For the complete documentation index, see llms.txt. Markdown versions of documentation pages are available by appending .md to the page URL.
Navegación principal
Theme

Sugerencias

GPT-Live

Realtime API

Desarrollar aplicaciones de voz

Conexiones

Procesamiento de audio

Panel de la API
Prueba ChatGPT

Diseño de prompts para modelos Realtime

Diseña y prueba prompts para los modelos de voz Realtime.

Elige el modelo Realtime con el que estás desarrollando tu aplicación. Para GPT-Live, consulta Diseño de prompts para GPT-Live.

gpt-realtime-2 es nuestro modelo de voz con razonamiento más avanzado para aplicaciones de voz a voz de baja latencia. Puede pensar antes de hablar, seguir instrucciones de forma más confiable, usar una ventana de contexto más amplia y llamar a herramientas con mayor precisión que los modelos anteriores en tiempo real.

Para aprovechar estas mejoras, diseña los prompts con objetivos concretos. Define explícitamente las responsabilidades del asistente, las decisiones que debe tomar, cómo debe llamar a las herramientas y qué límites debe respetar. Indica qué debe hacer, cuándo debe hacerlo y qué debe evitar.

Empieza con algo sencillo. Evita sobrecargar el prompt desde el principio. Usa un prompt mínimo, ejecuta evaluaciones y agrega instrucciones solo para los comportamientos que fallen en las pruebas.

Elegir un modelo

ModeloCuándo usarloQué ajustar en el prompt
gpt-realtime-2

Necesitas el mejor desempeño en razonamiento en tiempo real, uso de herramientas y seguimiento de instrucciones.

Ajusta el esfuerzo de razonamiento, los preámbulos, las reglas de uso de herramientas, la captura exacta de entidades y el manejo del estado en sesiones largas.

gpt-realtime-1.5Necesitas un modelo de voz a voz rápido y confiable sin razonamiento.

Sigue la estructura básica de los prompts para modelos en tiempo real y prueba los comportamientos sensibles a la latencia.

Guía de prompts para Realtime 2.0

Usa gpt-realtime-2 cuando el agente de voz necesite razonar con mayor profundidad, seleccionar mejor las herramientas, manejar entidades con exactitud o mantener el estado durante sesiones largas. Empieza con reasoning.effort: “low”, prueba el comportamiento predeterminado de los preámbulos y define claramente qué acciones de escritura requieren confirmación previa.

Qué cambió en Realtime 2

Al escribir prompts para Realtime 2, trátalo como un agente de voz capaz de razonar, en lugar de un bot de voz básico.

Cambio Implicaciones para los prompts
Razonamiento Permite que el modelo razone internamente sobre tareas complejas antes de hablar o llamar a herramientas. Usa preámbulos para evitar silencios incómodos o frases de relleno innecesarias.
La precisión del prompt cobra más importancia Sustituye indicaciones generales como “sé útil” por reglas claras que especifiquen cuándo actuar, qué hacer y en qué casos abstenerse.
Las instrucciones contradictorias tienen un costo mayor Elimina las reglas superpuestas con always, never, only y must, salvo que sean indispensables. Si dos reglas entran en conflicto, indica cuál tiene prioridad.
Hay más control sobre el uso de herramientas Especifica cuándo el asistente debe actuar de inmediato, pedir información faltante, confirmar datos que requieren precisión, reintentar tras un fallo o derivar el caso.
Los preámbulos se pueden configurar directamente El modelo puede dar avisos breves antes de un proceso prolongado de razonamiento o uso de herramientas. Indica cuándo debe dar un preámbulo, qué tan breve debe ser y cuándo omitirlo.
Ventana de contexto ampliada gpt-realtime-2 amplía la ventana de contexto en tiempo real de 32 000 a 128 000 tokens, por lo que resulta más adecuado para sesiones largas y prompts del sistema más extensos.

Los preámbulos no revelan la cadena de pensamiento oculta. Son avisos breves en voz alta, como “Voy a revisar ese pedido”. Evita pedirle al modelo que revele su razonamiento privado.

Estructura recomendada para los prompts

Usa secciones breves con títulos descriptivos. El modelo debe poder encontrar rápidamente las instrucciones pertinentes.

