Kabir Goel

Kabir Goel

Artículos de Kabir Goel

Qué es ISDN: la red que van a apagar

Qué es ISDN: la red que van a apagar

ISDN llevó las llamadas de empresa del analógico al digital sobre cobre. Las operadoras la apagan: el plazo británico es el 31 de enero de 2027.

Chatbot vs IA conversacional: diferencias clave

Chatbot vs IA conversacional: diferencias clave

Un chatbot es un producto con el que hablas; la IA conversacional es la tecnología que hace que te entienda. Las diferencias y dónde entra la voz.

Protocolo SIP explicado: qué es y cómo funciona

Protocolo SIP explicado: qué es y cómo funciona

SIP, el Session Initiation Protocol, establece y termina llamadas por IP. Cómo funciona una llamada, los métodos y códigos, y dónde entran los agentes de voz.

¿Qué es el jitter en VoIP? Cómo medirlo y corregirlo

¿Qué es el jitter en VoIP? Cómo medirlo y corregirlo

El jitter es la variación en la llegada de los paquetes de voz. Qué lo causa, cómo suena, la regla de los 30 ms y cómo arreglar llamadas entrecortadas, en un sistema telefónico o en un agente de voz.

Qué es CPaaS: la capa de API de comunicaciones

Qué es CPaaS: la capa de API de comunicaciones

CPaaS es el modelo de API para meter llamadas, SMS y verificación en tu propia app. Qué cubre, cómo se cobra y dónde encajan los agentes de voz.

Métricas de call center: FCR, AHT y lo que importa

Métricas de call center: FCR, AHT y lo que importa

Resolución en el primer contacto, tiempo medio de atención, tasa de transferencia y CSAT: las fórmulas, los puntos de referencia actuales y cómo cambian las cuentas cuando responde un agente de voz.

Bot de TTS para Discord: añade uno o crea el tuyo

Bot de TTS para Discord: añade uno o crea el tuyo

Dos formas de tener texto a voz en un canal de voz de Discord: invitar a un bot alojado, o crear el tuyo con discord.js y Cartesia. Código funcional incluido.

Speech-to-speech frente a agentes de voz en cascada

Speech-to-speech frente a agentes de voz en cascada

Los modelos speech-to-speech reciben audio y devuelven audio. Cómo se comparan con los agentes STT-LLM-TTS en latencia, coste, control y voces.

Qué es la latencia P95 y P99 y cómo medirla

Qué es la latencia P95 y P99 y cómo medirla

La latencia P95 y P99 es el tiempo de respuesta que superan el 95 % y el 99 % de las solicitudes. Cómo funcionan los percentiles y cómo medirlos en Python.

Precios de Twilio 2026: llamadas, SMS y agentes de IA

Precios de Twilio 2026: llamadas, SMS y agentes de IA

Cuánto cuesta Twilio en 2026: voz por minuto, números, SMS y cargos de operador, SIP trunking, Conversation Relay y la factura de un agente de voz con IA.

Voz a texto en Python: archivo, streaming y micrófono

Voz a texto en Python: archivo, streaming y micrófono

Transcribe audio en Python de tres formas: un archivo grabado, un stream en tiempo real con detección de turnos y un micrófono en vivo. Código que funciona.

Códec G.711: μ-law, A-law y audio telefónico a 8 kHz

Códec G.711: μ-law, A-law y audio telefónico a 8 kHz

G.711 es el códec de casi todas las llamadas: 8 kHz, 8 bits por muestra, μ-law o A-law. Cómo funciona, cómo decodificarlo y qué implica para agentes de voz.

Texto a voz con emoción: cómo dirigirla

Texto a voz con emoción: cómo dirigirla

Cómo funciona el texto a voz con emociones: la emoción que se lee del texto, etiquetas, estilos y prompts en las principales API, con código y pruebas.

Qué es DTMF: tonos, frecuencias y agentes de voz

Qué es DTMF: tonos, frecuencias y agentes de voz

DTMF es el par de tonos que envía un teléfono al pulsar una tecla. Frecuencias, cómo viaja por VoIP, por qué se pierden dígitos y su uso en agentes de voz.

Pruebas de IVR: tipos, herramientas y agentes

Pruebas de IVR: tipos, herramientas y agentes

Cómo probar un IVR: pruebas funcionales, de regresión, de carga y de voz, y cómo probar un agente de voz con IA que responde distinto en cada llamada.

Precios de la API de OpenAI Whisper en 2026

Precios de la API de OpenAI Whisper en 2026

Whisper cuesta 0,006 $ por minuto. Todos los precios de transcripción de OpenAI en 2026, el cierre de febrero de 2027 y a qué migrar antes.

Precios de Deepgram 2026: STT, TTS y agentes

Precios de Deepgram 2026: STT, TTS y agentes

Cuánto cuesta Deepgram en 2026: tarifas de voz a texto por minuto, Aura y Flux TTS, los niveles de la Voice Agent API, complementos y el plan Growth.

