Zum Hauptinhalt springen
Famulor wählt die Modelle zum Verstehen und Beantworten von Anrufen. Du legst Stimmen, Sprachen und Sprechverhalten fest. Mit dem Add-on AI Safety & Control kannst du zusätzlich kompatible Modelle für deinen Workspace auswählen. Die Modellauswahl und die für deinen Assistenten ausgewählten Modellnamen sind nur sichtbar, wenn AI Safety & Control im aktiven Workspace verfügbar ist. Das gilt für Dashboard, REST-API und MCP; Whitelabel-Zugriff allein gewährt keinen Modellzugriff. Ohne dieses Add-on werden die automatisch für deinen Assistenten ausgewählten Modelle nicht angezeigt. Stimmenauswahl und Spracheinstellungen bleiben entsprechend deinem Plan verfügbar.

​
Modellkatalog

Der Assistenten-Editor zeigt einen kuratierten Katalog der für deinen Workspace verfügbaren Modelle: Die Verfügbarkeit hängt von deinem Workspace und dem gewählten Engine-Modus ab. Ist AI Safety & Control enthalten, kannst du Modelle für Pipeline-, Realtime- und Half-Cascade-Assistenten getrennt wählen. Andernfalls verwendet der Assistent die empfohlene automatische Auswahl. Unter AI-Regionen & Modelle findest du eine Übersicht verfügbarer Modelle, EU-/US-Endpunkte, die automatische SIP-Umschaltung und die Infrastrukturstandorte. Neue Sprachmodelle für Pipeline sind GPT-6 Sol, DeepSeek V4 Pro, Kimi K2.6, GPT-OSS 120B, Grok 4.3, Grok 4.5 und Grok 4.6. GPT-Live Transcribe und das ausschließlich englische Inworld STT 1 übernehmen die Spracherkennung in Pipeline. Gradium TTS Beta bietet Sprachausgabe auf Englisch, Französisch, Deutsch, Spanisch und Portugiesisch für Pipeline und Half-Cascade. Sichtbar sind nur aktivierte Modelle, die mit der Region deines Workspaces kompatibel sind. GPT-Live Transcribe ist von der Full-Duplex-Gesprächs-Engine getrennt. Manche Sprachmodelle verwenden feste Sampling-Einstellungen; der Temperaturregler hat bei ihnen keine Wirkung. Wenn es für deinen Workspace aktiviert ist, nutzt Grok Voice 3.0 Realtime → Standard mit eigenen öffentlichen Stimmen, darunter Eve. Eine separate TTS-Stimme wird dabei nicht verwendet. Half-Cascade und Full Duplex werden für dieses Modell nicht unterstützt. Es gibt keinen dedizierten EU-Endpunkt; das Modell ist in EU-Workspaces nicht verfügbar. Wähle im Stimmenkatalog Standard Realtime, um die passenden Stimmen zu finden. Über API und MCP kannst du sie mit mode=realtime und realtime_variant=standard abrufen; gespeicherte Vorschauen nutzen den zurückgegebenen authentifizierten Vorschau-Link. Wenn du Modelle auswählen darfst, wähle beim Wechsel zu einer Stimme eines anderen Modells das passende Modell im selben Update. CLI: famulor list-voices --mode realtime --realtime-variant standard.

​
Grok Voice 3.0

Grok Wähle Grok Voice 3.0 unter Realtime → Standard und eine der 28 öffentlichen Stimmen aus. Dasselbe Gesprächsmodell empfängt Sprache und erzeugt die gesprochene Antwort. Du wählst dafür keine separate TTS-Stimme. Starte mit Eve, höre Vorschauen an, speichere und teste einen Anruf mit deinen eigenen Tools. Native Speech-to-Speech kann die Schritte zwischen Zuhören und Antworten reduzieren. Die tatsächliche Antwortzeit hängt vom Gespräch, der Verbindung und den Tool-Aufrufen ab; eine feste Ende-zu-Ende-Latenz ist nicht garantiert.

