Agente IA responde con voz clonada

Una vez que clonaste tu voz en Settings → Voz IA, puedes habilitar una tool nueva del agente IA — send_voice_reply — para que el bot conteste con audio usando tu voz. El cliente lo escucha como una nota de voz personal.

Cuándo usarla

El agente IA decide automáticamente cuándo usar voz vs texto. Buenos casos para voz:

• Cliente mandó una nota de voz primero — responder en audio es natural y mantiene la simetría.
• Saludos iniciales — “Hola María, ¿cómo estás?” suena cálido en audio.
• Agradecimientos — “¡Gracias por tu compra!”
• Confirmaciones emocionales — “Listo, ya quedó coordinado para el sábado.”
• Disculpas cortas — “Perdón por la demora, ya te confirmo.”

Casos donde NO usar voz, deja el agente con texto:

• Info técnica o numérica (precios, direcciones, links).
• Texto largo (>300 chars — suena artificial).
• Listas o enumeraciones.

Esta lógica está en la description de la tool. El LLM la lee y decide cuándo invocarla.

Habilitar la tool

1. Asegurate de tener voz clonada en Settings → Voz IA. Si no, el agente recibe error no_voice y manda texto en su lugar (fallback graceful).
2. Ve a Settings → Agente IA → Tools habilitadas.
3. Marca send_voice_reply.
4. Guarda. Desde el próximo mensaje, el agente puede invocarla.

Cómo el agente decide

El LLM lee la description de la tool:

Manda una respuesta en AUDIO al cliente usando la voz clonada del comercio. Usar SOLO cuando el cliente mandó una nota de voz primero, o el contexto pide cercanía (saludos, agradecimientos, confirmaciones). Para info técnica o numérica, prefiere texto. Max 300 caracteres.

Y combina con el contexto de la conversación para decidir. Si quieres forzar el comportamiento (ej: “siempre responder en audio a clientes VIP”), agregalo al prompt del agente.

Costos y caps

Cada audio gasta caracteres de tu cap ElevenLabs del plan Brote:

Plan	Chars incluidos / mes	Hard cap
Starter $49	5.000	15.000
Pro $129	30.000	75.000
Business $349	150.000	350.000

Un audio típico de 30 seg = ~200 chars. Pro con 30k chars cubre ~150 audios/mes. Si el agente IA y el operador comparten el cap, dimensiona.

Cuando el cap se llega, la tool devuelve hard_cap_exceeded y el agente manda texto en su lugar — nunca rompe el flow, solo degrada graceful.

Calidad del audio

El audio generado mantiene la voz clonada con el modelo eleven_multilingual_v2. Soporta español natural sin acento gringo.

Consejo

Si la voz suena rara o robótica, mejora la muestra de cloning original desde Settings → Voz IA → Reentrenar. Graba 45-60 seg en lugar de 20, con micrófono limpio y sin ruido de fondo.

Limitaciones actuales

• Solo WhatsApp — Instagram/Messenger no soporta audio nativo PTT todavía.
• Una voz por org — no puedes tener “voz de Mario” y “voz de Jorge” separadas en el mismo agente.
• Max 300 chars por audio — texto más largo se siente artificial.

Posicionamiento competitivo

Plataforma	AI responde con voz
Brote	✅ Voz clonada del dueño, vía tool de agente
respond.io	✅ Voces preset (Elevenlabs voices stock), no cloning
Wati	❌
SleekFlow	❌
Hapee	✅ Solo voz preset, no clonada

Brote es hoy la única plataforma LATAM que mezcla AI Agent + voz clonada del comercio. El cliente no distingue entre el dueño y la IA respondiendo.

Próximos pasos

Clonar voz primero

Settings → Voz IA →

Tools del agente

Catálogo completo →