Ringg.AI-integratie met Truefoundry AI Gateway

Gebouwd voor snelheid: ~10ms latentie, zelfs onder belasting
De razendsnelle manier om je modellen te bouwen, volgen en implementeren!
- Verwerkt 350+ RPS op slechts 1 vCPU — geen tuning nodig
- Productieklaar met volledige enterprise-ondersteuning
Naarmate voice agents van demo's naar productie verhuizen, stuiten teams op een bekende muur. Spraak is het moeilijkste onderdeel van de stack om goed te krijgen, vooral in markten waar mensen niet één schone taal tegelijk spreken. Een klant in India kan een gesprek in het Hindi beginnen, halverwege een zin overschakelen naar het Engels en een bestelnummer ratelen in een gemengde taalvorm. De meeste speech-to-text-modellen struikelen precies hierover. En zelfs als u er een vindt die werkt, moet u nog een provider op uw gateway aansluiten, nog een API key beheren en hopen dat uw logging en toegangsbeheer dit ook afdekken.
De vraag die elk voiceteam uiteindelijk stelt: hoe plugt u een gespecialiseerd spraakmodel in uw platform zonder dat het een eenmalig engineeringproject wordt?
Bij TrueFoundry is ons doel om elk model, hoe gespecialiseerd ook, als een eersteklas burger van uw gateway te laten voelen. Daarom zijn we enthousiast om het Parrot speech-to-text-model van Ringg.AI naar de TrueFoundry AI Gateway te brengen. Met één enkele Custom Endpoint-configuratie kunnen uw teams Parrot op dezelfde manier aanroepen als elk ander model op de gateway, met dezelfde authenticatie, hetzelfde toegangsbeheer en dezelfde gecentraliseerde zichtbaarheid.
TrueFoundry AI Gateway als centraal control plane
De TrueFoundry AI Gateway is hoe ontwikkelaars en platformteams hun AI-applicaties vanuit één plek beheren, monitoren en schalen. Het geeft je geünificeerde toegang tot honderden modellen, slimme routing, virtuele sleutels en volledige observabiliteit, allemaal achter één enkele API.
Naarmate AI-stacks groeien, is de echte uitdaging niet het bereiken van een model. Het is de wildgroei die daarna ontstaat. Elke nieuwe provider brengt zijn eigen SDK, zijn eigen sleutels en zijn eigen werkwijze met zich mee. De Gateway brengt daar orde in. Het bevindt zich tussen je applicaties en je modellen als één enkel controlepunt, zodat het toevoegen van een nieuwe functionaliteit niet betekent dat je credentials en custom code over je gehele codebase moet verspreiden. Dat maakt het de natuurlijke thuisbasis voor een gespecialiseerd model zoals Parrot: je krijgt het spraakmodel dat je nodig hebt zonder de consistentie op te offeren waar je al op vertrouwt.
Ringg.AI Parrot: Speech-to-Text gebouwd voor echte spraak
Parrot is het speech-to-text-model van Ringg.AI, speciaal gebouwd voor real-time voice agents. Waar spraakherkenningsmodellen voor algemeen gebruik vooral zijn getraind op schone audio in één enkele taal, is Parrot ontworpen voor hoe mensen daadwerkelijk spreken, met sterke ondersteuning voor Hindi, Engels en de code-mixed spraak die de overhand heeft in echte gesprekken.
Die focus is van belang. Een voice agent is slechts zo goed als zijn oren. Als transcriptie een woord mist of een wisseling tussen talen verhapstukkt, neemt elke vervolgstap, van intentiedetectie tot responsgeneratie, die fout over. Door rommelige spraak uit de echte wereld nauwkeurig en in real-time te verwerken, geeft Parrot voice agents een betrouwbaar fundament om op te bouwen. Het is het verschil tussen een demo die werkt in een stille ruimte en een agent die standhoudt tijdens een live klantgesprek.
De sterke punten van Parrot komen naar voren in de details waar algemene modellen over struikelen. Het normaliseert Devanagari-output zodat de transcriptie schoon genoeg is voor een LLM om er direct over te redeneren. Het verwerkt alfanumerieke reeksen, zoals bestelnummers en ID's, nauwkeuriger dan typische marktopties, en presteert beter bij het herkennen van merknamen en named entities. En het doet dit alles terwijl het behoort tot de snelste speech-to-text-modellen die beschikbaar zijn.
Parrot verwerkt bijvoorbeeld een uiting als "अभी तो I am taking hydroxychloroquine sulfate" moeiteloos, waarbij de Hindi-Engels switch, de genormaliseerde Devanagari en de merknaam van het geneesmiddel in één keer correct worden getranscribeerd.
Samen sterker: Één endpoint, volledige controle
Door Parrot naar de TrueFoundry AI Gateway te brengen, behandelt u spraak niet langer als een afzonderlijke, losgekoppelde dienst. Parrot wordt gewoon een nieuw endpoint op uw gateway, beheerd volgens dezelfde regels als al het andere.
Het voordeel is een heldere scheiding van verantwoordelijkheden. Uw Ringg.AI API key bevindt zich in de gateway en wordt bij elk verzoek vanaf de gateway naar Ringg verzonden. Uw applicaties krijgen deze nooit te zien. Uw client heeft alleen een TrueFoundry API key en communiceert uitsluitend met de gateway. Dit betekent dat u credentials kunt roteren, kunt beheren wie Parrot mag gebruiken en het gebruik kunt auditen vanuit één dashboard, zonder applicatiecode aan te raken. U configureert Parrot eenmalig als een Custom Endpoint, stelt access control in voor de juiste gebruikers en teams, en het is beschikbaar binnen uw gehele organisatie met de governance die u verwacht.
Hoe de integratie tussen Ringg.AI en TrueFoundry werkt
Parrot verbindt met de Gateway via Custom Endpoints, het mechanisme van TrueFoundry om elke HTTPS API achter het proxypad van de gateway te plaatsen. Het onderstaande diagram toont de end-to-end flow.