​
Primäres Spracherkennungsmodell

Mit AI Safety & Control öffnest du Assistenteneinstellungen → Allgemein → Erweitert. Im Modus Pipeline erscheint Spracherkennungsmodell (STT) unter dem Sprachmodell. Wähle einen verfügbaren Anbieter und ein Modell oder kehre zu Plattformstandard zurück. Die Liste berücksichtigt die KI-Region deines Workspaces. Bei Realtime, Full Duplex, Half-Cascade und Translate ist die Auswahl ausgeblendet und inaktiv. Ein Engine-Wechsel erhält deine Pipeline-Auswahl. Nur das primäre Erkennungsmodell ändert sich. Fallback-Modelle und ihre Reihenfolge verwaltet weiterhin die Plattform. Entfällt das Add-on oder ist ein gespeichertes Modell in der Workspace-Region nicht mehr verfügbar, verwenden nachfolgende Anrufe den zentralen Standard. REST: passende Modelle mit GET /api/v1/models?type=stt&mode=pipeline abrufen und den Assistenten über PUT /api/v1/assistants/{id} aktualisieren. MCP: get_models und update_assistant. Anbieter und Modell immer gemeinsam setzen; beide mit null auf den Standard zurücksetzen.

​
Temperature

Im Pipeline-Modus steuert Temperature, wie eng sich das Sprachmodell an deinen Prompt hält oder wie sehr es in der Formulierung variiert. Der Regler reicht von 0 – deterministisch und texttreu – bis zu kreativeren, improvisierten Antworten. Für Telefongespräche liegt ein typischer Bereich bei 0,5–0,8. Betrachte ihn als letzten Feinschliff, nicht als Ersatz für einen gut geschriebenen Prompt:
  1. Schreib zuerst den Prompt fertig – Rolle, Ziele, Grenzen, Tonfall.
  2. Starte niedrig.
  3. Erhöhe den Wert in kleinen Schritten, erst wenn die Basis gut klingt.
  4. Teste und vergleiche nach jeder Änderung.
Erhöhe ihn, wenn Antworten steif oder floskelhaft klingen und der Anwendungsfall etwas Improvisation verträgt. Halte ihn niedrig, wenn Konsistenz, Compliance oder präzise Formulierungen wichtiger sind als natürliche Variation.

​
Stimmenbibliothek

Nutze den Stimmen-Picker, um nach Sprache und Stimmeigenschaften zu filtern, und höre dir vor dem Speichern ein Beispiel an. Die Bibliothek enthält Deepgram Aura-2, Rime Coda und Gradium TTS, mit Hörproben und Anbieterfiltern von A–Z. Gradium bietet 71 Flagship-Stimmen in fünf Sprachen. Die verfügbaren Stimmen richten sich nach der KI-Region und den ausgewählten Sprachen deines Workspaces.

​
Gemini 3.8 für die Sprachausgabe

Gemini 3.8 Flash-Lite TTS und Gemini 3.8 Flash TTS sind Modelle zur Sprachausgabe für Pipeline- und Half-Cascade-Assistenten. Wähle eine vorgefertigte Gemini-Stimme und höre ihre Vorschau in der Stimmenbibliothek an. Flash-Lite TTS ist der Standard für Google-Stimmen; die gezielte Auswahl eines kompatiblen Modells benötigt AI Safety & Control. Beide unterstützen Dynamic emotions (Expressive Mode). Der Ausdruck kann sich an das Gespräch anpassen; die Wirkung einzelner Ausdrucksmittel hängt von Modell, Stimme und Text ab. Die Modelle sind in Global- und US-Workspaces über uneingeschränktes Global-Routing verfügbar. Die Einstellung US beschränkt die Verarbeitung dieser beiden Modelle nicht auf die USA. In EU-Workspaces sind sie nicht verfügbar. Sie ersetzen weder die Spracherkennung noch eine Realtime-Engine.
Stimmenauswahl mit Saved und Explore sowie Sprach- und Akzentfiltern

Assistenten-Editor → Change voice → Explore: Filtere die Bibliothek nach Sprache, Akzent und Stimmmerkmalen. Saved enthält deine gespeicherten Stimmen.

