Para ver el índice completo de la documentación, consulta llms.txt. Para ver la versión en Markdown de una página de la documentación, agrega .md al final de la URL de esa página.
Navegación principal
Nov 19, 2026 Audio

Cómo usar prompts con GPT-Live para distintos idiomas y acentos regionales

Diseña una voz con acento regional, prueba la pronunciación y las convenciones locales y personaliza los prompts de tus agentes de voz multilingües.

Autores: Charlie Guo, Erika Kettleson

Cómo usar prompts con GPT-Live para distintos idiomas y acentos regionales

Aunque un agente de voz hable español, puede sonar extraño para el público al que se dirige tu aplicación. Quizá use un acento de otra región, elija expresiones demasiado formales o lea un precio de una manera poco habitual para alguien del lugar.

Las opciones predeterminadas de GPT-Live cubren muchas necesidades, pero hay otros aspectos que conviene tener en cuenta cuando creas aplicaciones de voz para públicos de distintos idiomas y regiones. Veamos cómo elegir una voz y darle instrucciones en la sesión para obtener mejores resultados, con ejemplos de inglés de la India, español de España y árabe emiratí.

Elegir la voz adecuada

Primero, revisa las voces integradas de GPT-Live. Algunas ya tienen rasgos del idioma o de la región que buscas. Por ejemplo, en Bossa y Tempo se aprecia la influencia del portugués de Brasil, mientras que Nira es una voz en hindi. Prueba estas voces con tus propias conversaciones antes de diseñar una nueva, ya que suenan naturales desde el principio.

Encuentra una voz integrada Voces adicionales de GPT-Live por idioma, influencia regional y presentación
Idioma / influencia regionalFemeninaMasculina
Inglés Australiana Quartz (fuente Generada) Ripple (fuente Natural)
Inglés Británica — Vesper (fuente Natural)
Inglés Irlandesa Willow (fuente Natural) Stone (fuente Natural)
Inglés Norteamericana Gleam (fuente Natural) Meridian (fuente Natural)
Inglés Filipina — Beacon (fuente Generada)
Inglés Del sur de EE. UU. Delta (fuente Generada) Cinder (fuente Generada)
Portugués Brasileña Bossa (fuente Natural) Tempo (fuente Natural)
Alemán Nuri (fuente Natural) Juni (fuente Natural) Flitz (fuente Natural)
Francés Brise (fuente Natural) Sillage (fuente Natural)
Hindi Nira (fuente Natural) —
Japonés Harema (fuente Natural) Shida (fuente Natural)
Coreano Noeul (fuente Natural) —
Fuente natural Fuente generada

Al seleccionar una voz integrada, escribe su nombre en minúsculas en la API (por ejemplo, nira). La guía de opciones de voz contiene el catálogo completo y actualizado.

Si buscas rasgos regionales más específicos, puedes generar una voz sintética a partir de un prompt que la describa. Indica la región con la mayor precisión posible y describe el tono, la velocidad y el timbre que buscas. Al generar la voz, puedes usar el campo script_hint para incluir una muestra representativa del habla en el idioma deseado. Si la voz es bilingüe, incluye ambos idiomas en el texto de muestra y describe cómo debe sonar en cada uno. Usa voces originales de personas adultas y evita imitar a personas reales. Consulta las pautas de uso responsable.

Los clientes que cumplan los requisitos también pueden crear una voz personalizada a partir de una grabación de una persona que haya dado su consentimiento. Consulta los modelos y acentos compatibles antes de elegir una voz basada en una grabación. Antes de subir las grabaciones, obtén el consentimiento expreso de la persona y los derechos necesarios para usar tanto las grabaciones como la voz resultante en tu aplicación. La grabación del consentimiento y la muestra de referencia deben ser de la misma persona. Siempre que uses una voz generada, deja claro a quienes la escuchan que el habla se generó con IA.

La retención cero de datos no está disponible para la creación de voces. Consulta la guía de controles de datos para conocer las opciones aplicables a las sesiones de GPT-Live.

Ejemplo: inglés con influencia del hindi con la voz Nira

Para un agente que atiende en inglés a usuarios de la India, asigna el valor "nira" a session.audio.output.voice al crear la sesión y luego agrega este prompt a las instrucciones de la sesión:

Participas en una conversación de voz en inglés. Habla con claridad y naturalidad. Habla inglés con fluidez y con tu acento natural del inglés de la India, con influencia del hindi. Mantén ese ritmo familiar durante toda la conversación.

Ejemplo: español del centro y norte de España

Supongamos que estás creando un asistente de compras para clientes en España. En lugar de pedir un acento español genérico, abre el Playground de voz y prueba esta descripción en la opción para generar una voz a partir de un prompt:

Una voz femenina adulta y original, clara y ligeramente brillante, de tono medio y con un toque de calidez. Habla español con un acento castellano peninsular estándar y natural del centro y norte de España. Pronuncia las vocales y consonantes, acentúa las palabras y entona las frases como lo haría un hablante nativo. Distingue con naturalidad el sonido de la s del de la z y del de la c ante e o i, sin exagerar. Usa un ritmo de conversación moderadamente ágil, con pausas naturales y una entonación variada.

