboard oder über die API.
02
Probieren Sie Änderungen ohne Speichern aus. Transkript, Kosten, Dauer bis zur Begrüßung und Audioqualität sehen Sie sofort.
03
Weisen Sie ihn einer Rufnummer zu oder betten Sie den Web-Anruf auf Ihrer Website ein.
Tools
Schalten Sie die integrierten Tools ein oder binden Sie Ihre eigenen Systeme per Webhook an. Dieselbe Tool-Definition funktioniert mit allen vier Engines.
Integriert mit end_call und take_message: Der Agent beendet das Gespräch höflich oder hält eine Nachricht samt Rückrufwunsch im Anrufprotokoll fest.
Beschreiben Sie einen Endpunkt und seine Parameter einmal. Der Agent ruft ihn mit einer signierten HTTPS-Anfrage auf, sobald das Gespräch es erfordert.
Tools, die Daten ändern, laufen erst, nachdem der Agent die Angaben wiederholt und der Anrufer zugestimmt hat.
Antworten und Termine
Geben Sie dem Agenten, was er am Telefon wirklich braucht: Ihre eigenen Informationen und Zugriff auf Ihren Kalender.
Laden Sie PDF-, Word-, Text- oder Markdown-Dateien hoch, fügen Sie Text ein oder hinterlegen Sie eine Webseite. Während des Anrufs durchsucht der Agent diese Inhalte und antwortet auf Grundlage dessen, was er findet.
Verbinden Sie Google Calendar im Dashboard. Der Agent prüft freie Zeitfenster innerhalb Ihrer Arbeitszeiten und kann Termine buchen oder absagen.
MCP
Das Model Context Protocol ist ein offener Standard, um KI-Anwendungen mit Tools und Daten zu verbinden. HubVocal unterstützt es auf beiden Seiten.
Verbinden Sie einen MCP-Server und legen Sie fest, welche seiner Tools der Agent in Anrufen verwenden darf. Tools, die Daten ändern, durchlaufen denselben Bestätigungsschritt wie andere Schreib-Tools.
Verbinden Sie Claude, Cursor oder einen anderen MCP-Client per API-Schlüssel, um Agenten aufzulisten, Anrufzusammenfassungen zu lesen oder einen Agenten zu bearbeiten. Die Scopes des Schlüssels bestimmen, was er darf.
Live-Konsole
Ein Supervisor kann sich im Dashboard in jeden laufenden Anruf einschalten, ob im Web oder am Telefon. Der Agent führt das Gespräch weiter, solange niemand übernimmt.
Hören Sie das Gespräch und verfolgen Sie das Live-Transkript. Der Anrufer bemerkt nicht, dass Sie zuhören.
Schicken Sie dem Agenten eine Notiz, die er in seiner nächsten Antwort berücksichtigt. Der Anrufer hört sie nicht.
Der Agent verstummt, und der Anrufer hört Sie. Das Transkript läuft weiter, sofern die Engine das unterstützt.
Geben Sie den Anruf an den Agenten zurück, auf Wunsch mit einer Notiz. Er knüpft an das bisher Gesagte an.
Standardmäßig für Admins der Organisation verfügbar; der Zugang lässt sich auch für Mitglieder freigeben. Jedes Einschalten, Einflüstern und Übernehmen wird im Anrufprotokoll festgehalten.
Nach dem Anruf
Endet ein Anruf, schreibt der Agent aus dem Transkript eine kurze Zusammenfassung. Per Webhook gelangt das vollständige Protokoll in Ihr CRM oder Helpdesk.
Ein paar Sätze, ein Ergebnis wie „gelöst“ oder „Nachricht aufgenommen“, die Stimmung des Anrufers, Themen und Folgeaufgaben.
Eine signierte HTTPS-Anfrage mit Anrufprotokoll, Zusammenfassung und Transkript. Fehlgeschlagene Zustellungen werden rund zweieinhalb Stunden lang erneut versucht.
Jeder Versuch wird mit seinem Status protokolliert. So sehen Sie, was angekommen ist, und senden erneut, was nicht ankam.
Aufzeichnung und Datenschutz
Die Anrufaufzeichnung ist standardmäßig ausgeschaltet. Wenn Sie sie einschalten, legen Sie auch fest, wie lange Aufzeichnungen und Transkripte aufbewahrt werden.
Ist die Aufzeichnung eingeschaltet, informiert der Agent den Anrufer vor der Begrüßung, in dessen Sprache. Aufzeichnungen lassen sich im Anrufprotokoll abspielen.
Legen Sie fest, wie viele Tage Aufzeichnungen und Transkripte aufbewahrt werden; danach werden sie automatisch gelöscht. Optional werden Telefonnummern, E-Mail-Adressen, Ausweis-, IBAN- und Kartennummern in Transkripten und Zusammenfassungen maskiert.
Löschen Sie Aufzeichnung und Transkript eines Anrufs in einem Schritt, etwa wenn jemand dies nach KVKK oder GDPR verlangt.
Im Alltag
Schreiben Sie Szenarien mit einem simulierten Anrufer und den Regeln, die ein guter Anruf erfüllen muss. Führen Sie sie vor dem Veröffentlichen mit dem Entwurf aus; jede Regel wird geprüft und begründet.
Fügen Sie Ihrer Website mit einem Script-Tag einen Anruf-Button hinzu, mit einem öffentlichen Schlüssel, der auf Ihre Domains beschränkt ist.
Definieren Sie Felder wie Termindatum oder Interesse. Nach jedem Anruf werden sie aus dem Gespräch ausgefüllt und mit dem Anrufprotokoll übermittelt.
Anrufe, Minuten, Kosten, Latenz, Ergebnisse und Audioqualität nach Tag, Agent oder Ergebnis. Exportieren Sie Anrufe als CSV.
TOTP-Codes für das Dashboard, eine Organisationseinstellung, die sie verpflichtend macht, eine Sitzungsliste und ein Audit-Log.
In welchen Sprachen jede Engine ein Gespräch führen kann. Die Sprache eines Agenten legen Sie mit dem Feld lang fest, mit den Codes unten.
| Sprache | lang | GPT-Live 1 | Gemini Live | OpenAI Realtime | Klassisch |
|---|---|---|---|---|---|
Türkçetr | tr | Experimentell | Unterstützt | Experimentell | Unterstützt |
Englishen | en | Unterstützt | Unterstützt | Experimentell | Unterstützt |
Deutschde | de | Unterstützt | Unterstützt | Experimentell | Unterstützt |
Françaisfr | fr | Unterstützt | Unterstützt | Experimentell | Unterstützt |
Españoles | es | Experimentell | Unterstützt | Experimentell | Unterstützt |
Italianoit | it | Experimentell | Unterstützt | Experimentell | Unterstützt |
Portuguêspt | pt | Unterstützt | Unterstützt | Experimentell | Unterstützt |
Nederlandsnl | nl | Experimentell | Unterstützt | Experimentell | Unterstützt |
Русскийru | ru | Experimentell | Unterstützt | Experimentell | Unterstützt |
Українськаuk | uk | Experimentell | Unterstützt | Experimentell | Unterstützt |
Polskipl | pl | Experimentell | Unterstützt | Experimentell | Unterstützt |
Românăro | ro | Experimentell | Unterstützt | Experimentell | Unterstützt |
Ελληνικάel | el | Experimentell | Unterstützt | Experimentell | Unterstützt |
Българскиbg | bg | Experimentell | Unterstützt | Experimentell | Unterstützt |
Češtinacs | cs | Experimentell | Unterstützt | Experimentell | Unterstützt |
Slovenčinask | sk | Experimentell | Unterstützt | Experimentell | Unterstützt |
Magyarhu | hu | Experimentell | Unterstützt | Experimentell | Unterstützt |
Hrvatskihr | hr | Experimentell | Unterstützt | Experimentell | Unterstützt |
Српскиsr | sr | Experimentell | Unterstützt | Experimentell | Unterstützt |
Bosanskibs | bs | Experimentell | Unterstützt | Experimentell | Unterstützt |
Slovenščinasl | sl | Experimentell | Unterstützt | Experimentell | Unterstützt |
Македонскиmk | mk | Experimentell | Unterstützt | Experimentell | Unterstützt |
Svenskasv | sv | Experimentell | Unterstützt | Experimentell | Unterstützt |
Danskda | da | Experimentell | Unterstützt | Experimentell | Unterstützt |
Norskno | no | Experimentell | Unterstützt | Experimentell | Unterstützt |
Suomifi | fi | Experimentell | Unterstützt | Experimentell | Unterstützt |
Eestiet | et | Experimentell | Unterstützt | Experimentell | Unterstützt |
Latviešulv | lv | Experimentell | Unterstützt | Experimentell | Unterstützt |
Lietuviųlt | lt | Experimentell | Unterstützt | Experimentell | Unterstützt |
Catalàca | ca | Experimentell | Unterstützt | Experimentell | Unterstützt |
Testen Sie experimentelle Sprachen im Browser, bevor Sie sie auf eine Telefonleitung legen.
Entwickler
Was Sie im Dashboard tun können, geht auch über die API: Agenten erstellen, Rufnummern zuweisen, Web-Anrufe öffnen, ausgehende Anrufe starten, Anrufprotokolle und Nutzung abrufen.
curl -X POST "https://hubvocal.com/v1/web-calls" \
-H "Authorization: Bearer $VT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"agent_id": "front-desk"
}'const res = await fetch("https://hubvocal.com/v1/web-calls", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.VT_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
"agent_id": "front-desk"
}),
});
const data = await res.json();
if (!res.ok) throw new Error(`${res.status}: ${data.detail}`);
console.log(data);import os
import requests
resp = requests.post(
"https://hubvocal.com/v1/web-calls",
headers={"Authorization": f"Bearer {os.environ['VT_API_KEY']}"},
json={
"agent_id": "front-desk",
},
timeout=30,
)
if not resp.ok:
raise RuntimeError(f"{resp.status_code}: {resp.json()['detail']}")
print(resp.json())Daran arbeiten wir als Nächstes. Wir kündigen jede Funktion hier und in der Doku an, sobald sie verfügbar ist.
Erzählen Sie uns, was Sie vorhaben. Wir richten ein Konto ein und bauen den ersten Agenten gemeinsam mit Ihnen auf.