# Rol y objetivo

# Personalidad y tono

# Idioma

# Razonamiento

# Canales de mensajes

# Preámbulos

# Extensión de las respuestas

# Herramientas

# Audio poco claro

# Captura de entidades

# Comportamiento con contextos extensos

# Derivación de casos

No todos los casos de uso requieren todas las secciones. Incluye las que sean pertinentes para tu producto.

Configurar el esfuerzo de razonamiento

gpt-realtime-2 puede razonar con mayor profundidad a costa de una mayor latencia. Usa el nivel de razonamiento más bajo que le permita al asistente resolver las tareas del flujo de trabajo.

Empieza con low para la mayoría de los agentes de voz en producción. Sube o baja el nivel según la complejidad de la tarea, la latencia tolerable y el costo de un fallo.

Esfuerzo Cuándo usarlo Ejemplo
minimal La tarea es sencilla y la prioridad es minimizar la latencia. Comandos de domótica, temporizadores, consultas sencillas del calendario.
low Necesitas respuestas rápidas y razonamiento básico. Atención al cliente, consultas de pedidos, preguntas sencillas sobre políticas.
medium El asistente debe razonar sobre tareas de varios pasos. Soporte técnico, diagnósticos, enrutamiento complejo.
high Un razonamiento más profundo aumenta considerablemente la probabilidad de éxito. Flujos de trabajo de alta precisión, decisiones sobre cuándo derivar un caso, tareas con restricciones.
xhigh El razonamiento máximo justifica la latencia y el costo adicionales. Planificación compleja, clasificación de casos críticos, coordinación de herramientas en situaciones de alto riesgo.

Además de configurar la API, indícale al modelo cuándo razonar y cuánto esfuerzo dedicarle.

## Razonamiento

- Para respuestas directas, consultas sencillas y confirmaciones breves, responde rápido y sin razonar.
- Si la tarea consta de varios pasos o tienes que decidir qué herramienta usar, resolver un problema o derivar un caso, razona antes de actuar.
- Si el audio del usuario es poco claro, pide una aclaración en lugar de dedicar tiempo a un razonamiento prolongado.

Definir cuándo usar preámbulos

Los preámbulos son avisos breves en voz alta que le indican al usuario que el agente sigue atendiendo su solicitud mientras razona, consulta información o llama a una herramienta. Si se usan bien, le dan la tranquilidad de saber que el asistente está trabajando. Si se usan mal, suenan a relleno y hacen que la espera parezca más larga.

gpt-realtime-2 genera preámbulos de forma predeterminada. Primero prueba el comportamiento predeterminado. Si no se ajusta a la experiencia que buscas para tu producto, modifícalo con instrucciones explícitas.

Cronología de la generación y reproducción de un preámbulo

## Preámbulos

Usa preámbulos breves solo cuando ayuden al usuario a entender que estás atendiendo su solicitud.

### Cuándo usar un preámbulo

Usa un preámbulo cuando:

- estés por llamar a una herramienta que pueda tardar lo suficiente como para que el usuario note la espera;
- necesites razonar sobre una solicitud de varios pasos;
- estés consultando registros, disponibilidad, el estado de una cuenta o detalles de una política;
- estés preparando la derivación o transferencia de un caso;
- el silencio pueda hacer que parezca que dejaste de responder.

Cuando haga falta un preámbulo, dilo justo antes de empezar a razonar en profundidad o usar la herramienta.

### Cuándo omitir el preámbulo

Omite el preámbulo cuando:

- puedas dar una respuesta directa de inmediato;
- el usuario solo esté confirmando, corrigiendo o rechazando algo;
- el audio sea poco claro y necesites una aclaración;
- lo último que hayas escuchado sea silencio, ruido de fondo, música de espera, audio de televisión o una conversación entre otras personas;
- la llamada a la herramienta sea rápida y el aviso no le aporte nada al usuario.

### Estilo del preámbulo

Al dar un preámbulo:

- habla con naturalidad, calma y brevedad;
- varía la redacción entre turnos;
- describe la acción sin explicar tu razonamiento interno;
- evita las muletillas.

Evita frases como estas:

- “Déjame pensar…”
- “Mmm…”
- “Un momento mientras proceso eso…”
- “Ahora voy a acceder a la herramienta…”

### Extensión del preámbulo

Usa una oración breve.

El límite es de dos oraciones breves, salvo que el usuario necesite una explicación antes de una acción de alto impacto.

