### Answer Based on the documentation, here's what Retell AI uses and supports: ## Technologies & Protocols Retell AI Uses Speech Processing: - **ASR (Automatic Speech Recognition) **: Retell uses real-time speech-to-text conversion optimized for speed or accuracy modes [(1) ]() - **TTS (Text-to-Speech) **: Neural speech synthesis with configurable voice, speed, temperature, and volume - **VAD (Voice Activity Detection) **: Combined with Retell's proprietary Turn-Taking Model for natural interruption handling LLM Support: Retell supports multiple LLM providers including: - **OpenAI models**: GPT-4-series (including GPT-4o mentioned in changelogs) [(2) ]() - **Claude models**: Claude 3-series and Claude 4.5 Sonnet - **Google Gemini models**: Gemini 2.0/2.5 Flash variants - **Retell LLM**: Proprietary low-latency model with <800ms end-to-end latency [(1) ]() Voice Providers: - **Cartesia**: Partnership announced for lifelike voice experiences [(2) ]() - **ElevenLabs voices**: Available at $0.10/min - **OpenAI/Deepgram voices**: Available at $0.08/min Telephony & Communication: - **WebRTC**: Infrastructure upgraded to WebRTC for better scalability and reliability - **SIP Trunking**: Supports custom SIP trunking with providers like Twilio, Telnyx, Vonage [(1) ]() [(3) ]() - **E.164 format**: Used for phone number formatting [(3) ]() - **Transport protocols**: TCP (recommended) , UDP, and TLS [(1) ]() [(3) ]() Integration & APIs: - REST API

: For programmatic agent creation and management [(2) ]() - **WebSocket**: For LLM integration and real-time communication - **Webhooks**: Event-driven HTTP callbacks with signature verification for security [(1) ]() [(2) ]() Dynamic Variables: Runtime placeholders that inject call-specific data into prompts and tool descriptions [(1) ]() Security: - End-to-end encryption - Automatic PII redaction - HIPAA, SOC 2, GDPR, CCPA, PCI-DSS, TCPA, DNC, and STIR/SHAKEN compliance ## Technologies Retell Does NOT Mention From your list, these technologies are not mentioned in Retell's official documentation: - FastAPI, LiveKit, Next.js, Tailwind CSS, PostgreSQL, ChromaDB, Redis, Celery, Cloudflare R2, Hostinger VPS, Vercel, SignalWire, Plivo, SQLAlchemy, Alembic, systemd/supervisor, Wavesurfer.js, HNSW, JSONB, JWT, HMAC, AES-256 These may be part of a custom implementation or third-party integration, but they are not part of Retell's documented architecture.

​ To learn more, see the sources I considered: [[1] Avaya](https://docs.retellai.com/deploy/avaya) [[2] Platform Changelogs | Retell AI](https://www.retellai.com/changelog) [[3] Import Phone Number](https://docs.retellai.com/api-references/import-phone-number) ​

Feel free to tag @AI Evy with additional questions. I also appreciate feedback, it helps me improve.

### Answer Based on the documentation, here's what Retell AI uses and how dynamic variables work: ## Providers TTS, STT, VAD Speech-to-Text (STT/ASR) : Retell AI uses Deepgram for real-time speech-to-text conversion, optimized for speed or accuracy modes [(1) ]() . Text-to-Speech (TTS) : Multiple voice providers are available : - Cartesia for lifelike voice experiences - ElevenLabs voices - OpenAI/Deepgram voices VAD (Voice Activity Detection) : Retell AI uses its own proprietary system that combines VAD with a Turn-Taking Model for natural interruption handling . This detects when the caller starts and stops speaking to avoid interruptions and ensure clear turns . ## Fonctionnement des Dynamic Variables dans Retell Les dynamic variables permettent d'injecter des données personnalisées dans les réponses de votre agent pour chaque appel spécifique [(2) ]() . Syntaxe: Utilisez

{{variable_name}}

pour créer des variables dynamiques . Où les utiliser: - **Prompts**: Instructions et personnalité de l'agent - **Begin message**: Message d'accueil - **Configurations d'outils**: URLs de fonctions personnalisées, descriptions d'outils et de propriétés - **Gestion d'appels**: Messages de messagerie vocale, numéros de transfert, instructions de warm transfer - Webhook URL Variables système par défaut: Retell fournit automatiquement ces variables : - `{{current_time}}`: Heure actuelle en America/Los_Angeles - `{{current_time_[timezone]}}`: Heure dans un fuseau horaire spécifique - `{{user_number}}`: Numéro de téléphone de l'utilisateur - `{{agent_number}}`: Numéro de téléphone de l'agent - `{{call_id}}`: ID de session d'appel actuel - `{{direction}}`: Direction de l'appel (inbound ou outbound) Implémentation: Pour les appels

{{current_time_{{my_timezone}} }}

Si une variable n'a pas de valeur assignée, elle reste sous sa forme brute avec les accolades intactes .

sortants, définissez vos variables dans le champ

retell_llm_dynamic_variables

lors de l'utilisation de l'API Create Phone Call . Toutes les valeurs doivent être des chaînes de caractères . Variables imbriquées: Retell supporte les variables imbriquées avec cette syntaxe :

​ To learn more, see the sources I considered: [[1] Speech Processing](https://www.retellai.com/glossary/speech-processing) [[2] Dynamic Variables](https://docs.retellai.com/build/dynamic-variables) ​

Feel free to tag @AI Evy with additional questions. I also appreciate feedback, it helps me improve.

### Answer Based on the documentation, here's what Retell AI can provide as outputs after a call: ## Outputs disponibles après un appel Post Call Analysis (Analyse après appel) : Retell AI offre plusieurs types d'extraction de données après l'appel [(1) ]() : - **Boolean (Vrai/Faux) **: Déterminations simples oui/non - Exemple: Si le client est un appelant pour la première fois - **Text (String) **: Informations textuelles détaillées - Exemple: Résumés d'appel, éléments d'action, ou points de discussion clés - **Number (Valeur numérique) **: Mesures quantitatives - Exemple: Montants de transaction, durée d'appel, ou scores de satisfaction - **Selector (Enum) **: Catégorisation à partir d'une liste fixe - Exemple: Types de problèmes, catégories de produits, ou statut de résolution Champs d'analyse configurables: Dans la configuration de l'agent, vous pouvez définir des données d'analyse personnalisées via

post_call_analysis_data

[(2) ]() . Vous pouvez également configurer: - `analysis_successful_prompt`: Pour déterminer si l'appel a été réussi - `analysis_summary_prompt`: Pour généider le résumé de la conversation - `analysis_user_sentiment_prompt`: Pour évaluer le sentiment de l'utilisateur Call Analytics (Analytiques d'appel) : Les analytiques peuvent suivre [(3) ]() : - **Volume & Durée d'appel**: Comprendre les tendances d'utilisation dans le temps - **Répartition des intentions**: Catégoriser automatiquement les raisons des appels entrants - **Analyse de sentiment**: Évaluer la frustration, satisfaction ou urgence de l'appelant en temps réel - **Taux de résolution**: Suivre combien d'appels ont été traités avec succès sans escalade - **Points d'abando

n**: Identifier les frictions dans le flux d'appel où les utilisateurs se désengagent Note importante: Retell AI ne remplit pas les champs d'analyse personnalisés pour les appels qui n'ont pas été connectés ou où aucune conversation n'a eu lieu [(1) ]() . L'analyse ne peut pas être exécutée rétroactivement sur les appels passés [(4) ]() .

​ To learn more, see the sources I considered: [[1] Post Call Analysis Overview](https://docs.retellai.com/features/post-call-analysis-overview) [[2] Update Voice Agent](https://docs.retellai.com/api-references/update-agent) [[3] Call Analytics](https://www.retellai.com/glossary/call-analytics) [[4] Running Post Call Analysis on existing calls](https://discord.com/channels/1186424376300679209/1364640518654660619) ​

Feel free to tag @AI Evy with additional questions. I also appreciate feedback, it helps me improve.

@AI Evy Est ce que ce sont des output a definir dans ke llm, l'agent ou dans le call?

### Answer Les outputs de Post Call Analysis se définissent au niveau de l'agent, pas dans le LLM ni dans l'appel individuel [(1) ]() . ## Configuration au niveau de l'agent Vous configurez les champs d'analyse dans la configuration de votre agent via le paramètre

post_call_analysis_data

. Ce paramètre définit quelles données extraire après chaque appel utilisant cet agent [(2) ]() . Exemple de configuration: Chaque élément du tableau

post_call_analysis_data

peut avoir [(1) ]() : - `type`: Le type de données (string, boolean, number, ou selector) - `name`: Le nom du champ - `description`: Description de ce qui doit être extrait - `examples`: Exemples pour guider l'extraction - `required`: Si le champ est obligatoire - `conditional_prompt`: Prompt conditionnel optionnel ## Personnalisation des prompts d'analyse Vous pouvez également personnaliser au niveau de l'agent : - `post_call_analysis_model`: Le modèle LLM utilisé pour l'analyse (par défaut "gpt-4.1-mini") - `analysis_successful_prompt`: Pour déterminer si l'appel a réussi - `analysis_summary_prompt`: Pour guider la génération du résumé - `analysis_user_sentiment_prompt`: Pour évaluer le sentiment de l'utilisateur Important: L'analyse ne peut pas être exécutée rétroactivement sur les appels passés, et les champs personnalisés ne seront pas remplis pour les appels non connectés ou sans conversation [(2) ]() .

​ To learn more, see the sources I considered: [[1] Get Voice Agent](https://docs.retellai.com/api-references/get-agent) [[2] Post Call Analysis Overview](https://docs.retellai.com/features/post-call-analysis-overview) ​

Feel free to tag @AI Evy with additional questions. I also appreciate feedback, it helps me improve.