Ir al contenido principal
Español— Elegir un idioma
Menú

Elige la voz y la personalidad

Lección 3 de 14 Actualizado el 3 de noviembre de 2026 Intermedio
En esta página
  1. Veintiocho voces, veintiocho primeras impresiones
  2. Configura la voz
  3. Ajusta el timbre al comportamiento
  4. Cómo decidir
  5. Qué cambia en tus indicaciones al pasar a voz
  6. Puntos clave

Actualizado el 3 de noviembre de 2026, basándose en las páginas de Text to Speech y Speech to Speech de xAI y en su guía de indicaciones de voz. xAI ofrece 28 voces integradas, compartidas por el agente de voz y la síntesis de texto a voz; las descripciones y casos de uso que aparecen a continuación son propios de xAI. Fuentes: Text to Speech · Speech to Speech · Prompting Guide.

Veintiocho voces, veintiocho primeras impresiones

El Agente de Voz Grok te ofrece 28 voces (a fecha de 3 de noviembre de 2026), cada una con su propio timbre y temperamento, y todas ellas hablan cada idioma compatible. Esta elección va más allá de lo estético. Antes de que termine la primera frase, los usuarios ya se han formado una idea de con quién están hablando. Una voz alegre que comunica la cancelación de un pedido resulta incongruente; una voz grave y mesada en una demostración de producto duerme a la audiencia.

VozTono, según xAICasos de uso sugeridos por xAI
carinaSuave, empática, tranquilizadoraBienestar, soporte
zaganPotente, dramática, inconfundiblePersonajes, narración
helixAudaz, dinámica, de alta energíaComentarios, pódcasts
orionRica, cinematográfica, resonanteNarración, audiolibros
lunaGentil, paciente, profundamente cuidadoraEducación, asistente
irisAmigable, alegre, naturalmente encantadoraVentas, soporte
altairElegante, refinada, exclusivaPublicidad, narración
zenithAguda, enfocada, determinadaVentas, publicidad
perseusFuerte, confiada, fiablePublicidad, narración
heliosAlegre, enérgica, muy versátilAsistente, bienestar
luxCompuesta, calmada, sabiamente serenaBienestar, narración
keplerInventiva, visionaria, carismáticaPublicidad, pódcasts
rigelPrecisa, profesional, calmadamente confiada; acento australianoAsistente, soporte
cosmoBrillante, curiosa, fácil de seguirEducación, pódcasts
celesteCompasiva, confiada, reconfortanteSoporte, asistente
ursaAmigable, cálida, constanteAsistente, pódcasts
siriusIngeniosa, lista, juguetonaComentarios, personajes
lumenCálida, clara, atractivaEducación, publicidad
castorCarismática, con los pies en la tierra, relajadaVentas, soporte
nakshCálida, reflexiva, sabia; acento indioAsistente, soporte
atlasConfiada, autoritaria, reconfortanteVentas, asistente
auroraSerena, constante, radianteSoporte, asistente
lioraCalmada, compuesta, brillanteBienestar, asistente
araCálida y amigable—
eveEnérgica y alegre; acento británico—
leoAutoritaria y potente; acento británico—
rexConfiada y clara—
salFluida y equilibrada—

La lista cambia con el tiempo. GET /v1/tts/voices devuelve la lista actual, y la API de Custom Voices te permite crear una voz a partir de un clip de referencia breve; luego usas su ID exactamente igual que una voz integrada.

Configura la voz

Seleccionas la voz en el campo voice del mensaje session.update. Requiere tres líneas:

{
  "type": "session.update",
  "session": {
    "voice": "rex"
  }
}

El nombre no distingue entre mayúsculas y minúsculas: "Eve", "eve" y "EVE" se refieren a la misma voz. La documentación de text-to-speech indica que eve es la voz predeterminada; para el agente, establece siempre la voz de forma explícita. Al igual que con el resto de la configuración, enviar un nuevo session.update en mitad de la conversación cambia la voz. Un flujo de recepción telefónica podría comenzar con una voz de saludo alegre y cambiar a una más calmada en cuanto la llamada derive hacia un tema delicado.

