Preguntas frecuentes
¿Qué voz es mejor para un menú de IVR?
Atlas es ideal para menús de IVR debido a su tono neutral y claro, diseñado para transmitir información de manera directa. Su voz es fácil de entender en entornos ruidosos y se integra bien en flujos de automatización sin distraer al usuario con matices excesivos.
¿Cuál es la diferencia entre Aria y Nova?
Aria tiene un tono cálido y claro, ideal para narración, mientras que Nova es brillante y enérgica. Aria transmite cercanía y calma, mientras que Nova aporta vitalidad y dinamismo. La elección depende de si buscas una experiencia más serena o activa para tu servicio.
¿Es mejor una voz masculina o femenina para atención al cliente?
No hay una voz superior inherente; la elección depende de la identidad de tu marca. Puedes usar cualquiera de las ocho voces disponibles, como Milo para un tono conversacional o Luna para una narrativa suave. Lo importante es la consistencia y la claridad en la comunicación.
¿Puedo usar la voz de Atlas para noticias en tiempo real?
Sí, Atlas está diseñado con un tono neutral y periodístico, similar al de las noticias. Aunque no es transmisión en vivo, su claridad y estructura neutral la hacen adecuada para leer actualizaciones o información estructurada de manera eficiente dentro de tus flujos de trabajo de centro de llamadas.
¿Qué voz es más adecuada para instrucciones técnicas?
Sage es la opción recomendada para instrucciones técnicas debido a su tono calmado y educativo. Su claridad en la articulación facilita la comprensión de datos complejos o pasos secuenciales, asegurando que el usuario reciba la información técnica de manera precisa y sin ambigüedades.
¿Las voces suenan igual en todos los idiomas?
Cada voz mantiene su identidad vocal, pero se adapta a los fonemas y ritmos del idioma seleccionado. Las voces están entrenadas para 23 idiomas, garantizando que la entonación sea natural en cada uno, aunque la percepción emocional puede variar ligeramente según la cultura lingüística del oyente.
¿Es recomendable usar voces con acento marcado?
Las voces están diseñadas para sonar naturales en los idiomas soportados, sin acentos marcados artificiales. Por defecto, las voces como Aria o Felix ofrecen una pronunciación clara y estándar, ideal para una audiencia amplia y diversa.
¿Cuántas voces diferentes debo usar en un solo centro de llamadas?
No hay un límite técnico, pero se recomienda usar una o dos voces para mantener la consistencia de la marca. El uso excesivo puede confundir al usuario. Puedes rotar voces como Nova para ventas y Luna para soporte, asegurando que cada interacción tenga una identidad clara.
¿Qué voz se usa comúnmente para saludos de bienvenida?
Aria o Luna son comunes para saludos debido a su tono cálido y acogedor. Aria ofrece claridad narrativa, mientras que Luna aporta suavidad. Ambas generan una primera impresión positiva y profesional, estableciendo un tono adecuado para el inicio de la interacción con el cliente.
¿Las voces tienen un tono emocional específico?
Las voces tienen características de personalidad predefinidas, como la energía de Felix o la calma de Sage, pero no incluyen etiquetas de emoción dinámicas como alegría o tristeza en tiempo real. Su tono es consistente y basado en presets, lo que garantiza estabilidad en la experiencia del usuario.
¿Puedo mezclar voces en una sola llamada?
Sí, puedes generar archivos de audio con diferentes voces y unirlos mediante tu integración técnica. La API permite especificar la voz por solicitud, por lo que puedes combinar, por ejemplo, un saludo con Luna y una instrucción con Sage en el mismo flujo de llamada.
¿Qué voz es mejor para promociones o ventas?
Felix es la voz ideal para promociones debido a su tono enérgico y dinámico, diseñado para captar la atención. Su estilo se asemeja a presentaciones publicitarias, lo que la hace perfecta para mensajes de ventas, ofertas limitadas o anuncios que requieren un impulso de energía y entusiasmo.
¿Son las voces robóticas o suenan naturales?