### Frases recomendadas

- “Voy a revisar ese pedido ahora”.
- “Voy a consultar los detalles de tu cita”.
- “Voy a verificarlo antes de que hagamos cambios”.
- “Voy a consultar la política y luego te indicaré el siguiente paso”.
- “Voy a buscar la cuenta para que podamos comprobar que es la correcta”.

### Frases que debes evitar

- “Déjame pensar en eso un segundo”.
- “Espera mientras proceso tu solicitud”.
- “Ahora voy a usar mis herramientas”.
- “Qué pregunta interesante. Voy a razonar detenidamente sobre esto”.

Controlar la extensión de las respuestas

gpt-realtime-2 sigue mejor las indicaciones sobre extensión cuando el prompt especifica cuánto detalle dar para cada tipo de tarea. En lugar de pedirle al modelo que “sea conciso”, define qué significa eso en cada contexto. Las respuestas directas, los resultados de herramientas, la resolución de problemas, las comparaciones y la derivación de casos pueden requerir respuestas de distinta extensión.

## Extensión de las respuestas

- Respuestas directas: usa una o dos oraciones breves.
- Preguntas de aclaración: haz una pregunta a la vez.
- Resultados de herramientas: resume primero el resultado y luego indica solo la siguiente acción útil.
- Comparaciones de productos u opciones: explica las diferencias principales, las ventajas y desventajas y a quién le conviene cada opción.
- Resolución de problemas: indica un paso a la vez, salvo que el usuario pida el procedimiento completo.
- Derivación de casos: explica brevemente por qué hace falta derivar el caso y qué sucederá después.

Ejemplo:

Usuario: ¿Qué plan me conviene elegir?

Asistente: Si buscas el menor costo, elige Basic. Si necesitas permisos de equipo y facturación compartida, elige Pro. Si necesitas revisiones de cumplimiento o controles de administración, elige Enterprise.

Diseñar el comportamiento de las herramientas

gpt-realtime-2 tiene mayor capacidad para llamar a herramientas, pero su comportamiento sigue dependiendo del diseño del prompt y de las especificaciones de las herramientas. Si el prompt no define cuándo actuar, preguntar, confirmar o recuperarse de un fallo, el asistente puede llamar a herramientas antes de tiempo, hacer preguntas innecesarias o repetir llamadas fallidas.

Definir cuándo tomar la iniciativa para llamar a herramientas

Conviene que el asistente tome la iniciativa en acciones de solo lectura y bajo riesgo. Es preferible que actúe con mayor cautela cuando las herramientas modifican datos, tienen efectos externos o dependen de identificadores exactos.

Tipo de herramienta Comportamiento predeterminado
Consulta de solo lectura y bajo riesgo Llama a la herramienta cuando la intención y los campos obligatorios estén claros.
Consulta de solo lectura con identificador exacto Confirma el identificador antes de la consulta.
Comunicación visible para el usuario Prepara un borrador o un resumen antes del envío.
Cambios en la cuenta Pide confirmación antes de llamar a la herramienta.
Compras, cancelaciones y pagos Confirma el monto, el destinatario o elemento afectado y la consecuencia antes de llamar a la herramienta.
Acciones irreversibles o de alto impacto Pide confirmación explícita y ofrece derivar el caso cuando corresponda.

Usa estas reglas como punto de partida si combinas acciones de lectura y escritura. Adáptalas a tu caso de uso.

## Herramientas

Usa solo las herramientas que figuren explícitamente en la lista actual. No inventes ni simules herramientas, no des por hecho que existen ni les cambies el nombre.

Para herramientas de solo lectura:

- Llama a la herramienta cuando la intención del usuario esté clara y tengas todos los campos obligatorios.
- No pidas confirmación, salvo que la consulta dependa de un identificador que deba ser exacto o haya un riesgo considerable de usar el registro equivocado.
- Pide una aclaración solo si falta un campo obligatorio, su valor es ambiguo o hay datos contradictorios para ese campo.

Para herramientas de escritura o acciones con efectos externos:

- Resume la acción que planeas realizar antes de llamar a la herramienta.
- Indica la consecuencia principal, por ejemplo, qué se va a cambiar, enviar, cancelar, pedir o cobrar.
- Pide confirmación.
- Espera a que el usuario confirme claramente la acción antes de llamar a la herramienta.

