Cómo funciona
1
El cliente escribe o manda un audio
El agente entiende los audios del cliente igual que los mensajes escritos.
2
El agente decide si habla
Según el modo que elegiste (por ejemplo, Espejo: si el cliente mandó un audio, responde con audio), el agente escribe la respuesta pensada para decirse en voz alta: frases cortas, sin listas, links ni emojis.
3
Se prepara el texto hablado
Los precios, números, fechas, horas y teléfonos se pasan a palabras como los diría una persona:
$185 se dice «ciento ochenta y cinco pesos», 2:30 p. m. «las dos y media de la tarde», 10/10 «diez de octubre». Se aplican tus pronunciaciones.4
Se genera la voz y el sonido
ElevenLabs genera el audio con la voz y el modelo elegidos. Después se le da el sonido que configuraste: micrófono de celular, eco del lugar y un fondo suave, o el de un call center.
5
Llega como nota de voz
El cliente recibe un audio de WhatsApp (el de micrófono, no un archivo adjunto). Si la respuesta tenía algo para tener por escrito, como un link o una dirección exacta, llega en un mensaje de texto justo después.
Activarlas
1
Abrí la pestaña Voz
En Agentes → Texto, abrí el agente y entrá en la pestaña Voz.
2
Activá Responder con notas de voz
Al activarlo aparecen las secciones de configuración. Vienen con los valores recomendados: modo Espejo, sonido Nota de celular y modelo v4 Turbo.
3
Elegí una voz
Es lo único obligatorio. Escuchá las muestras con ▶ y elegí una.
4
Escuchá cómo suena
En el panel Escuchá cómo suena, hacé clic en Escuchar. La prueba usa lo que tenés en pantalla, aunque no esté guardado.
5
Guardá la pestaña
Hacé clic en Guardar (o Ctrl + Enter). Desde ese momento el agente responde con audio según el modo.
Cuándo responde con audio
Aunque toque hablar, una respuesta sale como texto si trae una lista, si es más larga que el Largo máximo de cada nota o si no quedó nada para decir. Así una lista de precios o un menú no se convierte en un audio largo.
Elegir la voz
El catálogo muestra voces en español de ElevenLabs, las más usadas para conversaciones.- Acento: México, Colombia, Argentina, Chile, Perú, Venezuela, España y neutro. La primera vez se preselecciona el acento de la zona horaria del agente.
- Género: todas, femeninas o masculinas.
- Muestra: tocá ▶ en una voz para escucharla. Tocar otra corta la anterior.
Usar otra voz
En Usar otra voz (ID de ElevenLabs) podés pegar el ID de cualquier voz de la biblioteca pública de ElevenLabs y darle un nombre para reconocerla. Probala con Escuchar antes de guardar: si el ID no existe, la prueba lo avisa.Las voces las genera la cuenta de ElevenLabs de ContactShip. Una voz clonada en tu propia cuenta de ElevenLabs no funciona por ID si no está publicada en la biblioteca pública. Si necesitás una voz propia de tu marca, escribile a soporte.
Cómo suena
Un audio de estudio perfecto delata que es una máquina. Estos estilos lo hacen sonar grabado de verdad:Sonido de fondo
Con Nota de celular o Call center elegís el fondo: Casa, Local / negocio, Oficina, Calle, Call center, Sin fondo o Personalizado. Con Personalizado describís cómo suena, por ejemplo «una taquería en la calle, ruido de comal y gente pidiendo»; en inglés suele salir mejor, y sin música ni voces claras. El fondo se genera una vez y se reutiliza en todas las notas del agente. La primera nota con un fondo nuevo puede tardar unos segundos más. Volumen del fondo va de Apenas se nota a Bien presente. El punto Natural es el recomendado: se escucha el lugar sin tapar la voz.Cómo habla
Indicaciones de estilo
Un texto libre, de hasta 2.000 caracteres, que el agente sigue solo cuando responde con audio: expresiones que usa, tono, cómo saluda o se despide, qué evitar. Los botones de ejemplo agregan una línea lista para editar.- Bien
- Mejor evitar
Pronunciaciones
Para marcas o palabras que la voz dice mal. En Se escribe ponés la palabra como aparece en los mensajes y en Se dice cómo tiene que sonar.- Se reemplaza la palabra completa, sin importar mayúsculas:
Suhicitono cambiaSuhicitos. - Solo afecta lo que se dice. En el chat, en la bandeja y en el historial queda escrito como siempre.
- Hasta 50 pronunciaciones por agente. Las dos columnas son obligatorias.