Las voces suenan naturales y están basadas en grabaciones licenciadas de lectores de audiolibros. Aunque llevan una marca de agua invisible que las identifica como síntesis, la calidad es alta y no suenan robóticas, ofreciendo una experiencia de escucha fluida y agradable para los usuarios finales.
¿Cómo elijo la voz correcta para mi marca?
Evalúa si tu marca necesita calidez (Aria, Luna), energía (Felix, Nova) o neutralidad (Atlas, Sage). Prueba las voces con tus textos clave. La elección debe alinearse con la personalidad de tu servicio: informativa, amigable o dinámica, asegurando que la voz refuerce la identidad de tu centro de llamadas.
Criterios de selección para IVR
La selección de voces para un sistema IVR requiere equilibrar la precisión fonética con la experiencia del usuario. En un entorno de alto tráfico, la claridad del mensaje determina la eficiencia de la llamada.
No basta con que el texto sea correcto; la síntesis debe garantizar que cada sílaba se entienda sin esfuerzo cognitivo adicional para el cliente.
Claridad y legibilidad
La legibilidad depende de la capacidad de la voz para articular números, códigos y nombres propios sin ambigüedad. Una mala articulación incrementa la tasa de errores en el menú.
Las voces como Aria o Atlas ofrecen una dicción clara, lo que puede reducir la necesidad de que el usuario solicite una repetición.
- Articulación precisa de dígitos y códigos alfanuméricos
- Evitación de ambigüedades fonéticas en contextos ruidosos
- Claridad superior en la enuncicación de nombres propios
Tono profesional
El tono debe reflejar la identidad de la marca sin resultar excesivamente emocional o informal. La neutralidad controlada es clave para mantener la seriedad institucional.
Voces como Milo o Atlas ofrecen un equilibrio entre amabilidad y distancia profesional, adecuado para transacciones financieras o información corporativa.
- Equilibrio entre calidez y formalidad corporativa
- Consistencia de marca en todas las interacciones
- Ausencia de expresividad excesiva que distraiga
Durabilidad auditiva
La fatiga auditiva ocurre cuando el usuario debe esforzarse para procesar el audio durante llamadas prolongadas. Una voz con timbre equilibrado reduce esta carga cognitiva.
Seleccionar voces con un timbre equilibrado, como Sage o Luna, mejora la comodidad del oyente durante interacciones de varios minutos.
- Reducción de la carga cognitiva del usuario
- Timbre equilibrado para largas interacciones
- Menor necesidad de repetición por fatiga
Voces femeninas para atención al cliente
La atención al cliente requiere voces que transmitan confianza y claridad inmediata. Las voces femeninas de VozCentral están optimizadas para interacciones frecuentes, donde la legibilidad y la durabilidad auditiva son críticas para evitar la fatiga del usuario durante llamadas prolongadas.
Estas tres voces cubren los espectros emocionales más comunes en centros de contacto: desde la neutralidad cálida hasta la energía comercial, garantizando que el mensaje se perciba como profesional y accesible sin requerir ajustes complejos de integración.
Aria: narradora clara y cálida
Aria ofrece una voz clara y cálida, ideal para la recepción inicial o la resolución de dudas estándar. Su timbre natural reduce la sensación de interacción robótica, facilitando que los clientes comprendan instrucciones sin pedir repeticiones constantes.
Es una opción adecuada para flujos de atención general donde la cortesía y la claridad son prioritarias sobre la urgencia.
- Mejor para: saludo inicial y preguntas frecuentes.
- Velocidad recomendada: 1.0 para máxima legibilidad.
Nova: tono brillante y energético
Nova destaca por su tono brillante y energético, adecuado para contextos de ventas o notificaciones promocionales dentro del IVR. Su dinamismo mantiene la atención del usuario en mensajes breves o transiciones rápidas entre opciones del menú.
Su frecuencia vocal más alta proyecta eficiencia, aunque se recomienda limitar su uso en colas de espera prolongadas para evitar saturación auditiva.
Funciona bien para recordatorios de citas o avisos de estado de pedido.
- Mejor para: ventas y avisos dinámicos.
- Velocidad recomendada: 1.1–1.2 para mayor dinamismo.
Luna: suave para storytelling
Luna presenta un tono suave, ideal para narrar historias de marca o guías de onboarding paso a paso. Su suavidad reduce la tensión en llamadas de servicio al cliente donde se necesita empatía o explicaciones detalladas de procesos.
Es menos agresiva que Aria, lo que la hace adecuada para contextos donde el cliente está ya en una etapa de escucha activa prolongada.
Recomendada para explicaciones de políticas o instrucciones de uso de productos.
- Mejor para: onboarding y explicaciones empáticas.
- Velocidad recomendada: 0.9 para mayor calma.
Voces masculinas para información corporativa
Las voces masculinas de VozCentral cubren tres perfiles fundamentales para la información corporativa: promociones, interacción conversacional y difusión de datos neutrales. Cada preset está optimizado para claridad y legibilidad en entornos ruidosos o de baja fidelidad acústica.
La selección adecuada depende del contexto de uso: desde la energía necesaria para campañas hasta la neutralidad requerida para notificaciones críticas, garantizando consistencia auditiva sin fatiga del usuario.
Felix: energético para promociones
Felix proyecta un tono enérgico y dinámico, ideal para mensajes promocionales o recordatorios de servicios. Su ritmo ágil mantiene la atención del oyente en llamadas de corta duración, como confirmaciones de citas o avisos de ofertas limitadas.
- Adecuado para mensajes cortos.
- Ideal para contextos de venta cruzada.
Milo: conversacional y amigable
Milo ofrece una voz cercana y natural, reduciendo la frialdad típica de los sistemas IVR. Se utiliza eficazmente en interacciones de primer nivel, donde la claridad y la amabilidad son prioritarias para guiar al usuario sin generar estrés.
- Excelente para menús de navegación principal.
- Reduce la percepción de espera en transiciones.
Atlas: neutral para noticias
Atlas presenta un tono neutro y estable, diseñado para la transmisión fiable de datos. Es la opción recomendada para noticias corporativas, actualizaciones de estado o lecturas de números de cuenta, donde la precisión lingüística supera al carácter expresivo.
- Alta legibilidad en entornos ruidosos.
- Consistente en múltiples idiomas.
Voces para documentación y guías
La documentación técnica y las guías de usuario requieren una entrega de información estructurada y sin distracciones emocionales. En este contexto, la claridad semántica y el ritmo constante son prioritarios para asegurar que el usuario absorba los pasos sin perder el hilo.
Las voces diseñadas para este fin evitan variaciones drásticas de entonación, priorizando la legibilidad sobre la expresividad artística. Esto reduce la carga cognitiva en entornos donde el usuario está siguiendo instrucciones complejas o verificando datos precisos.
Sage: calmada para instrucciones
Sage ofrece un tono sereno y predecible, ideal para guías paso a paso. Su voz no impone urgencia, lo que permite al usuario procesar la información a su propio ritmo sin sentirse presionado por un ritmo acelerado.
Es la opción recomendada para manuales de configuración de software o procedimientos operativos estándar donde la precisión es más importante que la calidez emocional.
- Ritmo constante y pausas naturales entre pasos
- Baja variación de entonación para reducir distracciones
- Ideal para instrucciones técnicas detalladas
Orion: profunda para documentales
La voz profunda de Orion aporta autoridad y seriedad a la documentación. Es adecuada para explicaciones de conceptos abstractos o resúmenes ejecutivos donde se requiere una sensación de formalidad y confianza institucional.
Su timbre grave ayuda a mantener la atención en contenidos densos, evitando la monotonía que pueden generar las voces más agudas en textos largos.
- Tono autoritario y profesional
- Adecuado para resúmenes y explicaciones conceptuales
- Reduce la fatiga en textos extensos
Uso en explicaciones técnicas
Para explicaciones técnicas, se recomienda utilizar Sage para la parte procedimental y Orion para la contextualización. Esta combinación permite separar la acción inmediata de la comprensión del concepto.
Asegúrese de mantener la velocidad dentro del rango normal (1.0) para permitir la articulación clara de términos técnicos específicos del centro de contacto.
- Combinar Sage para pasos y Orion para contexto
- Mantener velocidad en 1.0 para claridad técnica
- Evitar efectos de velocidad en términos complejos
Comparativa de estilo y aplicación
La elección del registro vocal determina la percepción de urgencia o calma en la llamada. Mientras las voces formales, como Atlas o Sage, proyectan neutralidad y precisión, las informales como Nova o Milo aportan cercanía inmediata. Esta distinción es crucial para definir si la interacción se percibe como transaccional o relacional.
La velocidad de habla (speed) debe ajustarse según la complejidad del mensaje. Textos con datos numéricos requieren ritmos más lentos para garantizar la comprensión, mientras que las notificaciones breves se benefician de una entonación más ágil sin sacrificar la claridad articulatoria.
Voces formales vs informales
Las voces formales (Atlas, Sage, Orion) utilizan un registro neutro o profundo, ideal para validar datos o informar cambios de estado en el sistema. Las informales (Nova, Milo, Aria) generan una conexión más directa, recomendadas para saludos iniciales o confirmaciones de servicio.
El tono influye en la percepción del usuario. Un tono demasiado enfático puede interpretarse como agresividad en quejas, mientras que la neutralidad de Atlas asegura consistencia en alto volumen de llamadas.
- Atlas: neutralidad para datos críticos
- Milo: cercanía para confirmaciones
- Sage: precisión para instrucciones complejas
Velocidad ideal por voz
La velocidad estándar (1.0) es adecuada para la mayoría de los casos. Sin embargo, para voces con entonación marcada como Luna o Orion, reducir la velocidad a 0.75-0.8 mejora la comprensión de frases largas.
Para Nova o Felix, que son inherentemente más rápidas, una velocidad de 0.9 puede evitar la sensación de prisa en menús de opción múltiple. El rango permitido es de 0.25 a 4.0, pero el uso óptimo se sitúa entre 0.8 y 1.2.
Contextos recomendados
El contexto determina la voz. Para verificación de identidad, usa Atlas o Aria por su claridad. Para retención de clientes, Milo o Nova aportan la calidez necesaria. La consistencia de marca exige no mezclar voces en un mismo flujo sin una transición lógica.
Evita usar voces dramáticas (Orion) para notificaciones de espera breves; su profundidad puede sonar excesiva en mensajes de menos de 5 segundos. La simplicidad gana en interacciones de alto volumen.
- Verificación: Atlas o Aria
- Retención: Milo o Nova
- Notificaciones breves: evitar Orión
Voces para menús de espera
Los menús de espera son momentos críticos donde la ansiedad del usuario aumenta por la incertidumbre. Una voz artificial bien seleccionada puede mitigar esta percepción negativa, transformando el silencio en una experiencia auditiva coherente y profesional.
La clave reside en la consistencia tonal y la claridad del mensaje. Utilizar voces con carácter amigable pero neutral asegura que el cliente se sienta atendido, incluso cuando el sistema está procesando su solicitud.
Reducción de percepción de espera
La duración percibida del silencio se alivia con pistas de audio breves y bien estructuradas. Es fundamental evitar repeticiones excesivas que generen irritación.
La voz debe mantener un ritmo constante. La velocidad ideal varía entre 0.8x y 1.0x para garantizar la legibilidad sin sonar apresurada.
- Mantener mensajes debajo de 15 segundos.
- Usar pausas naturales entre frases.
- Evitar tonos monótonos o robóticos.
Voces con tono positivo
Voces como Nova o Milo aportan un carácter ligeramente más energético que las más neutras, ideal para transmitir que el sistema está activo.
La calidez de Aria o Luna puede hacer que la espera se sienta menos burocrática y más humana, sin perder profesionalismo.
- Priorizar voces con entonación ascendente al final de las frases.
- Evitar voces profundas como Orion para menús rápidos.
- Mantener un tono amable pero eficiente.
Ejemplos de texto corto
"Gracias por su paciencia. Estamos conectando su llamada con un agente disponible."
"Su llamada es importante para nosotros. Por favor, siga escuchando las opciones disponibles en el menú actual."
Voces para notificaciones de estado
Las notificaciones de estado requieren una entrega inmediata y sin ambigüedades. El sistema debe transmitir confirmaciones o errores de forma que el usuario identifique el resultado en milisegundos, sin necesidad de reescuchar.
Claridad en mensajes de sistema
Utilizar voces con dicción precisa, como Atlas, garantiza que los códigos de error o confirmaciones de reserva se entiendan al primer intento. La simplicidad del mensaje combina con la neutralidad de la voz para reducir la carga cognitiva del caller.
- Mensajes breves de 5-10 segundos
- Confirmación de número de caso
- Estado de llamada en cola
Voz neutral para datos
Atlas ofrece un tono informativo que no interpone personalidad entre el dato y el oyente. Esto es crucial cuando se reportan tiempos de espera o movimientos de menú, manteniendo la objetividad del sistema.
Evitar fatiga auditiva
Las notificaciones suelen repetirse en bucles. Evitar modulaciones excesivas o tonos demasiado emotivos previene la irritación. La velocidad estándar (1.0) y el formato WAV son opciones comunes para la integración en sistemas telefónicos.

Adaptación multilingüe de voces
Cada una de las ocho voces predefinidas puede pronunciar cualquier idioma de los 23 soportados, lo que simplifica la gestión de flotas globales. No es necesario asignar una voz distinta para cada mercado; la API detecta el script o requiere un código ISO explícito para textos en latín distintos del inglés.
Esta uniformidad garantiza coherencia auditiva sin fragmentar los recursos. Si no se especifica el idioma, el texto en latín se asume como inglés por defecto, por lo que para otros idiomas es obligatorio definirlo en la solicitud.
Una voz para múltiples idiomas
La arquitectura de la API permite que un único modelo de voz maneje múltiples idiomas sin necesidad de cambiar la identidad acústica. Esto evita la inconsistencia que surge al combinar varias voces distintas en una misma aplicación multilingüe.
Consistencia de marca global
Al mantener la misma voz a través de diferentes regiones, se refuerza el reconocimiento auditivo de la marca. Los clientes perciben una experiencia unificada, independientemente de si interactúan en español, alemán o japonés, manteniendo el tono corporativo establecido.
Prueba de acentos
Se recomienda validar la claridad en contextos de alta presión. Aunque la tecnología es robusta, verificar la legibilidad en menús IVR con nombres propios o términos técnicos en idiomas menos comunes asegura una tasa de error baja.
- Verificar límites de 4096 caracteres por solicitud.
- Usar formato WAV para máxima compatibilidad PBX.
- Definir explícitamente el campo
language.
Recomendaciones por tipo de centro
Centro de soporte técnico
Para centros de soporte, la voz Atlas ofrece un tono neutral ideal para explicar procesos o confirmar datos de cuenta. Su claridad reduce la carga cognitiva del usuario. Se recomienda usar la voz Sage para instrucciones paso a paso, manteniendo la velocidad en 1.0 para asegurar la legibilidad.
- Priorizar claridad sobre expresividad
- Usar idioma explícito para evitar ambigüedades
Centro de ventas
La voz Felix es óptima para promociones, con un tono energético que capta la atención. Mantener la velocidad en 1.0 garantiza dinamismo sin perder articulación. Para interacciones más conversacionales sobre disponibilidad, la voz Milo aporta un tono amigable que facilita la conexión con el cliente potencial.
- Mantener velocidad en 1.0 para dinamismo
- Evitar exceso de velocidad para no perder claridad
Centro de reservas
En reservas, la consistencia es clave. La voz Aria proporciona una narración clara y cálida para confirmar fechas o detalles de viaje. Su tono profesional transmite seguridad. La voz Nova puede usarse para notificaciones de éxito, aportando un toque positivo sin resultar invasiva en la experiencia del usuario.
- Confirmaciones con tono sereno
- Notificaciones de éxito con tono positivo
Prueba y selección final
La validación técnica comienza generando muestras de audio con la API, verificando que la concatenación de fragmentos de menos de 4096 caracteres mantenga la coherencia temporal. Es crucial ajustar la velocidad entre 0.25 y 4.0 para adaptar la voz a la complejidad del mensaje.
