paso 01
Transcribe
whisper-large-v3 Convierte llamadas y audio en texto, 99+ idiomas, 3,2% de WER en espanol, hasta 25MB por archivo. Las grabaciones se procesan solo en infraestructura de la UE.
// casos de uso · voz
IA de voz que
se queda en Europa.
Voz a texto, voicebots y texto a voz con un solo proveedor, en infraestructura de la UE, 99+ idiomas, síntesis por debajo del segundo.
// cómo funciona
El bucle de voz completo, un proveedor.
Transcripción, un LLM y síntesis de voz en un único endpoint compatible con OpenAI, el audio hace un solo trayecto corto, y solo dentro de la UE.
paso 02
Entiende y responde
deepseek-v4-flash Resume, enruta, responde o dirige un voicebot con un LLM sobre la transcripción, con tool calling incluido, para que la conversación haga algo de verdad.
paso 03
Habla
kokoro Sintetiza voz natural en menos de un segundo, 67 voces, espanol incluido, para voicebots en tiempo real, IVR y accesibilidad.
// drop-in
Cambia una línea. El stack sigue igual.
Los endpoints de audio de OpenAI, transcripciones y voz, funcionan tal cual. Cambias la base URL y la key y el código de voz existente corre sobre modelos privados de la UE.
leer_los_docsfrom openai import OpenAI client = OpenAI( api_key="sk-...", base_url="https://api.helmcode.com/v1", # one line changes ) # 1 · transcribe a call — 99+ languages, stays in the EU text = client.audio.transcriptions.create( model="whisper-large-v3", file=open("call.mp3", "rb"), ) # 2 · synthesize the reply — sub-second, 67 voices speech = client.audio.speech.create( model="kokoro", voice="alba", input=reply, )
// por qué helmcode
Voz sin el quebradero de cabeza de la privacidad.
Las grabaciones son el dato más sensible que existe en una empresa, lleno de PII y el favorito de cualquier regulador. Con Helmcode, todo se queda en la UE.
Las grabaciones no salen.
Llamadas, transcripciones y audio sintetizado no se almacenan nunca ni entrenan ningún modelo. La PII de una grabacion no se convierte en problema de nadie.
Procesado en la UE.
Voz a texto, LLM y texto a voz se ejecutan en infraestructura de la UE, no en hyperscalers de EE. UU. sujetos al Cloud Act. GDPR y AI Act nativos.
STT + LLM + TTS, una API.
El stack de voz completo, transcripción, razonamiento y síntesis, tras un único endpoint compatible con OpenAI. Un proveedor, una factura, un salto de red.
Pensado para tiempo real.
Síntesis por debajo del segundo y transcripción rápida en GPUs dedicadas, latencia suficientemente baja para voicebots e IVR en vivo, no solo procesamiento por lotes.
Sin límites de minutos.
Cada minuto de audio de entrada y salida está incluido. Los límites son RPM y concurrencia por key, nunca el total de tokens. Un volumen alto de llamadas no dispara la factura.
En producción en
- Contact center / BPO
- Telco
- Medios y agencias
- Salud
- RRHH y seleccion
- Educacion
- Productos AI-native
// faq de voz
Voz, respondida.
Lo que preguntan los equipos de CX, operaciones e ingeniería antes de internalizar la voz.
¿Qué modelos de voz ofreceis?
whisper-large-v3 para transcripción (99+ idiomas, 3,2% de WER en espanol, hasta 25MB / ~2 min por archivo) y kokoro para texto a voz (82M parámetros, latencia por debajo del segundo, 67 voces incluido espanol).
¿Almacenáis grabaciones de llamadas o transcripciones?
No. Sin logs, el audio, las transcripciones y la voz sintetizada no se persisten nunca ni entrenan ningún modelo. Transcribir grabaciones deja de ser un problema de privacidad.
¿Es lo bastante rápido para voicebots en vivo?
Sí. En GPUs dedicadas, kokoro sintetiza en menos de un segundo y la transcripción se ejecuta con baja latencia, suficiente para voicebots e IVR en tiempo real, no solo transcripción por lotes.
¿Se puede construir un voicebot completo, STT + LLM + TTS?
Sí, con un solo proveedor. Se transcribe con whisper-large-v3, se razona y responde con un LLM (deepseek-v4-flash, con tool calling), y después se habla con kokoro, todo tras una API compatible con OpenAI.
¿Usa la API de audio de OpenAI?
Sí. Los endpoints audio.transcriptions y audio.speech son compatibles con OpenAI, cambias la base URL y la key y el código existente funciona.
¿Y para compliance estricto con grabaciones?
Se ejecuta en una GPU dedicada o totalmente on-premise dentro de tu datacenter, la misma API y el mismo código, con audio que no sale de la red. Pensado para contact centers, salud y sector público.
// empezar
EMPIEZA A QUEMAR TOKENS
Olvídate de la infra de IA. Despliega hoy el primer endpoint de inferencia privada.
Tarifa plana. Datos en la UE. Compatible con la API de OpenAI.