Comprensión más inteligente, llamadas más claras: el ASR de Retell recibe una gran mejora

En el núcleo de comprender correctamente a las personas y mantener conversaciones naturales se encuentra el papel del reconocimiento automático del habla (ASR), que resulta fundamental para cualquier bot de llamadas con IA.

Las conversaciones telefónicas son intrínsecamente difíciles desde el punto de vista del reconocimiento del habla. La mala conectividad, el ruido de fondo y los distintos dialectos y acentos dificultan la comprensión de las palabras de quien llama.

Por eso hemos lanzado una gran mejora del motor de Reconocimiento Automático del Habla (ASR) de Retell, que aporta una transcripción más nítida, una detección de intenciones más sólida y resultados de llamada más fiables en siete idiomas ampliamente utilizados.

Esto se traduce en mayor precisión, transcripciones nítidas y tasas de finalización de llamadas más altas.

Novedades del motor de ASR mejorado de Retell

El nuevo ASR (texto a voz) de Retell ahora admite más de 22 nuevos idiomas, entre ellos:

• Afrikáans
• Árabe
• Azerí
• Bosnio
• Galés
• Persa
• Filipino
• Gallego
• Hebreo
• Croata
• Armenio
• Islandés
• Kazajo
• Canarés
• Macedonio
• Maratí
• Nepalí
• Esloveno
• Serbio
• Suajili
• Tamil
• Urdu

Esto eleva nuestro total de idiomas a más de 50, acercándonos un paso más a hacer que el contenido sea accesible en cualquier idioma. La incorporación de estos idiomas abre enormes posibilidades para que las empresas lleguen a nuevas audiencias; solo el árabe lo hablan 450 millones de personas, el persa 130 millones y el urdu 250 millones.

Estos idiomas están disponibles como parte de nuestro nuevo ASR. Puedes probar OpenAI TTS para crear tu próximo agente de voz con Retell. También puedes clonar tu voz y convertirla a cualquiera de nuestros más de 50 idiomas.

Esta amplia compatibilidad con idiomas permite a las empresas interactuar de forma eficaz con una audiencia global. Prueba Retell AI hoy mismo y compruébalo en acción.

¿Cómo usar los idiomas actualizados de Retell?

Mejorar la capacidad de tu bot de IA para comunicarse en varios idiomas es una forma potente de mejorar la experiencia de usuario.

Con Retell AI, puedes activar estas capacidades multilingües en unos pocos pasos sencillos:

Paso 1: accede a los Ajustes globales

Ve al Panel de agentes y selecciona el bot que quieres configurar. Haz clic en el menú Ajustes globales en el lado derecho.

Paso 2: selecciona voz e idioma

En la sección Voz e idioma dentro de Ajustes globales, haz clic en el menú desplegable para explorar los idiomas disponibles.

Elige el idioma que quieras para tu bot. Por ejemplo, seleccionar Español (Latinoamérica) aplicará esta configuración de voz e idioma al bot.

Paso 3: personaliza el flujo de conversación

Tras seleccionar el idioma, vuelve al editor de flujo de conversación y asegúrate de que todos los mensajes estén traducidos con precisión para la audiencia objetivo.

Por ejemplo, en el nodo de Saludos, el bot podría decir:

“Hola, soy Anna, una representante de inteligencia artificial que llama desde la organización Retell Healthcare en una línea grabada…” (cuando se selecciona español).

Confirma que cada nodo de conversación —incluidas las indicaciones y respuestas del usuario— coincida de forma coherente con el idioma seleccionado.

Estos flujos de voz multilingües también se pueden configurar dentro de un sistema IVR con IA, lo que permite a quienes llaman navegar por los menús y llegar al departamento adecuado en su idioma preferido.

Paso 4: prueba la capacidad multilingüe

Usa la opción Probar en Ajustes globales para simular una conversación y verificar que el bot responde con fluidez en el idioma seleccionado. Revisa tanto la salida de voz como la de texto para garantizar precisión y coherencia.

Esta configuración también puede dar soporte a casos de uso avanzados, como un agente de programación de citas con IA, donde el bot confirma fechas, horas y otros detalles mientras habla con naturalidad en el idioma preferido del cliente.

Consejos para una configuración multilingüe eficaz

• Selección de voz: Elige una voz que se ajuste a la región de la audiencia para mejorar la familiaridad y la interacción.

• Modo multilingüe: En regiones con usuarios bilingües o multilingües, activa el modo multilingüe para que el bot pueda cambiar entre idiomas sin problemas.

Al seguir estas buenas prácticas, tu bot de IA puede comunicarse con claridad con una audiencia más amplia, mejorando la accesibilidad y ofreciendo una experiencia del cliente más inclusiva.

¿Cómo funciona este nuevo ASR en Retell?

La transcripción en tiempo real suele ser un equilibrio entre latencia y precisión.

Cuando optimizas para la velocidad, obtienes la menor latencia pero una mayor probabilidad de errores debido a un menor contexto. Cuando confías en resultados con más contexto, corres el riesgo de esperar más tiempo después de que el usuario deja de hablar.

Retell ofrece dos modelos de transcripción:

• Optimizar para la velocidad (modos Fast & Accurate)

• Optimizar para la precisión (modo Accurate)

Aunque hemos comprobado que el modo de optimización para la velocidad y el modo de optimización para la precisión tienen un WER (Tasa de Error de Palabras) similar. La verdadera diferencia radica en los detalles más pequeños, como un número, una fecha o una dirección.

Al optimizar nuestro pipeline de modelado acústico, refinar los diccionarios fonéticos específicos de cada idioma y mejorar la decodificación en tiempo real, Retell ofrece ahora Tasas de Error de Palabras (WER) drásticamente más bajas tanto en el modo Accurate como en los modos Fast & Accurate.

Mayor precisión en idiomas europeos (modo Accurate)

Para el alemán, el francés, el italiano y el polaco, hemos reducido la Tasa de Error de Palabras entre 7 y 10 puntos.

Estos ya eran idiomas sólidos en nuestro modo Accurate. Aun así, la nueva arquitectura de modelado reduce de forma significativa los tipos de error estándar que observamos en llamadas reales de clientes, como los intercambios de fonemas provocados por el acento, las distorsiones por ruido de fondo y los errores de concordancia de género/número.

Qué significa esto para la automatización de voz:

• Transcripciones más claras incluso en entornos ruidosos

• Captura de intenciones más fiable para respuestas complejas de varias frases

• Menos turnos de corrección (“Perdona, ¿podrías repetirlo?”)

• Mayor resolución en la primera llamada para flujos de trabajo de atención, ventas y servicio

Grandes avances en idiomas asiáticos (modos Fast & Accurate)

Para el chino (mandarín), el malayo y el hindi, las mejoras son aún mayores: mejoras del WER de 15 a 25 puntos.

Estos idiomas han sido históricamente difíciles para el ASR debido a la dinámica tonal (mandarín), la mezcla de códigos (malayo) y la diversidad de acentos (hindi). El motor mejorado ahora gestiona estas complejidades de forma mucho más inteligente.

Qué desbloquea esto:

• Comprensión en tiempo real significativamente mejor incluso a las velocidades del modo Fast
  
• Reconocimiento preciso de los cambios tonales, las variaciones dialectales y el uso de lenguas mixtas
  
• Turnos de conversación más naturales sin retrasos ni malas interpretaciones
  
• Mejor rendimiento en audio telefónico de tipo call center, el entorno de ASR más exigente

Qué significa esto: entrada más limpia → salida más inteligente

El nuevo motor de ASR reduce el desajuste entre lo que dicen quienes llaman y lo que la IA cree que dijeron. Con un WER más bajo, nuestro motor de razonamiento impulsado por LLM recibe un texto más claro, lo que permite:

• Reconocimiento de intenciones más preciso
• Menos rupturas conversacionales
• Resoluciones más fluidas y rápidas
• Comportamiento del agente más humanizado

Esta mejora no solo optimiza la transcripción, sino que eleva toda la experiencia de automatización de voz.

‍