Para identificadores exactos:

- Trata los ID de pedidos, los números de seguimiento y de cuenta, los códigos de confirmación, los números de teléfono y las direcciones de correo electrónico como datos que deben ser exactos.
- Normaliza el valor solo cuando esté claro de qué tipo de campo se trata.
- Confirma el valor final antes de hacer consultas sobre una cuenta específica, validar datos o realizar acciones de escritura.

Después de llamar a una herramienta:

- Di que la acción se completó solo después de que la llamada se ejecute correctamente.
- Si la herramienta falla, explica brevemente qué sucedió sin mostrar el error técnico tal como lo recibiste e indica al usuario cómo continuar.

Ejemplo de alto riesgo:

Usuario: Cobra el saldo pendiente a mi tarjeta.

Respuesta inadecuada:

Asistente: Ya hice el cargo a tu tarjeta.

Respuesta adecuada:

Asistente: Para confirmar, quieres que cobre el saldo pendiente de 248,16 dólares a la tarjeta registrada. ¿Hago el cargo?

Recuperarse de fallos en las herramientas

Los fallos de las herramientas forman parte de la conversación. Para recuperarse de un fallo, el asistente debe explicar qué sucedió y darle al usuario un siguiente paso claro.

El tratamiento de cada fallo depende del tipo de herramienta, la causa del fallo y el impacto para el usuario. Algunos fallos se deben resolver con un reintento sin avisar al usuario. En otros casos, hay que pedirle que aclare la solicitud, corrija un identificador, confirme una nueva acción o elija otra opción.

## Fallos de las herramientas

Si falla una llamada a una herramienta:

1. Explica brevemente qué falló con palabras que el usuario pueda entender.
2. No culpes al usuario ni muestres el error técnico tal como lo devolvió la herramienta.
3. Si el fallo puede deberse a un identificador que deba ser exacto, lee en voz alta el valor que usaste y pídele al usuario que lo corrija.
4. Si el fallo puede ser temporal, ofrece volver a intentarlo una vez.
5. Si el mismo fallo se repite varias veces, ofrece otra forma de continuar o la posibilidad de derivar el caso.

Después de un fallo, no llames reiteradamente a la misma herramienta con los mismos argumentos.

Antes de pedir un identificador distinto, comprueba si el valor que registraste era correcto.

Respuesta inadecuada:

Asistente: Algo salió mal.

Respuesta adecuada:

Asistente: No encontré ninguna coincidencia para O R D guion 3 1 2 5 B 2 3. ¿Escuché mal alguna parte?

Mantener sincronizada la lista de herramientas disponibles

Los modelos Realtime tienden a tomar la iniciativa para ayudar. Si el prompt menciona una herramienta que no está disponible o la lista de herramientas no coincide con el prompt, el modelo puede inventar el nombre de una herramienta o afirmar que completó una acción sin haberla realizado.

Por ejemplo, si el prompt menciona lookup_order pero la herramienta proporcionada se llama search_orders, el modelo puede usar el nombre equivocado o simular la acción.

## Disponibilidad de las herramientas

Usa solo las herramientas que figuren explícitamente en la lista actual.

No inventes ni simules herramientas ni des por hecho que existen. Si las instrucciones mencionan una herramienta que no figura en la lista, considérala no disponible.

Si el usuario pide una acción que requiere una herramienta no disponible:

1. No finjas haber completado la acción.
2. Explica brevemente que la herramienta no está disponible.
3. Ofrece el siguiente paso que más se acerque a lo solicitado y que sí puedas realizar.

Di que la acción se completó solo después de que la llamada a la herramienta correspondiente se ejecute correctamente.

Usa el metaprompt de auditoría del apéndice para detectar contradicciones, herramientas faltantes e instrucciones poco robustas en los prompts de producción.

Manejar el silencio y el audio de fondo

Los agentes de voz tienden a responder de forma predeterminada. En producción, suelen recibir audio que no amerita una respuesta en voz alta, como silencios, ruido de fondo, música de espera, audio de televisión o conversaciones entre otras personas.

Usa una herramienta de espera que no realice ninguna operación cuando el asistente deba guardar silencio y seguir escuchando. Así, el modelo dispone de una acción válida que puede realizar sin hablar, en lugar de decir cosas como “Aquí estoy” o “No entendí”.

