Skip to main content

Tecnología de voz

Voz a textoSTT

También llamado: reconocimiento automático del habla · ASR · reconocimiento de voz

El voz a texto (STT), también llamado reconocimiento automático del habla (ASR), transcribe audio hablado a texto. En un agente de voz, el STT es el primer paso: convierte el habla de quien llama en texto sobre el que el modelo de lenguaje puede actuar, mientras habla.

El STT en tiempo real tiene que gestionar acentos, ruido de fondo, voces superpuestas y cambios de idioma. Su precisión y velocidad marcan el techo de toda la conversación: si el agente entiende mal, todo lo que viene después es erróneo.

Míralo en el producto

The Finn platform

Términos relacionados

Reconocimiento automático del hablaEl nombre formal de la tecnología que convierte el habla en texto. ASR y voz a texto (STT) se refieren a lo mismo.Texto a vozTecnología que convierte texto escrito en audio hablado natural. TTS es lo que le da voz a un agente de voz con IA.Comprensión del lenguaje naturalLa parte de la IA que descifra lo que una persona quiere decir —su intención y los detalles clave— a partir del lenguaje natural, no solo de las palabras literales.EndpointingDetectar cuándo quien llama ha terminado de hablar para que el agente sepa que es su turno de responder. Un mal endpointing provoca pausas incómodas o interrupciones.

Ve Voz a texto en una llamada real.

Reserva una demo de 30 minutos y observa a Finn gestionar llamadas entrantes y salientes de principio a fin, sin ningún stack que montar.

Reserva una demo Ver la plataforma