Como crear un asistente de voz con IA: de la idea a una app funcional que escucha, responde y actua por ti

Antes de construirlo, conviene entender las 3 piezas que lo componen:

1. Escucha (speech-to-text): convierte tu voz en texto. La hace un modelo de transcripcion (como Whisper de OpenAI).
2. Piensa (LLM): el texto va a un modelo de lenguaje (GPT-4, Claude, Gemini) que genera la respuesta.
3. Habla (text-to-speech): la respuesta escrita se convierte en voz con un modelo como ElevenLabs o la voz nativa del navegador.

Las plataformas no-code que usaremos en esta guia ya tienen estas 3 piezas listas. Solo tienes que configurarlas.

ElevenLabs es la herramienta mas rapida para tener un asistente de voz funcionando hoy. Tiene un constructor de agentes conversacionales que no requiere codigo.

1. Entra a https://elevenlabs.io y crea una cuenta gratuita.
2. Verifica tu correo electronico.
3. Una vez dentro, explora el panel. El menu principal muestra: Speech (texto a voz), Dubbing, Projects y Conversational AI (lo que usaremos).

El plan gratuito incluye 10.000 creditos al mes. Para esta guia son suficientes.

1. En el menu lateral, haz clic en “Conversational AI”.
2. Haz clic en “Create agent” (o “New agent”).
3. Puedes empezar desde una plantilla o desde cero. Para aprender, elige “Blank agent”.
4. Ponle un nombre a tu agente (por ejemplo, “Asistente de soporte”).
5. Verás 4 pestañas principales:
   • Agent: la personalidad y las instrucciones del agente.
   • Voice: la voz que usara para hablar.
   • Analysis: metricas de uso.
   • Integrations: como incrustarlo en tu web o app.

El prompt de sistema es donde le dices al agente quien es, que sabe y como debe comportarse. Es la parte mas importante.

En la pestana “Agent”, busca el campo “System prompt” y escribe algo como esto (adaptalo a tu caso):

Eres Sofia, la asistente virtual de [Tu Empresa]. Hablas en espanol, con un tono amable y profesional.

Tu funcion es:
- Responder preguntas sobre nuestros productos y servicios.
- Ayudar a los clientes a encontrar informacion en nuestro sitio web.
- Si no sabes algo, dices honestamente que lo vas a verificar y pides el correo del cliente.

Lo que NO debes hacer:
- Inventar informacion que no se te haya dado.
- Hablar de temas que no sean relevantes para la empresa.

Reemplaza los ejemplos con la informacion real de tu negocio o caso de uso. Cuanto mas especifico seas, mejor se comportara el agente.

Tambien puedes:

• Subir documentos de referencia (FAQs, catalogo de productos, politicas) con el boton “Knowledge base”.
• Ajustar el modelo de lenguaje (GPT-4o, Gemini, etc.) desde la configuracion del agente.

1. Ve a la pestana “Voice”.
2. ElevenLabs muestra una libreria de voces. Puedes filtrar por idioma, acento y genero.
3. Escucha las muestras y elige la que mejor encaje con tu asistente.
4. Para una voz en espanol con acento natural, busca “Spanish” en el filtro de idioma.
5. Guarda la seleccion.

Opciones adicionales:

• Clonar tu propia voz: si quieres que el asistente suene exactamente como tu, mira el tutorial Como clonar tu voz con IA para el proceso paso a paso.
• Ajustar parametros: en la pestana Voice puedes cambiar la velocidad, estabilidad y similitud de la voz.

1. En la parte superior del editor, encontraras un boton de reproduccion o chat de prueba. Haz clic y habla (o escribe) para probar tu agente.
2. Ajusta el prompt de sistema si el agente responde de forma incorrecta o fuera de contexto.
3. Cuando estes satisfecho, ve a la pestana “Integrations”:
   • Widget de chat: genera un fragmento de codigo HTML que puedes pegar en cualquier sitio web para que el asistente aparezca como un boton en la esquina.
   • Link publico: genera un enlace directo que puedes compartir por WhatsApp, email o redes sociales.
   • API: si en el futuro quieres conectarlo a una app propia, la API te da acceso completo.
4. Copia el enlace publico y comparte. Tu asistente ya esta en vivo.

Para un asistente de voz integrado en tu propio sitio web, mira el tutorial Como crear un chatbot para tu web sin programar, que cubre las opciones de integracion en detalle.

Si necesitas un asistente con rutas de dialogo mas complejas (menus, preguntas condicionales, varios caminos posibles), Voiceflow es la mejor opcion no-code:

1. Crea una cuenta gratuita en https://voiceflow.com.
2. Crea un proyecto nuevo de tipo “Chat assistant” o “Voice assistant”.
3. Usa el editor visual de flujos para disenar el dialogo: bloques de texto, bloques de IA, condicionales, llamadas a APIs externas.
4. Para agregar la voz, conecta ElevenLabs directamente desde los ajustes de integracion de Voiceflow.
5. Publica y comparte con el enlace o el widget de chat.

Voiceflow tiene un plan gratuito para proyectos personales y de aprendizaje. Confirma los precios actuales en https://voiceflow.com/pricing antes de escalar.

Problema	Solucion
El agente no entiende lo que digo	Habla mas despacio y cerca del microfono. Verifica que tu navegador tiene permiso para usar el microfono.
Responde fuera del tema	El prompt de sistema no es suficientemente especifico. Agrega mas instrucciones sobre lo que NO debe hacer.
La voz suena robotica	Prueba otra voz de la libreria de ElevenLabs o ajusta los parametros de estabilidad.
Se acaban los creditos del plan Free	Los creditos se reponen cada mes. Considera el plan Starter ($6/mes) para uso regular.
Quiero que recuerde lo de conversaciones anteriores	Los agentes basicos no tienen memoria persistente. Para eso necesitas una base de datos externa y conectarla via API (nivel intermedio).