Diseño de la herramienta:

{
  "name": "wait_for_user",
  "description": "Llama a esta herramienta cuando el último audio no requiera una respuesta en voz alta, por ejemplo, si hay silencio, ruido de fondo, música de espera, audio de televisión, una conversación entre otras personas o palabras que no van dirigidas al asistente. Esta herramienta permite terminar el turno sin responder en voz alta.",
  "parameters": {
    "type": "object",
    "properties": {},
    "required": []
  }
}

Acompáñala con instrucciones en el prompt:

## Manejo del silencio y el ruido de fondo

Si lo último que escuchaste es silencio, ruido de fondo, música de espera, audio de televisión, una conversación entre otras personas o palabras que no van dirigidas a ti, llama a `wait_for_user`.

Después de llamar a esta herramienta, no respondas en voz alta.

No digas “Aquí estoy”, “No entendí”, “Tómate tu tiempo” ni “Avísame cuando estés listo”.

Vuelve a responder normalmente solo cuando el usuario se dirija claramente a ti o pida ayuda.

Usa esta herramienta cuando el audio no esté dirigido al asistente. Si el usuario claramente le está hablando pero no se entiende lo que dice, el asistente debe pedir una aclaración.

Definir cómo usar los canales de mensajes

gpt-realtime-2 puede generar mensajes intermedios visibles para el usuario en el canal commentary y respuestas definitivas en el canal final. Si el comportamiento depende del canal, da instrucciones específicas para ese canal.

Canal ¿Visible para el usuario? Uso
commentary Sí Preámbulos y llamadas a herramientas.
final Sí Mensaje final para el usuario.

Por ejemplo, las llamadas a herramientas se realizan en el canal commentary. Si quieres que el asistente diga algo antes, durante o después de usar una herramienta, especifica ese comportamiento en las instrucciones del canal commentary.

Antes de llamar a herramientas en el canal commentary, dile brevemente al usuario qué estás haciendo.

gpt-realtime-2 puede emitir varias fases de respuesta en un mismo turno. En la salida de la API, el evento response.done refleja esta distinción mediante el valor de phase, que indica si el contenido es un comentario intermedio o la respuesta final.

Puedes usar este campo para manejar cada fase de manera distinta en tu aplicación. Por ejemplo, puedes reproducir o mostrar el contenido de commentary como un aviso intermedio breve y reservar final_answer para la respuesta completa del asistente.

response.output[0].phase: "commentary"
response.output[1].phase: "final_answer"

Manejar el audio poco claro

El modelo solo debe actuar a partir de audio que entienda con seguridad. Si el audio es poco claro, debe hacer una pregunta breve para aclarar lo que escuchó en lugar de adivinar.

Evita que el modelo infiera palabras faltantes, llame a herramientas, capture entidades, genere preámbulos o dedique tiempo de razonamiento interno a reconstruir lo que pudo haber dicho el usuario.

## Audio poco claro

- Responde solo a texto o a audio que se entienda con claridad.
- Si el audio del usuario no es claro, pide una aclaración con una frase breve en inglés, como “Sorry, could you repeat that clearly?”.
- No uses dos veces la misma frase para pedir que se aclare un audio.
- Considera que el audio es poco claro si es ambiguo, tiene ruido, solo contiene silencio, es ininteligible, se corta en parte o tienes dudas sobre las palabras exactas del usuario.
- No adivines lo que quiso decir el usuario a partir de un audio poco claro.
- No razones cuando el audio sea poco claro.
- Si el audio es poco claro, no des un preámbulo ni llames a herramientas en el canal commentary.

Ejemplo:

Audio del usuario: “Revisa el pedido tres uno…” [se corta el audio]

Respuesta inadecuada:

Asistente: Voy a revisar el pedido 31.

Respuesta adecuada:

Asistente: Solo escuché una parte del número de pedido. ¿Puedes repetirlo dígito por dígito?

Capturar entidades con exactitud

Muchos flujos de trabajo en tiempo real dependen de valores exactos, como ID de pedidos, números de seguimiento, direcciones de correo electrónico, códigos de confirmación, números de cuenta, números de reclamo, ID de tickets, referencias de soporte y números de teléfono.

Capturar esos datos por voz es difícil. Los usuarios hablan rápido, agrupan los números de distintas maneras, deletrean solo partes de un valor, usan muletillas, se corrigen mientras hablan o pronuncian caracteres que suenan parecidos. Un solo dígito incorrecto puede hacer que una consulta falle o devuelva la cuenta equivocada.