Generación de muestras
Utilice el endpoint de síntesis para exportar archivos en formato WAV o MP3, asegurando que la calidad sea suficiente para la reproducción en sistemas PBX. Verifique que cada solicitud respete los límites de caracteres y que el formato elegido sea compatible con su infraestructura actual sin necesidad de conversiones adicionales.
- Verificar límites de 4096 caracteres por solicitud
- Exportar en formatos WAV o MP3
- Ajustar velocidad entre 0.25 y 4.0
Escucha en condiciones reales
Reproduce las muestras a través de los altavoces estándar de los teléfonos IP o las líneas analógicas que utilizan sus agentes. Preste atención a la claridad de la voz en entornos ruidosos y evalúe si la distorsión del código de audio afecta la legibilidad de los mensajes críticos.
Validación con usuarios
Presente las opciones a un grupo reducido de agentes o clientes internos para obtener feedback sobre la naturalidad percibida. La decisión final debe basarse en la durabilidad auditiva y la capacidad de la voz para transmitir la intención del mensaje sin generar fatiga durante llamadas prolongadas.
Consideraciones técnicas de implementación
La selección del formato WAV garantiza una compatibilidad nativa con la mayoría de los sistemas PBX y plataformas IVR, evitando sobrecargas de decodificación en tiempo real. Aunque el API soporta MP3, FLAC y OPUS, WAV permanece como la opción estándar para flujos de trabajo que priorizan la estabilidad sobre el ahorro de ancho de banda.
Compatibilidad con formato WAV
El formato WAV sin comprimir asegura que el audio llegue íntegro al servidor telefónico, minimizando los artefactos de compresión que pueden alterar la inteligibilidad en llamadas de baja calidad. Esta elección técnica reduce la complejidad en la infraestructura de entrega de audio.
Control de volumen y velocidad
Ajustar la velocidad entre 0.25 y 4.0 permite adaptar la voz a la complejidad de la información. Para menús de espera, una velocidad ligeramente superior puede reducir la percepción de espera sin sacrificar la claridad.
- Mantener la velocidad entre 1.0 y 1.5 para información crítica.
- Usar formato WAV para máxima compatibilidad con PBX heredados.
Integración con PBX
La integración requiere gestionar la latencia de la API dentro de los tiempos de espera del PBX. Al generar audio por solicitud, es crucial pre-cargar los menús frecuentes para evitar tiempos de espera visibles por parte del usuario final.
Conclusión: elegancia funcional
La integración de VozCentral en centros de contacto no busca solo sustituir voces pregrabadas, sino ofrecer una infraestructura que escala con la demanda sin complicaciones de licencias. El balance entre naturalidad y costo permite mantener un tono profesional constante, independientemente del volumen de llamadas.
La escalabilidad se logra mediante la API, que gestiona la generación de audio bajo demanda. Esto elimina la necesidad de hardware propio o almacenamiento masivo de archivos estáticos, permitiendo a los equipos de producto adaptar la voz según el contexto sin fricción operativa.
Balance entre naturalidad y costo
El precio fijo de $0.01 por cada 1.000 caracteres garantiza previsibilidad en los gastos operativos. Al no haber suscripciones ni costos mínimos, se paga exactamente por lo que se sintetiza, evitando pagos por capacidad ociosa durante horas pico o valle.
Escalabilidad de voces
La API soporta 60 solicitudes por minuto por clave. Si la demanda aumenta, simplemente se ajustan las prioridades de encolamiento o se distribuyen las cargas, manteniendo la coherencia acústica de la marca.
Mejora continua de UX
Al generar audio bajo demanda, se pueden actualizar las grabaciones de menús o notificaciones en tiempo real sin descargar archivos nuevos en los PBX. Esta flexibilidad permite iterar sobre el texto o la voz para optimizar la experiencia del usuario final.
Escucha las 8 voces
Cada muestra a continuación fue generada por esta API a partir de la misma frase. La velocidad de habla (speed) debe ajustarse según la complejidad del mensaje.
23 idiomas
Cualquier voz puede hablar cualquiera de estos idiomas.