Acompaña la descripción con un script_hint en español que le dé a la voz una muestra de cómo se enlazan las palabras en una conversación cotidiana:

Hola, ¿qué tal? Estoy aquí para ayudarte. Podemos revisar las opciones con calma y elegir la que mejor encaje contigo. ¿Prefieres empezar por los colores o por las tallas? Esta chaqueta azul combina bien con unos zapatos cómodos. Acércate a la ventana para ver el color con luz natural.
Réplica del editor del Playground de voz con el ejemplo en español.

Este prompt busca reproducir una variedad concreta del español. La distinción que describe no se hace en toda España ni en todo el mundo hispanohablante. Puedes generar varias voces con este prompt, conservar la voz guardada que prefieras y probarla con una frase que no hayas usado al crearla hasta que el resultado te convenza.

Ejemplo: árabe emiratí de Dubái

El árabe es otro caso en el que indicar solo el idioma deja muchos detalles sin definir. Para diseñar una voz que hable como en una conversación cotidiana en Dubái, puedes usar esta descripción en árabe:

صوت رجالي خيالي أصلي لرجل بالغ، بلهجة أهل دبي الإماراتية الحضرية المعاصرة. نطق الحروف وحركة الكلام وإيقاعه محليّان ومتناسقان، وتبقى الكلمات واضحة داخل الكلام اليومي المتصل. طبقة متوسطة تميل للانخفاض، ورنين دافي وصافي. يتكلم على مهله، والجملة تمشي كفكرة وحدة بنبر متنوع حسب المعنى.

La descripción pide una voz masculina adulta y original con un acento urbano contemporáneo de Dubái, una resonancia cálida y un tono algo grave, que enlace las palabras y hable sin prisa. Incluye también un script_hint en árabe conversacional:

هيه، شفت رسالتك. أنا هني صوب الحديقة، لا، أقصد صوب المواقف عند الباب الثاني. زين؟ المكان أهدى من اللي كنا فيه أمس. خذ راحتك، أنا توني واصل وما عندي شي مستعيل عليه. تبانا نتمشى شوي ولا نقعد؟ عادي، اللي يريحك.

En general, al diseñar la voz, concéntrate en cómo debe sonar. Los detalles sobre cómo debe actuar el agente, por ejemplo, si debe responder en árabe emiratí a una persona de Egipto, cambiar al inglés o confirmar un pedido, corresponden a las instrucciones de la sesión, que veremos más adelante.

Probar la voz con lo que dirá tu aplicación

Elegir una buena voz es solo el primer paso. Una vez que la tengas, prepara un pequeño conjunto de pruebas de escucha con frases nuevas, conversaciones realistas y las palabras o los valores que tu aplicación maneja con mayor frecuencia. Así podrás evaluar cómo responde la voz en situaciones difíciles.

Conviene probar algunos casos en particular:

  • Pronunciación en contexto: incluye nombres de personas, lugares y productos, además de vocabulario especializado. En japonés, por ejemplo, indica al agente cómo se lee una palabra, como en 承る(うけたまわる), y prueba la pronunciación en una frase completa de atención al cliente. Si el agente pronuncia el final de Lakshmi como “my” en inglés en vez de “mee”, puedes agregar esta indicación a las instrucciones de la sesión: लक्ष्मी — अंत में ‘क्ष्मी’, ‘क्ष्माई’ नहीं. En los idiomas tonales, escucha las palabras importantes en varias frases distintas.

  • Convenciones numéricas regionales: el sistema de numeración de la India usa lakh y crore. Un lakh equivale a 1,00,000 (100 000) y un crore a 1,00,00,000 (10 000 000). Si tu agente atiende en inglés a personas de la India, comprueba que lea ₹1,25,000 como “one lakh twenty-five thousand rupees” cuando esa sea la convención que quieras usar.

  • Identificadores y correcciones: pídele a alguien que, durante una llamada, deletree un código de reserva ficticio, haga una pausa y corrija un carácter. Comprueba que el agente espere la corrección y repita correctamente el código definitivo. Haz pruebas con direcciones de correo electrónico y otros datos alfanuméricos que acepte tu producto.

  • Combinación de idiomas: prueba una frase en árabe que incluya el nombre de un producto en inglés y un precio. Luego cambia de idioma en el siguiente turno. Además de evaluar el acento, comprueba por separado cómo dice el importe, la moneda y el nombre del producto.

