Ajustes avanzados

Los ajustes avanzados permiten afinar el comportamiento conversacional del asistente de voz. Los valores predeterminados funcionan bien en la mayoría de los casos: modifícalos solo cuando tengas un problema específico que resolver, un parámetro a la vez.

Temperatura

La temperatura controla cuánto varían y cuán creativas son las respuestas del asistente. Los valores bajos hacen que las respuestas sean más predecibles y coherentes; los valores altos las hacen más naturales y variadas, pero con mayor riesgo de divagaciones. El intervalo va de 0.6 a 1.2, con 0.8 como valor predeterminado.

Baja (0.6-0.7)

Respuestas muy coherentes y repetibles. Ideal cuando se necesita información factual precisa como horarios, precios y disponibilidad.

Media (0.8, recomendada)

Buen equilibrio entre coherencia y naturalidad. Adecuada para la mayoría de las tareas.

Alta (1.0-1.2)

Respuestas más cálidas y conversacionales. Útil para la acogida y la relación con el cliente, menos indicada cuando se comunican datos críticos.

Velocidad de respuesta

Regula la velocidad con la que el asistente pronuncia las respuestas; el valor predeterminado es 1.0 y el intervalo disponible depende del modelo de voz. Una velocidad adecuada mejora la comprensión sin que la conversación parezca poco natural.

• Más lenta. Mejora la comprensión para clientela de edad avanzada, no nativa o para temas complejos como procedimientos y direcciones.
• Más rápida. Adecuada para conversaciones breves y dinámicas con clientes que ya conocen el servicio.

Detección del turno de palabra

La detección del turno decide cuándo el asistente entiende que has terminado de hablar y puede responder. Un buen ajuste evita dos problemas opuestos: que el asistente interrumpa demasiado pronto y que el asistente haga esperar demasiado antes de responder.

Con OpenAI puedes elegir entre dos modos de detección:

Semántica (semantic VAD)

El asistente también evalúa el significado de la frase para entender si está completa. Más natural en las conversaciones reales; se regula con la prontitud.

Por umbral (server VAD)

El asistente se basa en el volumen de la voz y en la duración del silencio. Más predecible en entornos ruidosos; se regula con el umbral y la duración del silencio.

• Prontitud. Con qué rapidez interviene el asistente (automática, baja, media, alta). Alta interviene en cuanto percibe una pausa; baja deja más espacio al cliente y se recomienda con quien habla despacio.
• Umbral. Cuán fuerte debe ser el audio para considerarse voz (de 0 a 0.99). Súbelo en entornos ruidosos para evitar arranques falsos; bájalo si al asistente le cuesta oír al cliente.
• Duración del silencio. Los milisegundos de silencio antes de que el asistente considere concluido el turno (de 100 a 2000 ms). Auméntala si el asistente interrumpe a quien hace pausas; redúcela para respuestas más reactivas.

Escenarios y casos de uso

Recepción de hotel con clientela internacional

Velocidad ligeramente reducida, temperatura media, duración del silencio más alta y prontitud baja: quien no es nativo hace pausas más largas y no debe interrumpirse.

Reservas en restaurante en hora punta

Prontitud media-alta y duración del silencio baja para una conversación rápida; temperatura baja para leer con precisión la fecha, la hora y el número de comensales.

Llamadas salientes comerciales

Temperatura media-alta para un tono cálido y persuasivo, velocidad justo por encima de 1.0 y prontitud alta para mantener un ritmo ágil.

Entorno ruidoso (bar, sala de espera)

Modo por umbral con un umbral más alto para ignorar los ruidos de fondo y evitar que el asistente arranque solo.

Clientela de edad avanzada o temas complejos

Velocidad reducida, duración del silencio alta y prontitud baja para dar el máximo espacio de palabra sin interrupciones.