Captura las entidades con cautela. Recopila un valor a la vez, normaliza solo lo que esté claro, confirma los valores de alta precisión antes de llamar a herramientas y permite que el usuario corrija cualquier dato.

Recopilar una entidad a la vez

Cuando un flujo de trabajo requiera varios valores, recopílalos uno por uno. Así evitarás que se mezclen los campos, especialmente en las conversaciones de voz.

## Orden de recopilación de entidades

Recopila los valores obligatorios uno por uno.

- Pide solo el siguiente valor que falte.
- No pidas varios valores en el mismo turno.
- Antes de preguntar, comprueba si el usuario ya dio ese dato en la conversación o la sesión.
- Si ya tienes un posible valor, confírmalo con el usuario antes de usarlo.

Ejemplo:

“Tengo el número de seguimiento ABC-54321 que mencionaste antes. ¿Uso ese o tienes otro?”

Espera a tener el valor actual, validarlo y confirmarlo antes de llamar a herramientas.

Interpretar caracteres dictados uno por uno

Aplica estas instrucciones cuando el usuario dicte un ID, un código, un nombre o una dirección de correo electrónico carácter por carácter. La secuencia dictada es el dato de entrada. El valor final se construye a partir de ella.

## Caracteres dictados uno por uno

Cuando el usuario dicte un ID, un código o una dirección de correo carácter por carácter, reúne la secuencia en un solo valor. Conserva los separadores que mencione expresamente, como guion, punto, guion bajo, barra o signo más. En los demás casos, no agregues espacios ni separadores.

Ejemplos:

- “A B C uno dos tres” -> “ABC123”
- “B C guion nueve ocho siete” -> “BC-987”
- “J O H N arroba example punto com” -> “john@example.com”

No insertes espacios entre los caracteres dictados, salvo que el usuario diga expresamente que el valor contiene espacios.

Normalizar con cuidado los números dictados

Al dictar identificadores numéricos, los usuarios pueden decir los dígitos uno por uno, agruparlos o pronunciar el número completo. Si el campo requiere una secuencia numérica continua, convierte en dígitos los números que se entiendan con claridad.

## Números dictados

Al recopilar identificadores numéricos, convierte los números dictados en dígitos.

Ejemplos:

- “uno dos tres cuatro” -> “1234”
- “uno veintitrés” -> “123”
- “uno diecinueve” -> “119”
- “noventa y nueve once” -> “9911”
- “nueve mil novecientos once” -> “9911”

Si hay varias interpretaciones posibles, pide al usuario que aclare el número antes de usarlo.

Ejemplo:

“No sé si dijiste 119 o 1-19. ¿Puedes repetir el número dígito por dígito?”

Confirmar los identificadores exactos antes de llamar a herramientas

Los ID de pedidos, números de seguimiento, números de cuenta, números de reclamo, códigos de confirmación e identificadores similares son campos que requieren alta precisión. Confírmalos antes de usarlos en una llamada a una herramienta.

Para confirmar identificadores numéricos, repite el valor dígito por dígito. Leerlo como un número entero puede ocultar errores.

Ejemplo:

Asistente: Para confirmar, escuché 8… 3… 5… 2… 1. ¿Es correcto?

Si el usuario corrige un carácter o un dígito, repite el valor corregido completo antes de llamar a la herramienta.

Ejemplo:

Asistente: Entendido. Tengo 8… 3… 5… 7… 1. ¿Es correcto?

## Confirmación de identificadores exactos

Antes de llamar a herramientas con identificadores que deban ser exactos:

- Confirma con el usuario el valor final normalizado.
- Repite los identificadores numéricos dígito por dígito.
- No uses valores que hayas adivinado ni valores parciales o ambiguos.
- Si el usuario corrige el valor, repite el valor corregido completo antes de llamar a la herramienta.

Confirmar direcciones de correo carácter por carácter

Las direcciones de correo electrónico son datos importantes. Los puntos, los guiones, los guiones bajos, las letras repetidas y los nombres que suenan parecidos pueden hacer que falle la búsqueda de una cuenta o que un mensaje se envíe a la dirección equivocada.

Pídele al usuario que deletree la dirección de correo:

Asistente: ¿Puedes dictarme la dirección de correo carácter por carácter para que pueda comprobar que la anoté bien?