Der öffentliche REST-Endpunkt GET /api/v1/voices und das MCP-Tool get_voices liefern anbieterneutrale lokale Selektoren. Upstream-Stimmen-IDs und Lieferantennamen werden nicht offengelegt; übergib die zurückgegebene id direkt als tts_voice. Dieselbe Stimmenliste erhältst du mit famulor list-voices --mode tts in der CLI oder client.voices.list({ mode: "tts" }) im TypeScript SDK. Verfügbare Modelle zur Sprachausgabe listest du mit GET /api/v1/models?type=tts&mode=pipeline, MCP get_models, famulor list-models --type tts --mode pipeline oder client.api.listModels({ query: { type: "tts", mode: "pipeline" } }). Dabei gelten dieselben Regeln für Workspace-Region und Modellzugriff.
  • Assistant voice – die Standardstimme des Assistenten.
  • Voice per flow agent – weise einzelnen Flow-Agenten unterschiedliche Stimmen zu.
  • Voice per language – die Stimme wechselt zusammen mit der automatischen Sprachumschaltung.
  • Cloned voices – wenn im Plan enthalten, füge eine private eigene Stimme hinzu und nutze sie wie eine Bibliotheksstimme.
Nimm für ein zu klonendes Beispiel klares, hochwertiges Audio mit gleichmäßigem, natürlichem Sprechtempo und ohne Hintergrundgeräusche auf – und klone nur eine Stimme, für die du eine Erlaubnis hast (siehe Einwilligung zum Stimmenklonen). Für das Klonen per API prüfst du zunächst sample_constraints über GET /api/v1/voices/clone/capability, um zu sehen, wie viele Samples aktuell akzeptiert werden (max_files, maximal 3), wie groß jedes Sample maximal sein darf (max_bytes_per_file) und wie lang jedes Sample maximal sein darf (max_duration_seconds, oder null bei keiner Längenbegrenzung), bereitest entsprechend viele direkte Uploads mit POST /api/v1/voices/clone/uploads vor, lädst die Samples hoch und sendest den Job anschließend mit POST /api/v1/voices/clone ab. MCP bietet dafür die gleichwertigen Tools get_voice_clone_capability, create_voice_clone_upload und submit_voice_clone. Dashboard, REST und MCP teilen dasselbe Entitlement Clone your own voice, dieselbe Einwilligungsprüfung, Erstellungspreise und Tenant-Isolation.

​
Sprechstil

Die verfügbaren Regler passen sich dem gewählten Modell an. Je nach Stimme stehen dir zur Verfügung:
  • Sprechgeschwindigkeit und Ausgabelautstärke;
  • Stabilität, Ähnlichkeit oder Ausdrucksstärke;
  • freie Stil-Anweisungen als Text;
  • ein Aussprachewörterbuch für Namen, Abkürzungen und Fachbegriffe;
  • Filter, die verhindern, dass Markdown und Emojis vorgelesen werden.
Es werden nur kompatible Regler angezeigt und angewendet.
Wähle zuerst die Stimme, stelle dann jeweils nur einen Regler ein – Stabilität, Ähnlichkeit oder Geschwindigkeit – und hör dir dazu eine realistische Formulierung aus deinem tatsächlichen Anrufablauf an, bevor du den nächsten Regler änderst.
Wenn die Einstellung Dynamic emotions (Expressive Mode) für die gewählte Stimme verfügbar ist, kann der Assistent Emotion, Tempo, Betonung, Pausen und unterstützte nonverbale Laute an das Gespräch anpassen. Das gilt für Pipeline- und Half-Cascade-Assistenten; Realtime-Sprachmodelle steuern den stimmlichen Ausdruck nativ. Die Verfügbarkeit hängt von der gewählten Stimme ab, und nicht unterstützte Ausdrucksmittel werden nicht angewendet. Transkripte bleiben sauber und enthalten keine Ausdrucks-Markierungen.