En el caso de las fechas, los importes y los identificadores, verifica tanto lo que escucha la persona que llama como los datos que tu aplicación envía al backend. En muchas regiones, 04/05 puede interpretarse como dos fechas distintas, por lo que puede convenir pedir una aclaración y repetir la fecha diciendo el nombre del mes.

Dar instrucciones al agente para la conversación

Una vez que hayas elegido una voz, selecciónala al crear la sesión de GPT-Live. Si generaste una voz y la guardaste, asigna a session.audio.output.voice.id el ID de voz que recibiste. En instructions, define el rol del agente, las reglas de uso de los idiomas, la forma de hablar y el comportamiento durante la conversación. Refuerza allí también la descripción original de la voz.

Si tu aplicación usa un solo idioma, escribe las instrucciones y los ejemplos en el idioma que quieres que hable el agente. Puedes usar este prompt como punto de partida para el asistente de compras en español:

Eres un asistente de compras. Habla en español de España, con acento castellano del centro y norte de la península, un ritmo conversacional y una entonación natural. Usa un tono cercano y respetuoso, sin sonar como un anuncio.

Responde en español salvo que el cliente pida cambiar de idioma. Haz una pregunta cada vez. Si un nombre o una talla no están claros, pide que los repita. No confirmes precios, disponibilidad ni cambios en un pedido hasta que el sistema los haya verificado.

Para una aplicación multilingüe, decide por separado cuándo debe cambiar de idioma el agente y si debe mantener su forma de hablar regional. Para un asistente que hable árabe emiratí e inglés, primero amplía la descripción anterior de la voz con indicaciones sobre cómo hablar en inglés, por ejemplo: “En inglés, habla con naturalidad y con una ligera influencia emiratí. Conserva la misma calidez y el tono algo grave”. Antes de generar la voz bilingüe, incluye en script_hint, junto al texto en árabe, una muestra representativa del habla en inglés, como “I can check the available sizes for you”. Luego, usa reglas como estas para la sesión:

Responde en el idioma de la última intervención en la que se entienda con claridad lo que dice la persona que llama. Cambia entre árabe e inglés cuando la persona cambie claramente de idioma. Decir brevemente “OK”, un número, un nombre o el nombre de un producto en inglés dentro de una frase en árabe no basta para cambiar el idioma de la conversación.

Cuando hables en árabe, usa el árabe emiratí urbano que se habla en las conversaciones cotidianas en Dubái, incluso si la persona que llama habla otra variedad del árabe. Cuando corresponda, usa expresiones locales que suenen naturales: شو para “qué”, الحين para “ahora”, وين para “dónde” y مب para negar. Usa el dialecto de manera coherente, sin exagerar sus rasgos. Al hablar en inglés, conserva la voz de la misma persona.

Usa estas frases como ejemplos de cómo expresarte, sin repetirlas como respuestas fijas:
- Para pedir una aclaración: “تقصد العلبة الصغيرة ولا الكبيرة؟ وكم وحدة تبا؟”
- Si no entiendes bien un nombre: “الاسم مب واضح عندي، ممكن تعيده أو تتهجّاه لي؟”

Di los importes en el idioma que se esté usando en la conversación y conserva el valor exacto y la moneda. Confirma una consulta, un precio o la realización de una acción solo cuando los datos del backend respalden lo que afirmas.

En este ejemplo, el asistente mantiene el mismo dialecto al hablar árabe y puede cambiar al inglés. Si tu producto debe adaptarse al dialecto que pida la persona que llama, define esa regla de forma explícita y ponla a prueba. Las descripciones de voz y los prompts de la sesión ayudan a orientar el acento, pero no garantizan que se mantenga en todas las respuestas. Prueba los cambios de idioma en ambas direcciones, incluso después de que se restablezca la conexión de una sesión.

Dar ejemplos del registro que buscas

Elegir el idioma y el acento también deja abierto el grado de formalidad. En hindi, un agente de atención al cliente que busque un trato cortés podría usar आप y las formas verbales de respeto. Puedes concretar esa preferencia en el prompt de la sesión:

Dirígete al cliente con “आप”. Usa un lenguaje y formas verbales de respeto. En vez de “हाँ, बताओ”, di “जी, बताइए”. En vez de “तुम कैसे हो?”, di “आप कैसे हैं?”.

Los ejemplos muestran la diferencia entre un “sí, dime” informal y una expresión equivalente más cortés. Así, el modelo tiene una referencia más clara que si solo le pides que suene profesional. Usa frases que diría alguien que atiende a clientes en esa región y pruébalas en contexto, en lugar de traducir palabra por palabra un guion en inglés.

Para saber más sobre las indicaciones de pronunciación, la personalidad, los saludos y la forma de responder a las interrupciones, consulta la guía de prompts para GPT-Live. La guía de evaluación de agentes de voz explica cómo convertir tus pruebas de escucha en una evaluación que puedas repetir cuando cambies de voz, de prompt o de modelo.