Conocimiento · Fundamentos de IA

Reconocimiento y síntesis de voz

Speech Recognition / Synthesis (STT/TTS)

📂Fundamentos de IA⏱Lectura de 2 min📊Introductorio🔗5 relacionados

¿Qué es el reconocimiento de voz?

Definición en una línea
Convertir la voz en texto (STT) y el texto en voz (TTS). Los oídos y la boca de los asistentes de IA, los subtítulos y los centros de llamadas.
⚡ Resumen en 3 líneas
  • Reconocimiento de voz (STT) + síntesis de voz (TTS)
  • De la voz al texto, del texto a la voz
  • Los oídos y la boca de los asistentes de IA, los subtítulos y los centros de llamadas

Los datos de voz existían desde hace tiempo, pero eran un activo que no se podía buscar. Aunque en el servidor hubiera decenas de miles de grabaciones de llamadas, el responsable de QA solo podía escuchar, como mucho, dos o tres por agente al mes, y las grabaciones de reuniones nadie volvía a abrirlas una vez terminadas. Con el STT, todo ese audio se convierte en texto que se puede buscar. Es posible filtrar solo las llamadas en las que aparece la palabra “reembolso” o ir directamente al tramo de una reunión en el que se menciona un producto concreto. El verdadero efecto de la IA de voz no es la transcripción en sí, sino que el audio pasa a formar parte de la base de datos.

El STT se divide en procesamiento por lotes, que trabaja con el archivo de audio completo, y procesamiento en streaming, que transcribe mientras se habla. Para actas de reuniones y análisis de llamadas basta el procesamiento por lotes, pero para la interpretación simultánea o el apoyo en pantalla a los agentes, si la latencia supera los 0,3 segundos, es difícil de usar en el campo. La precisión suele medirse con la tasa de error de palabras (WER). En conversaciones generales ya se llega a alrededor del 5%, pero la terminología del sector, los nombres de productos y los nombres de personas deben registrarse en un diccionario de vocabulario personalizado para ser reconocidos. La separación de hablantes, que identifica quién habla, es una función distinta del STT y hay que activarla aparte; extraer resúmenes o clasificar emociones a partir del texto es tarea del LLM que se añade después. Hay que entender que el STT es el oído, no el cerebro para que el presupuesto y las expectativas coincidan.

En el campo, lo que más a menudo falla es la cifra de “95% de precisión”. Ese 5% de errores no se reparte de forma uniforme entre partículas y conectores, sino que se concentra en montos, cantidades y nombres propios. Si “150 mil wones” se transcribe como “500 mil wones”, o si un solo carácter del nombre de un medicamento cambia y se registra otro fármaco, tanto el acta como el historial de atención se convierten en un documento de riesgo. Una sala de reuniones silenciosa en horario extendido y una llamada real con ruido, acentos y voces superpuestas son condiciones completamente distintas. Al convertir las grabaciones en texto se amplía el alcance del tratamiento de datos personales, por lo que es necesario informar previamente tanto a los clientes como a los empleados. Y si se clona una voz con TTS sin el consentimiento por escrito de la persona locutora o del empleado, surgen de inmediato problemas de derechos de imagen y de suplantación.

Capacitaciones en las que aparece este término · IA·DX
Cursos recomendados · Instructores recomendados · Mini cotización
🧮 Mini cotización · Criterio de honorarios
Aprox. KRW 1,200,000 (≈ US$900)Charla especial de 2 horas · hasta 20 personas · en coreano
Solicitar cotización formal con estas condiciones →
💡 Dicho de forma sencilla
Dar a las máquinas oídos (para escuchar) y boca (para hablar): transcriben lo que se dice y leen en voz alta.
Por qué es importante en la práctica
Gran parte del trabajo se realiza hablando. La IA de voz automatiza las tareas basadas en la voz, como las reuniones, la atención telefónica y los subtítulos.
Origen y fuentes

Es un campo estudiado desde hace décadas. Con la aplicación del aprendizaje profundo en la década de 2010, la precisión mejoró notablemente, y los modelos grandes recientes han avanzado mucho en naturalidad y en el procesamiento de varios idiomas.

Entender con un caso

Veamos un caso hipotético. La empresa A distribuye dispositivos médicos y suplementos funcionales, y tiene 240 colaboradores y 35 agentes de atención entrante. Recibe 12,000 llamadas al mes, pero el área de QA solo escuchaba en la práctica 105 grabaciones: tres por agente. Cada vez que había una disputa por devoluciones, alguien pasaba medio día buscando y escuchando los archivos de audio, hasta que se asignó un proyecto de implementación de IA de voz de tres meses.

  1. El jefe de Servicio al Cliente probó 300 grabaciones con un STT piloto y el nombre del producto propio «Riprenol» salió transcrito como «Iprenol». En la primera reunión se dijo: «Si fallan los números o los nombres de productos, no sirve para QA».
  2. El equipo de control de calidad registró 420 términos (nombres de productos, términos de seguros y nombres de competidores) en un diccionario de vocabulario personalizado, y dos semanas después, en la nueva medición, la tasa de reconocimiento erróneo de los nombres de productos bajó del 18% al 4%.
  3. El jefe de operaciones comunicó con antelación a los 35 agentes que “las llamadas se convierten automáticamente en texto, pero no es una evaluación individual, sino para mejorar la atención”, y añadió un mensaje de aviso sobre la grabación y el análisis al inicio del menú de voz (IVR).
  4. Al activar la separación de hablantes para distinguir las intervenciones del agente y del cliente, se contabilizaron automáticamente los silencios desde el momento en que el cliente preguntó “¿Entonces sí se puede hacer el reembolso?” hasta la respuesta, y así se identificaron 210 llamadas con demora en la atención.
  5. El TTS (síntesis de voz) solo se usa para consultas de envíos y horarios de atención. Las reclamaciones y las devoluciones siguen en manos de una persona. El director de Servicio al Cliente marcó el límite: «Si a un cliente enojado le ponen una voz mecánica, se enoja todavía más».
  6. Tres meses después, las llamadas sujetas a revisión de calidad pasaron de 105 al mes a 12 mil revisiones completas, y el tiempo de procesamiento posterior de cada llamada bajó de un promedio de 4 min 20 s a 1 min 50 s.
Términos relacionados
Herramientas de IA relacionadas
Capacitaciones relacionadas con este término
📚Introducción práctica a la IA de agentesCapacitación corporativa de Nanum Consultoría · presencial / en líneaVer curso →
¿Necesita capacitación interna sobre este tema?
Reciba de inmediato un currículo y una cotización personalizados para su equipo.
Consultar sobre capacitación
Última modificación 2026-09-13 · Revisado por John Kim

Preguntas frecuentes

Ha mejorado mucho respecto al pasado. Sin embargo, con terminología especializada, dialectos o ruido ambiental pueden producirse errores.
Preocupa su uso indebido (voces deepfake), por lo que son importantes las medidas éticas y de seguridad, como el consentimiento y la identificación del contenido.
Los modelos más recientes tienen una calidad de reconocimiento y síntesis en coreano bastante buena.
Existe riesgo de uso indebido, como fraudes y deepfakes, por lo que se necesitan medidas de gestión ética y de seguridad, como el consentimiento y las marcas de agua.