​
Glossar für die Spracherkennung

Öffne Assistant settings → Voice → Speech recognition, um Kunden-, Produkt- und Eigennamen zu hinterlegen, die zuverlässig transkribiert werden sollen. Das Glossar wirkt sich auf das Transkript aus; nutze zusätzlich das Aussprachewörterbuch, wenn ein Begriff auch eine besondere gesprochene Form braucht. Das Glossar wird nur angezeigt, wenn das tatsächlich verwendete Erkennungsmodell gespeicherte Begriffe in deinem Workspace unterstützt. Der Editor zeigt die Begriffs- und Zeichenlimits dieses Modells sowie gegebenenfalls einen Hinweis auf zusätzliche Nutzung an. Beim Modellwechsel bleiben gespeicherte Begriffe erhalten; nicht unterstützte Modelle verwenden sie jedoch nicht. Einige Modelle begrenzen zusätzlich die Gesamtgröße des Vokabulars. Dann werden nur die ersten passenden Begriffe verwendet; die vollständige gespeicherte Liste bleibt beim Modellwechsel erhalten. Gespeicherte Glossarbegriffe und automatische Erkennung haben unterschiedliche Anforderungen. Das Glossar kann verfügbar sein, auch wenn die automatische Erkennung nicht unterstützt wird. Das Hinzufügen gespeicherter Begriffe aktiviert die automatische Erkennung nicht. Ist Automatic term detection (Beta) verfügbar und aktiviert, kann der Assistent für den aktuellen Anruf zusätzliche Begriffe erkennen. Das kann zusätzliche KI-Nutzung verursachen. Erkannte Begriffe werden nicht in dein gespeichertes Glossar übernommen.

​
Fallback-Ketten

Fallback chains ist ein einzelner Schalter, keine Auswahl, die du konfigurierst. Schalte ihn ein, und wenn der primäre Dienst für Spracherkennung, Sprachmodell oder Stimme mitten im Anruf ein Timeout, einen Fehler oder einen Abbruch erleidet, wechselt der Assistent automatisch zu einem kompatiblen Backup, damit das Gespräch weiterläuft, statt abzubrechen. Famulor wählt und pflegt, auf welches Backup jede Kette zurückfällt – es gibt keinen Picker für die Backup-Modelle selbst. Bei Pipeline-Sprachgesprächen und Text-Chats bleibt ein funktionierendes Ersatz-Sprachmodell ausgewählt, bis es ebenfalls ausfällt. So wird nicht wiederholt zu einem instabilen Hauptmodell zurückgewechselt. Neue Gespräche und Assistentenübergaben starten wieder mit dem gewählten Hauptmodell des jeweiligen Assistenten. Diese Regel ersetzt keine nativen Realtime-, Half-Cascade- oder Full-Duplex-Modelle und verändert keine Fallbacks für Spracherkennung oder Stimme.
Fallback-Ketten sind Teil des Add-ons AI Safety & Control; die Verfügbarkeit prüfst du unter Settings → Plan. Ein Failover selbst verursacht keine zusätzlichen Kosten – ein Anruf, der ausweicht, wird weiterhin zum normalen Preis pro Anrufminute abgerechnet.
Teste wichtige Assistenten, nachdem du Modelle, Stimmen, Sprachen oder die Fallback-Reihenfolge geändert hast. Eine kurze Simulation reicht meist aus, um Unterschiede bei Aussprache und Timing zu erkennen.

