Mejorar el reconocimiento de voz en llamadas: soluciones prácticas
Por qué el reconocimiento de voz falla en líneas telefónicas y qué ayuda: audio más claro, ajustes de idioma y vocabulario, preguntas cuidadas, repetición y pruebas.
Un agente de voz solo es tan bueno como lo que oye. Si el reconocimiento de voz convierte «martes a las diez» en «marte salas diez», todo lo que sigue va mal, por bueno que sea el modelo de lenguaje. Lo mismo vale para las transcripciones y los resúmenes de llamadas: un error en la fase de reconocimiento se propaga a todos los pasos posteriores.

Esta guía explica por qué la voz por teléfono es difícil, qué errores son más comunes y qué soluciones merecen tu tiempo. Para conocer el flujo de fondo, consulta Cómo funciona la IA de voz: STT, LLM y TTS, y para la parte del audio, Por qué el audio telefónico es difícil para el reconocimiento de voz.
Por qué la voz por teléfono es difícil
Una llamada telefónica comprime una voz humana por un canal estrecho. Se recortan las frecuencias altas y bajas, la señal se comprime y se pueden perder paquetes por el camino. A eso se suma el entorno de quien llama: tráfico, un televisor, viento, un altavoz en una cocina. Los sistemas de reconocimiento se entrenan con mucho habla, pero condiciones así siguen elevando las tasas de error.
Qué degrada el reconocimiento
- Ancho de banda estrechoEl audio telefónico lleva menos detalle que las grabaciones normales, así que los sonidos parecidos se confunden.
- Ruido de fondoCoches, multitudes y máquinas compiten con la voz.
- Micrófonos deficientesLos altavoces, los auriculares baratos y los micrófonos lejanos añaden eco.
- Estilo de hablaEl habla rápida, el balbuceo y los acentos poco familiares son más difíciles.
- Palabras poco frecuentesNombres, marcas, calles y jerga que el sistema ha visto pocas veces.
- Habla superpuestaInterrupciones, conversaciones paralelas y dos personas hablando.
Errores típicos
Espera problemas con homófonos (como «a» y «ha»), dígitos leídos en grupos, nombres deletreados, fechas y horas, y palabras cortas al principio de una frase. Saber qué errores tienes facilita corregirlos. Consulta Cómo acertar con nombres, números y direcciones por voz.
Empieza por lo básico
Antes de cambiar nada sofisticado, revisa lo sencillo.
Una lista básica, en orden
- Comprobar el audioEscucha grabaciones de llamadas reales. Si no puedes entender un fragmento, el sistema tampoco.
- Fijar el idiomaElige el idioma que usan quienes llaman o activa la detección automática si varía.
- Ajustar las pausasRegula cuánto dura el silencio antes de que el sistema decida que quien llama ha terminado.
- Ajustar el tratamiento del ruidoHaz el sistema más o menos sensible al sonido de fondo.
- Probar con voces realesPrueba con distintos hablantes, dispositivos y lugares.
Idioma y detección
Si la mayoría de quienes llaman habla un idioma, fíjalo explícitamente. La detección automática es útil cuando varían, pero puede tardar unas palabras en asentarse, y las frases cortas como «sí» pueden interpretarse mal. Para una línea multilingüe, lee Atención telefónica multilingüe con IA. Los acentos y los dialectos también importan; consulta Acentos y dialectos en la IA de voz.
Pausas y turnos de palabra
Si el sistema corta a la gente en mitad de una frase, sube el umbral de silencio para que espere más. Si parece tardar en responder, bájalo. Las personas mayores y quienes dictan números hacen más pausas; prueba con ellas. Un umbral que sirve para un intercambio ágil puede frustrar a quienes piensan en voz alta. Consulta Detección de actividad de voz y Turnos de palabra en agentes de voz.
Sensibilidad al ruido
Una calle ruidosa puede engañar al sistema para que oiga voz donde no la hay, u ocultar un habla baja. Prueba en un entorno ruidoso, no solo en una oficina, y ajusta la sensibilidad paso a paso.
Diseña preguntas fáciles de reconocer
A menudo la mejora más barata no está en el reconocedor, sino en lo que pregunta el agente.
- Pregunta una cosa cada vez. «¿Cómo te llamas?» obtiene una respuesta más limpia que «¿Nombre, teléfono y motivo?».
- Ofrece una forma de responder con pocas palabras, como sí o no, o una elección entre dos opciones.
- Explica a quien llama cómo dar los números: «Di los dígitos uno a uno».
- Evita las preguntas abiertas largas cuando basta una pregunta cerrada corta.
- Da tiempo a que quien llama responda antes de que el agente vuelva a hablar.
Confirma lo que importa
Para nombres, números de teléfono, fechas, direcciones y todo lo que tenga consecuencias, repite lo que oíste y pide a quien llama que lo confirme. «Tengo el martes cuatro a las diez de la mañana. ¿Es correcto?» es mucho más fiable que dar por supuesto. Ofrece otra forma de aportar información difícil, como un mensaje enviado después a la persona para que lo complete, donde esté permitido.