Al repetirla, confirma la dirección final exacta:

Asistente: Para confirmar, es ce, hache, e, ene, arroba example punto com, ¿correcto?

## Confirmación de direcciones de correo

Registra las direcciones de correo electrónico con exactitud.

Si el usuario dice la dirección de corrido, pídele que la repita carácter por carácter.

Ejemplo:

“¿Puedes dictarme la dirección de correo carácter por carácter para que pueda comprobar que la anoté bien?”

Al repetir la dirección, confirma su forma final exacta.

Ejemplo:

“Para confirmar, es ce, hache, e, ene, arroba example punto com, ¿correcto?”

Flujo de recopilación de entidades

Evitar problemas de interpretación literal

gpt-realtime-2 sigue las instrucciones de forma más literal que los modelos anteriores en tiempo real. Es posible que debas ajustar los prompts que funcionaban bien con modelos anteriores.

Usa un lenguaje preciso. El modelo puede dar más peso a las palabras exactas de una instrucción que al comportamiento general que buscabas. Las reglas amplias o rígidas pueden condicionar el comportamiento del asistente de formas imprevistas, especialmente cuando se superponen varias reglas.

Ten cuidado con las palabras que imponen restricciones, como must, only, never y always. Úsalas cuando el comportamiento sea realmente obligatorio. Si las usas solo para dar énfasis, el exceso de restricciones estrictas puede hacer que el asistente sea rígido, demasiado cauteloso o incapaz de manejar excepciones razonables.

Es preferible delimitar la regla con precisión:

Para las acciones de escritura que modifiquen datos del usuario, pide confirmación antes de llamar a la herramienta.

Evita las reglas demasiado amplias:

Pide siempre confirmación antes de hacer cualquier cosa.

La versión amplia puede generar solicitudes de confirmación innecesarias antes de consultas de solo lectura que no implican riesgo, como revisar el estado de un pedido, consultar la disponibilidad o leer información de una cuenta.

Ejemplo de interpretación literal

Recomendaciones generales para diseñar prompts:

  • Expresa la intención con instrucciones explícitas.
  • Evita palabras que impongan restricciones salvo que el comportamiento deba ser estrictamente obligatorio.
  • Reduce al mínimo las indicaciones contradictorias.
  • Ten cuidado al superponer instrucciones de prioridad o asignar prioridades que compitan entre sí.
  • Prueba los prompts de forma incremental. Pequeños cambios de redacción pueden tener efectos importantes en el comportamiento.
  • Al migrar desde modelos anteriores en tiempo real, ten en cuenta que quizá debas reestructurar algunos prompts para obtener los mejores resultados.

Controlar el idioma y el acento por separado

Configura el idioma y el acento por separado.

El acento del usuario no indica necesariamente el idioma que prefiere. Una persona puede hablar inglés con acento hindi, español, francés o mandarín y esperar que le respondan en inglés.

Evita instrucciones generales sobre el idioma como estas:

Imita al usuario.
Responde con naturalidad en el idioma del usuario.
Cambia de idioma cuando corresponda.
Habla como alguien de la zona.
Adáptate al acento del usuario.

Estas instrucciones son demasiado amplias. El modelo podría interpretar el acento, las muletillas, las expresiones breves de escucha o las palabras aisladas en otro idioma como motivos para cambiar de idioma.

Política de idioma para el inglés

## Idioma

Responde en inglés de forma predeterminada.

- No deduzcas el idioma solo por el acento.
- Al identificar el idioma, ignora las muletillas breves, las expresiones de escucha y las palabras aisladas en otro idioma.
- Cambia de idioma solo si el usuario lo pide expresamente o formula una intervención con contenido sustancial en otro idioma.
- Si tienes dudas sobre el idioma, haz una pregunta breve para aclararlo en lugar de adivinar.
- Usa el mismo idioma para los preámbulos, las frases de transición, los mensajes sobre herramientas y las respuestas finales.
- Si adaptas el acento, conserva el idioma de respuesta.

Política multilingüe

## Idioma

Responde en inglés de forma predeterminada, salvo que el usuario hable claramente en otro idioma.

Cambia de idioma solo cuando:

- el usuario pida expresamente que uses otro idioma;
- el usuario formule una intervención con contenido sustancial en otro idioma. Esto significa que hace una solicitud, pregunta o corrección completa en ese idioma. Un saludo, un nombre, una dirección, una muletilla o una expresión prestada de otro idioma no bastan por sí solos.