Ajusta el timbre al comportamiento

La voz solo hace la mitad del trabajo: marca la textura, mientras que las instructions definen la conducta. Una voz cálida que suelta respuestas secas crea una disonancia que los usuarios perciben sin saber nombrarla. Las tres configuraciones siguientes muestran tres combinaciones coherentes de timbre y rol.

Para atención al cliente, celeste, que xAI lista para soporte, combina con un tono paciente y una vía de escape hacia un humano:

{
  "type": "session.update",
  "session": {
    "voice": "celeste",
    "instructions": "Eres un asistente de atención al cliente para la tienda Maison Verte. Eres paciente, empático y siempre estás dispuesto a encontrar una solución. Usa un lenguaje sencillo y reconfortante. Si no puedes resolver un problema, ofrece transferir al cliente a un agente humano."
  }
}

Para un tutorial técnico, cosmo, listada para educación, se empareja con instrucciones sobre estructura y precisión:

{
  "type": "session.update",
  "session": {
    "voice": "cosmo",
    "instructions": "Eres un formador técnico especializado en desarrollo web. Explica los conceptos de forma estructurada, con ejemplos concretos. Sé preciso y directo. Sugiere ejercicios prácticos cuando sea relevante."
  }
}

Para un programa de incorporación de una empresa, leo aporta una autoridad que las instrucciones suavizan con calidez y comprobaciones periódicas:

{
  "type": "session.update",
  "session": {
    "voice": "leo",
    "instructions": "Eres el formador oficial del programa de incorporación de nuevos empleados. Presenta la información con autoridad pero con calidez. Sigue el programa en orden y verifica la comprensión tras cada punto."
  }
}

Cómo decidir

Cuatro consideraciones surgen en cada proyecto. La primera es el encaje con la marca: una marca premium se verá reflejada en altair, una startup relajada en castor o iris, y equivocarse crea un desajuste inmediato. La segunda es el contexto de uso, que a veces pesa más que la marca: un asistente de bienestar exige una voz que xAI liste para bienestar, como carina, lux o liora, mientras que una centralita telefónica acierta al tranquilizar a los llamantes con celeste o aurora. La tercera es la duración de la interacción: en sesiones largas, una voz calmada cansa menos que una muy distintiva. La cuarta, y la más importante, es que la percepción de una voz es subjetiva. Antes de comprometerte, reproduce tres candidatas a un puñado de usuarios reales, en tu idioma objetivo. Te lleva una hora y te evita descubrir tras el lanzamiento que la voz que elegiste molesta a la mitad de tus clientes.

Qué cambia en tus indicaciones al pasar a voz

El paso a la voz rompe algunos hábitos de redacción de indicaciones y exige otros nuevos. La guía de indicaciones de voz de xAI sugiere una estructura de cinco partes: rol y persona, objetivo, flujo de conversación, límites y escalado, y estilo de voz. Para el estilo de voz, ofrece consejos específicos. Limítate a una o dos frases breves por turno, a menos que el llamante pida más detalles, y haz una pausa breve tras cada pregunta. Si el llamante guarda silencio, sigue con una pregunta corta. Y cuando lo dicho sea inaudible o esté incompleto, formula una pregunta aclaratoria breve en lugar de adivinar.

Las preguntas abiertas funcionan bien por escrito, pero a menudo desconciertan en una conversación. «¿Quieres que compruebe tu pedido?» funciona mejor que «¿En qué puedo ayudarte?». Y un agente que pregunta «¿Podrías repetirlo?» gana a uno que adivina, porque en un intercambio hablado un malentendido cuesta dos turnos arreglarlo.

Puntos clave

  • Hay 28 voces integradas disponibles, compartidas por el agente de voz y la síntesis de texto a voz, más voces personalizadas
  • xAI describe el tono y los casos de uso de cada voz: parte de esos casos de uso y luego prueba con oyentes reales
  • Puedes cambiar la voz a mitad de sesión sin cortar la conexión
  • Estructura las instrucciones como sugiere la guía de xAI: una o dos frases breves por turno, seguimientos cortos, preguntas aclaratorias
  • Ajusta la voz a tu marca, al contexto de uso y a la duración de las interacciones