Modelo de voz
Emociones, disponible con los modelos v4: el agente puede marcar el tono de una frase (cálido, alegre, tranquilizador, una risa breve) y la voz lo interpreta. Usa como máximo dos por respuesta y ninguna en temas delicados como salud, quejas o cobros. Las marcas de tono no aparecen en el chat.
Ajustes finos
Probar antes de guardar
El panel Escuchá cómo suena genera una nota con la configuración que tenés en pantalla, guardada o no, por el mismo camino que una nota real: mismo texto hablado, voz, modelo y sonido.- Escribí tu propio texto de prueba, de hasta 400 caracteres, o usá Texto de ejemplo: trae un precio y un horario para que escuches cómo se dicen.
- Debajo del reproductor ves Lo que se dijo: el texto exacto que leyó la voz, con números en palabras y pronunciaciones aplicadas. Ahí se ve si algo se convierte mal.
- Las insignias indican si se aplicó el sonido realista y cuánto costaría esa nota en producción.
- Las pruebas no se cobran. Hay un máximo de 30 por hora por usuario.
Qué ve tu equipo en la bandeja
La respuesta queda en la conversación como un audio. Junto al audio se guarda el texto de lo que dijo la voz,🔊 Nota de voz: «…», escrito normal (con $185, no «ciento ochenta y cinco pesos»). Ese texto es el que el agente ve en su historial, así que recuerda qué dijo.
Si ElevenLabs no puede generar el audio, se hacen hasta tres intentos. Si sigue fallando, el cliente recibe el mismo contenido como mensaje de texto y la voz no se cobra. Si falla solo el efecto de sonido, la nota sale limpia.
Costos
- La voz se cobra por caracteres dichos, según el modelo de la tabla anterior. Se descuenta del saldo de créditos de la organización (1 crédito = US$0,01).
- Se cobra solo cuando la nota se envió. Si salió como texto por un error, no se cobra la voz.
- El mensaje de IA se cobra como siempre, aparte de la voz.
- Las pruebas de Escuchá cómo suena no se cobran.
Qué se puede y qué no
Guías por tipo de negocio
- Restaurante o delivery
- Clínica o consultorio
- Soporte o call center
- Marca con nombre difícil
- Modo: Espejo.
- Voz: una del país del negocio, cálida.
- Sonido: Nota de celular, fondo Local / negocio, volumen Natural.
- Modelo: v4 Turbo, con emociones.
- Indicaciones:
- Pronunciaciones: el nombre del local y de los platos con nombre propio.
- Datos por escrito: activado, para mandar el link de pago o la ubicación.
Buenas prácticas
- Empezá con Espejo. El cliente que manda audios suele preferir escucharlos; el que escribe, leer.
- Elegí una voz que coincida con la persona del agente. Si el agente se presenta como «Sofía de Monterrey», que la voz sea mexicana y femenina.
- Probá con tus mensajes reales. Precios, horarios, direcciones y nombres propios son lo que más se nota si sale mal.
- Cuidá el volumen del fondo. Natural se escucha real; Fuerte puede molestar en notas largas.
- Mantené las notas cortas. Dos o tres frases se escuchan completas; lo largo conviene mandarlo por escrito.
Problemas frecuentes
Preguntas frecuentes
¿El cliente se da cuenta de que es una IA?
¿El cliente se da cuenta de que es una IA?
La voz y el sonido de celular están pensados para sonar naturales, pero no ocultan nada: la conversación sigue siendo con el agente de IA que configuraste. Si tu negocio informa que atiende un asistente virtual, mantené ese aviso en las Instrucciones.
¿Puedo tener una voz para cada agente?
¿Puedo tener una voz para cada agente?
Sí. Cada agente tiene su propia pestaña Voz con voz, sonido, estilo y pronunciaciones.
¿El agente entiende los audios que manda el cliente?
¿El agente entiende los audios que manda el cliente?
Sí, aunque las notas de voz estén desactivadas. Activarlas solo cambia cómo responde.
¿Qué pasa con las conversaciones que ya estaban abiertas?
¿Qué pasa con las conversaciones que ya estaban abiertas?
Desde que guardás, el agente aplica la configuración en su próxima respuesta, también en conversaciones abiertas.
¿Cuánto cuesta por mes?
¿Cuánto cuesta por mes?
Depende de cuántas respuestas salgan como audio y de su largo. Con v4 Turbo, 1.000 notas de unos 20 segundos cuestan unos 2.400 créditos (US$24), aparte de los mensajes de IA. El modo Espejo limita los audios a los clientes que mandan audios.
¿Los humanos del equipo pueden mandar notas de voz?
¿Los humanos del equipo pueden mandar notas de voz?
Sí, desde la bandeja, grabándolas como siempre. La pestaña Voz configura solo las respuestas del agente de IA. Ver Bandeja de conversaciones.