No cambies de idioma basándote en:

- el acento;
- la pronunciación;
- las muletillas;
- las expresiones breves de escucha;
- los nombres;
- las direcciones;
- palabras aisladas en otro idioma.

Si tienes dudas, pregunta en inglés: “Would you like me to continue in English or [LANGUAGE]?”

Control del acento

gpt-realtime-2 puede seguir las instrucciones sobre el acento con mayor fidelidad, pero las indicaciones imprecisas pueden hacer que el acento varíe o que el modelo cambie de idioma sin que se lo pidas.

Los prompts para controlar el acento funcionan mejor cuando especifican:

  • el acento deseado;
  • qué características deben mantenerse estables;
  • el ritmo, la acentuación y la prosodia que buscas;
  • si adaptar el acento debe influir en la elección del idioma.

En lugar de:

Habla con acento australiano.

Usa:

## Acento

Habla inglés con un ligero acento australiano.

- Mantén el mismo acento desde la primera palabra hasta la última.
- Pronuncia las vocales como se pronuncian naturalmente en el inglés australiano, de modo que sea fácil entenderte.
- No exageres el acento.
- No cambies el idioma de respuesta en función del acento del usuario.

Voces personalizadas

Usa voces personalizadas cuando las voces estándar no puedan cumplir de forma confiable los requisitos de marca, acento o personaje.

Los prompts permiten ajustar el acento, el ritmo y la forma de hablar, pero no reemplazan por completo el diseño de la voz. Si tu caso de uso requiere una voz de marca consistente o un acento fiel al original, considera usar voces personalizadas.

Las voces personalizadas solo están disponibles para clientes aprobados. Ponte en contacto con el equipo que administra tu cuenta para solicitar acceso.

Mantener el estado en sesiones largas

gpt-realtime-2 amplía la ventana de contexto en tiempo real de 32 000 a 128 000 tokens, por lo que resulta más adecuado para sesiones largas. En conversaciones con mucho intercambio en ambos sentidos, 128 000 tokens equivalen aproximadamente a entre una y dos horas de contexto de audio sin procesar. La duración varía según el uso de herramientas, el razonamiento interno, los registros incorporados y otros detalles de la sesión.

En casos de uso con contextos extensos, gpt-realtime-2 funciona mejor si puede distinguir qué información está vigente, cuál sirve de antecedente y cuál debe ignorar cuando las fuentes se contradicen. Organiza el contexto para que el modelo no tenga que deducir la prioridad de las fuentes a partir de una transcripción sin procesar o de un gran bloque de información.

Usa una estructura definida cuando inicies una sesión con mucho contexto, como registros recuperados, historial de conversaciones, políticas, resúmenes, notas de la cuenta o documentos de referencia.

Migrar desde modelos anteriores en tiempo real

Al migrar desde modelos anteriores en tiempo real, revisa cómo el prompt determina el comportamiento del modelo, además de trasladar el texto.

  1. Usa Codex o un modelo de razonamiento avanzado para reestructurar el prompt según las recomendaciones más recientes para Realtime. Incluye un enlace a esta guía de prompts para que la migración se base en las prácticas recomendadas.
  2. Configura el esfuerzo de razonamiento en low en lugar de usar el valor predeterminado. Auméntalo solo en los flujos de trabajo que requieran una planificación más profunda.
  3. Revisa los nombres de las herramientas, los parámetros, las enumeraciones, los esquemas JSON y los demás ajustes para comprobar que coincidan con la implementación prevista.
  4. Elimina los ejemplos desactualizados. Agrega ejemplos breves de casos que se resuelven según lo previsto, solicitudes ambiguas, interrupciones, llamadas a herramientas y comportamientos alternativos.
  5. Compara conversaciones representativas antes y después de la migración. Usa una evaluación existente para detectar regresiones y documenta los cambios de comportamiento intencionales.
  6. Haz una última revisión de consistencia. Comprueba que el prompt distinga claramente entre requisitos obligatorios, comportamientos predeterminados, reglas de uso de herramientas, reglas de seguridad y comportamientos alternativos.
  7. Ejecuta evaluaciones, examina fallos representativos y ajusta el prompt hasta que el modelo muestre de forma confiable los comportamientos que buscas.

Próximos pasos

Para GPT-Live:

Para Realtime: