Texto a voz

La conversión de texto a voz es una tecnología de síntesis de voz que transforma palabras escritas en audio hablado, para que un programa le hable a quien llama en lugar de reproducir una grabación fija.

Los sistemas telefónicos de antes usaban mensajes grabados: alguien de la oficina leía "para citas, marque uno" frente a un micrófono y ese archivo se repetía por años. La conversión de texto a voz genera el audio a partir del texto cada vez que hace falta. Si cambian las palabras, la voz dice las nuevas de inmediato, sin volver a grabar.

Cómo se crean las voces actuales

Las primeras voces sintéticas sonaban robóticas porque unían fragmentos de sonido grabado. Los sistemas actuales se entrenan con muchas horas de voz humana y aprenden el ritmo, el acento y la entonación, así que pueden leer con naturalidad una frase que nunca vieron. Muchos ofrecen varias voces, velocidades e idiomas, y algunos pasan del inglés al español dentro de la misma conversación.

Respuesta en tiempo real

En una llamada en vivo, la voz tiene que empezar a hablar rápido. La síntesis en tiempo real comienza a reproducir el audio en cuanto están listas las primeras palabras, sin esperar a que se genere un párrafo completo, lo que mantiene la conversación fluida y evita silencios incómodos. El sistema también debe callarse enseguida cuando la persona lo interrumpe.

En qué fijarse

Al escuchar una voz sintética, compruebe que los nombres, fechas, horas y direcciones se entiendan bien, que los números se agrupen como los dice la gente y que el ritmo funcione para alguien que escucha desde el celular en un lugar ruidoso. Las indicaciones de pronunciación para calles de la zona y nombres de mascotas poco comunes ayudan mucho.

Un ejemplo

En una clínica con dos veterinarios, el equipo actualiza su horario de días feriados. Con un saludo grabado, una recepcionista tendría que volver a grabar el mensaje después de cerrar. Con un sistema telefónico que usa texto a voz, la gerente cambia una línea de texto en la configuración y quien llama escucha el nuevo horario en la siguiente llamada.

Cómo lo maneja Tilly

Tilly habla con quien llama mediante una voz sintética en tiempo real, en inglés o en español. Cada llamada empieza avisando que es una IA, y en cualquier momento el cliente puede pedir una persona para que lo transfieran o le devuelvan la llamada.

Vea cuánto vale contestar cada llamada en el costo de las llamadas perdidas. Relacionados: voz a texto y recepcionista con IA.