Speech-to-text: qué es y cómo lo usa un agente de voz con IA
Speech-to-text (voz a texto) es la tecnología que convierte el audio de una persona en texto mientras habla. Es el primer paso de un agente de voz con IA: escucha la llamada, entiende lo que se pide y responde con voz natural.
Qué es speech-to-text
Un motor de speech-to-text recibe el audio de la llamada y lo transcribe mientras la persona habla. El texto pasa al modelo de lenguaje, que decide qué responder según el contexto de la conversación.
Cómo lo usa un agente de voz con IA
1. Escucha el audio de la llamada y lo transcribe en tiempo real.
2. Interpreta la intención: una cita, una consulta de precio, una queja o una petición de hablar con una persona.
3. Busca la respuesta en tu información mediante una base de conocimiento (RAG) y responde con voz.
4. Sigue el flujo que diseñaste y guarda los datos de la llamada.
En InfiVoice el agente atiende en más de 30 idiomas, así que transcribe y responde en el idioma de quien llama.
Speech-to-text frente a un IVR tradicional
- IVR tradicional: reconoce solo teclas o unas pocas palabras clave predefinidas.
- Speech-to-text con IA: entiende frases completas, aunque la persona no use las palabras exactas.
Para ver cómo encaja en la llamada completa, lee cómo funcionan los agentes de voz con IA y cómo preparar la base de conocimiento de un agente de voz con IA.
Cómo empezar con InfiVoice
Crea un agente, carga la información de tu negocio, diseña el flujo y asigna un número local. Los planes están en precios.
Precio
El plan Free incluye 100 créditos. El plan Pro cuesta $79 al mes con 250 créditos. Un crédito equivale a 60 segundos de llamada.
Preguntas frecuentes
¿Speech-to-text es lo mismo que un IVR?
No. Un IVR solo reconoce opciones fijas. Speech-to-text convierte cualquier frase en texto para que la IA la interprete.
¿Funciona en varios idiomas?
InfiVoice soporta más de 30 idiomas, así que el agente transcribe y responde en el idioma de quien llama.
¿Cuánto cuesta probarlo?
El plan Free incluye 100 créditos, que equivalen a 100 minutos de llamada.