​
Gespeicherte Ansagen

Bereite jede feste Ansage über kompakte Symbole direkt in ihrem Textfeld vor und höre sie dort an:
  • Begrüßung auf der Hauptseite des Assistenten: die Begrüßung und eine gegebenenfalls aktivierte statische Ansage nach Stille.
  • Assistenteneinstellungen → Datenschutz → Einwilligung: die Einwilligungsansage.
  • Im Editor des Auflegen-Tools: die Verabschiedung dieser Aktion.
Wenn zusätzliche Sprachen eingerichtet sind, bleibt der Abschiedstext bearbeitbar und dient als Vorlage für eine Ansage in der aktuellen unterstützten Gesprächssprache. Diese Verabschiedungen verwenden keine gespeicherte Aufnahme; die Audiovorbereitung überspringt sie. Begrüßung und Einwilligung werden weiterhin wie bisher vorbereitet. Ohne zusätzliche Sprachen bleibt das bisherige Verhalten erhalten, einschließlich unterstützter gespeicherter Aufnahmen. Nutze die Symbole für Abspielen, Stoppen und Audio erstellen im jeweiligen Textfeld. Ein Tooltip zeigt den Vorbereitungsstatus und, sofern verfügbar, die Aufnahmedauer. Die Erstellung verwendet die gespeicherten Einstellungen; speichere Entwurfsänderungen deshalb zuerst. Das Speichern startet die Vorbereitung im Hintergrund. Ein kompakter animierter Dialog bestätigt das Speichern; anschließend kannst du direkt weiterarbeiten. Details zur Vorbereitung bleiben bei der jeweiligen Ansage, ohne deine Arbeit zu unterbrechen. Passende Aufnahmen werden wiederverwendet. Änderungen an Text, Stimme, Sprache oder relevanten Sprecheinstellungen benötigen eine passende neue Aufnahme. Die Vorbereitung verwendet die unterstützte Stimme der gewählten Engine. Full Duplex nutzt seine native Stimme; Ausweich-Einstellungen gelten nur beim Wechsel auf Pipeline. Hochgeladene Begrüßungen behalten ihre aufgenommene Stimme. Anrufbezogene Variablen, dynamische Texte, nicht unterstützte Modi und fehlgeschlagene Vorbereitungen behalten ihr bisheriges Verhalten. Bei „Anrufer spricht zuerst“ wartet die Begrüßung weiterhin; geeignete feste Ansagen nach Stille werden separat vorbereitet. Die Vorbereitung bestätigt weder, dass eine Einwilligungsansage gehört wurde, noch dass eine Einwilligung vorliegt. Das wird weiterhin im jeweiligen Anruf geprüft, einschließlich vollständiger Wiedergabe, wenn erforderlich. REST bietet GET /api/v1/assistants/{id}/announcements, POST auf demselben Pfad und den authentifizierten Audiolink fertiger Einträge. MCP und Milian unterstützen get_assistant_announcements und prepare_assistant_announcements. Audiovorschauen sind für den Workspace geschützt.

​
Stimmen erstellen und Credits

Stimmenklonen ist ein Plan-Feature. Öffne direkt Clone a voice: Der Button zeigt Erstellen · kostenlos, solange Freikontingent übrig ist, danach Erstellen + X Credits. Credits werden einmalig für eine erfolgreiche Erstellung berechnet. Gespeicherte Stimmen haben kein Planlimit und keine laufenden Speichergebühren. Sende expected_credits bei POST /api/v1/voices/clone oder submit_voice_clone mit dem angezeigten Wert pricing.next_creation_credits aus der Capability-Antwort. 0 akzeptiert nur eine kostenlose Erstellung. Steigt der Preis oder wird die letzte kostenlose Erstellung anderweitig verbraucht, lade den Preis neu und bestätige erneut. Verwende nach einem unterbrochenen Request dieselbe Job-ID; ein erfolgreicher Job wird nur einmal berechnet. Auch das ältere Tool clone_voice benötigt expected_credits.

​
Ersatzstimmen

Aktiviere unter Einstellungen → Gespräch → Fallbacks die Fallback-Ketten und wähle pro verfügbarer Stufe eine Stimme. Nutze dieselbe Stimmbibliothek mit Hörproben wie für die Hauptstimme. Die Grafik zeigt die Reihenfolge: Hauptstimme, danach bis zu drei Ersatzstimmen. Standard verwenden entfernt eine Auswahl. Speichere den Assistenten, um die Änderungen zu übernehmen. Erfordert Fallbacks & Guardrails. Die Plattform verwaltet Ersatzmodelle und deren Reihenfolge; die Bibliothek zeigt passende öffentliche Stimmen. Private geklonte Stimmen stehen hier nicht zur Verfügung. Pipeline und Half-Cascade nutzen diese Ersatzstimmen. Bei Full Duplex gelten sie nach dem Wechsel zur Pipeline-Sprachausgabe. Beim Ausschalten bleiben die Stimmen gespeichert, ohne Fallbacks zu aktivieren. REST: GET /api/v1/assistants/{id}/fallback-voices, PATCH /api/v1/assistants/{id}/fallback-voices, GET /api/v1/voices?fallback_position=1. MCP: get_assistant_fallback_voices, update_assistant_fallback_voices, get_voices (fallback_position).