Ayuda al sistema con tus palabras
Los errores de reconocimiento suelen concentrarse en palabras propias de tu negocio: nombres de producto, nombres del personal, topónimos, términos médicos o técnicos. Algunas formas de ayudar:
- Mantén una lista de los términos que se oyen mal y observa si mejoran.
- Donde el sistema permita vocabulario personalizado o pistas, añade los términos importantes.
- Asegúrate de que tus fuentes de conocimiento escriben los nombres de forma coherente, para que los pasos posteriores puedan relacionarlos.
- Enseña un diccionario de pronunciación para cómo dice el agente esas palabras en voz alta; eso afecta a la salida de voz, no al reconocimiento, pero ayuda a quien llama a entender y responder igual.
Ten presente la distinción entre escuchar y hablar. Un diccionario de pronunciación cambia cómo se lee una palabra, no cómo se oye.
Gestiona el fallo con elegancia
Incluso un sistema bien ajustado oye mal a veces. Diseña la alternativa: tras un intento fallido, reformula la pregunta; tras un segundo, ofrece otra vía, como una persona, una devolución de llamada o un mensaje. No hagas pasar nunca a quien llama tres veces por el mismo mensaje. Una salida elegante protege la relación cuando falla la tecnología.
Mide y prueba
Sin medición no puedes saber si un cambio ayudó. Crea un pequeño conjunto de pruebas con llamadas reales, con consentimiento y permiso anotado: quizá cincuenta fragmentos cortos que cubran tus voces, dispositivos y ruidos típicos. Para cada uno, compara lo que se dijo con lo que se reconoció y cuenta los errores que importaron, como un dígito equivocado, en lugar de cada palabra menor.
Una revisión mensual del reconocimiento
- Escucha una muestra de llamadas reales, incluidas las que fallaron.
- Lista las cinco palabras o frases peor oídas.
- Comprueba si la redacción, los ajustes o el vocabulario pueden resolverlas.
- Vuelve a probar los mismos fragmentos tras cada cambio.
- Incluye muestras ruidosas y con acento, no solo limpias.
- Registra los cambios y los resultados para no repetir un experimento.
Consulta Cómo probar un agente de voz con IA antes del lanzamiento y Cómo evaluar las conversaciones de un agente de voz.
Hacerlo en Call
Call te permite ajustar la escucha de cada agente de IA en sus ajustes de voz. En la sección del transcriptor eliges el idioma, o lo detectas automáticamente, y mueves un umbral de silencio y un control de sensibilidad al ruido. Un aviso en la página indica qué ajustes usan hoy las llamadas en vivo. Sube el umbral de silencio si el agente corta a quienes llaman en mitad de una frase.
- Diccionario de pronunciación. Enseña a la voz de IA cómo leer nombres, lugares y palabras que pronuncia mal; cambia lo que se dice, no lo que se reconoce.
- Transcripciones. Lee la transcripción de una llamada bajo su grabación y etiqueta a los hablantes tras la llamada para ver quién dijo qué.
- Calidad de la llamada. Las llamadas con un agente de IA se puntúan al terminar, con motivos y citas, de modo que las llamadas flojas son fáciles de encontrar.
- Correcciones. Puedes corregir una respuesta en el registro de una llamada y guardar la respuesta corregida en el conocimiento del agente.
El reconocimiento de Call depende de la llamada y de la línea telefónica, así que prueba en líneas reales. Consulta Usar el historial y los resúmenes de llamadas en Call y Buscar en las transcripciones de llamadas en Call.
Preguntas frecuentes
¿Por qué el reconocimiento de voz por teléfono es menos preciso que en mi smartphone?
Las líneas telefónicas transportan un audio más estrecho y comprimido que un micrófono moderno, y quienes llaman suelen estar en lugares ruidosos o con altavoz. El software tiene menos con lo que trabajar, así que hay más errores.
¿Debo fijar un idioma o usar la detección automática?
Si casi todas las personas que llaman usan un idioma, fíjalo. Usa la detección automática cuando varían y prueba respuestas cortas como sí y no, que pueden detectarse mal.
¿Cómo puedo mejorar el reconocimiento de nombres y números?
Pide un elemento cada vez, explica cómo decir los dígitos, confirma repitiéndolos y añade términos importantes al vocabulario donde tu sistema lo permita.
¿Mejora un diccionario de pronunciación lo que oye el agente?
No. Mejora cómo pronuncia el agente las palabras en voz alta. Puede ayudar a quien llama a entender al agente, pero el reconocimiento es un ajuste distinto.
¿Cómo sé si un cambio ayudó?
Conserva un conjunto fijo de fragmentos de llamadas reales, cuenta los errores que importan antes y después y vuelve a ejecutar el mismo conjunto tras cada cambio. Una llamada afortunada no demuestra nada.