De gelaagde flow werkt als volgt:
1. Uw voice-applicatie stuurt een audiobestand naar de TrueFoundry AI Gateway via een multipart form-verzoek, geauthenticeerd met alleen een TrueFoundry API key.
2. De Gateway stuurt het verzoek door naar Ringg.AI Parrot en voegt de x-api-key-header toe die deze intern beheert. Optionele parameters zoals language en enable_cap_punc worden meegegeven.
3. Parrot transcribeert de spraak en stuurt het transcript als JSON terug naar de Gateway.
4. Optioneel kan het transcript worden doorgestuurd naar elk LLM dat al op de gateway actief is, zodat één control plane zowel de spraak- als de redeneerstappen van uw voice agent dekt.
5. De Gateway retourneert het transcript of de downstream-respons naar uw applicatie, waarbij het volledige verzoek wordt gelogd voor maximale zichtbaarheid.
Omdat de integratie gebruikmaakt van Custom Endpoints, zijn er geen sidecars, geen SDK-wissels en geen credential-afhandeling per model in uw applicatie nodig. De gateway proxiet het verzoek, voegt de upstream-key toe en legt de call vast.
Configuratie in drie stappen
De instelling lijkt meer op het omzetten van een knop dan op een omvangrijk engineeringproject. Ga in het TrueFoundry-dashboard naar AI Gateway → Models → Custom Endpoints en:
1. Maak een Custom Endpoint provider-account aan. Geef het een unieke naam, die de providerAccountName wordt in uw call-URL. Laat Header Auth uitgeschakeld.
2. Voeg een Ringg.AI STT endpoint toe. Stel de weergavenaam in (dit wordt endpointName), stel de Base URL in op https://prod-api.ringg.ai/stt/v1/transcriptions, schakel Custom Headers in en voeg x-api-key toe met uw Ringg.AI-key.
3. Stel access control in voor de gebruikers en teams die dit endpoint moeten gebruiken en sla op.
Zodra het is opgeslagen, aanroept u Parrot via het gateway-proxypad: {GATEWAY_BASE_URL}/proxy-api/{providerAccountName}/{endpointName}. Let op de huidige ondersteuningsomvang: alleen HTTPS- en non-streaming-verzoeken worden momenteel ondersteund, waarbij uitbreidingen worden toegevoegd op verzoek van klanten.
Aan de slag met real-time Voice AI
Voice AI heeft geen apart integratiepad nodig voor elk model. Met Ringg.AI Parrot op de TrueFoundry AI Gateway krijgt u speech-to-text die is gebouwd voor echte, code-gemengde gesprekken, aangesloten op dezelfde universele API, toegangsbeheer en observability die u al gebruikt voor de rest van uw stack. Voor meer informatie raadpleegt u de Ringg.AI-integratiereferentie in de TrueFoundry-documentatie en de Parrot STT-modelpagina om te beginnen met bouwen.
TrueFoundry AI Gateway levert een latentie van ~3–4 ms, verwerkt 350+ RPS op 1 vCPU, schaalt moeiteloos horizontaal en is klaar voor productie, terwijl LiteLLM last heeft van hoge latentie, moeite heeft boven een gemiddeld aantal RPS, geen ingebouwde schaling heeft en het meest geschikt is voor lichte workloads of prototypes.















.png)

.webp)



.webp)








.webp)