Ejemplos de IA conversacional: 12 casos reales

Ejemplos de IA conversacional: 12 casos reales

Doce ejemplos de IA conversacional en producción: soporte, salud, vivienda, préstamos, ventas y videojuegos. Qué hace cada uno y qué cambió.

Mejores modelos TTS de código abierto, por licencia

Mejores modelos TTS de código abierto, por licencia

Kokoro, Chatterbox, Piper, Orpheus, VibeVoice, XTTS y más: qué modelos de texto a voz de código abierto puedes usar comercialmente y cómo puntúan.

IA conversacional en banca: llamadas de clientes

IA conversacional en banca: llamadas de clientes

La IA conversacional en banca atiende llamadas de clientes: qué resuelve, dónde poner el límite, cómo proteger los datos de tarjeta y cómo hacer un piloto.

IA conversacional en salud: llamadas de pacientes

IA conversacional en salud: llamadas de pacientes

La IA conversacional en salud atiende llamadas de pacientes. Qué resuelve bien, dónde está el límite clínico, qué exige HIPAA y cómo hacer un piloto.

Transferencia en caliente vs en frío: qué es

Transferencia en caliente vs en frío: qué es

Una transferencia en caliente presenta a quien llama antes de pasar la llamada; una en frío no. Cómo funcionan y cómo transfieren los agentes de voz.

WebRTC vs WebSocket para IA de voz en tiempo real

WebRTC vs WebSocket para IA de voz en tiempo real

WebSocket envía mensajes ordenados sobre TCP. WebRTC envía audio sobre UDP con búfer de jitter y recuperación de pérdidas. Cuál usar en IA de voz.

Automatización del contact center: qué automatizar primero

Automatización del contact center: qué automatizar primero

Automatización del contact center por capas: qué llamadas automatizar primero, qué necesita un agente de voz para resolverlas, cuánto cuesta y qué medir.

¿Qué es un troncal SIP? Cómo funciona con IA de voz

¿Qué es un troncal SIP? Cómo funciona con IA de voz

Un troncal SIP lleva tus llamadas a un operador por internet. Cómo funciona, SIP frente a VoIP y cómo conectarlo a un agente de voz con IA.

¿Qué es el mean opinion score (MOS)?

¿Qué es el mean opinion score (MOS)?

El MOS es la media de las valoraciones de oyentes en una escala de 1 a 5. Cómo se calcula, qué es una buena puntuación en llamadas y en TTS, y por qué dos MOS casi nunca se pueden comparar.

Diseño de IA conversacional para agentes de voz

Diseño de IA conversacional para agentes de voz

IA conversacional para voz: escribir para el oído, gestionar turnos e interrupciones, confirmar lo importante y planificar errores y transferencias.

¿Qué es el TTS neuronal? Así funcionan las voces

¿Qué es el TTS neuronal? Así funcionan las voces

El TTS neuronal convierte texto en voz con una red neuronal entrenada. Cómo funciona, en qué se diferencia de las voces estándar y cuánto cuesta.

Llamadas en frío con IA: qué son y cómo crearlas

Llamadas en frío con IA: qué son y cómo crearlas

Un agente de llamadas en frío con IA llama, cualifica y agenda reuniones por su cuenta. Costes, reglas de consentimiento y dos formas de crearlo.

IA de voz en infraestructura propia: qué es y cómo funciona

IA de voz en infraestructura propia: qué es y cómo funciona

La IA de voz en infraestructura propia ejecuta reconocimiento de voz, modelos de lenguaje y texto a voz dentro de tu red. Compara nube, VPC, infraestructura propia y entornos aislados de internet.

Agente de voz de IA: qué es y cómo crear uno

Agente de voz de IA: qué es y cómo crear uno

Qué es un agente de voz de IA, el flujo que lo hace funcionar y las decisiones de latencia, turnos y pruebas que determinan si las personas siguen al teléfono.

Detección de actividad de voz: VAD para agentes de voz

Detección de actividad de voz: VAD para agentes de voz

Descubre cómo funciona la detección de actividad de voz, en qué se diferencia de la detección de turnos y cómo gestionar pausas e interrupciones en un agente de voz en tiempo real.

Tasa de error de palabras: lo que WER no mide en la IA de voz

Tasa de error de palabras: lo que WER no mide en la IA de voz

Descubre qué mide la tasa de error de palabras, por qué puede distorsionar las evaluaciones de TTS y cómo probar la calidad del habla que importa en una conversación real.

IVR conversacional: qué es y cómo sustituir menús

IVR conversacional: qué es y cómo sustituir menús

Un IVR conversacional permite decir lo que necesitas en lugar de pulsar teclas. Cómo enruta las llamadas, dónde encajan los agentes de voz y qué probar antes.

Centro de llamadas con IA: qué es y cuánto cuesta

Centro de llamadas con IA: qué es y cuánto cuesta

Un centro de llamadas con IA usa agentes de voz para atender y resolver llamadas. Cómo fluye una llamada, cuánto cuesta por minuto y un plan piloto.

Recepcionista de IA: qué comprar y qué desarrollar

Recepcionista de IA: qué comprar y qué desarrollar

Compara recepcionistas de IA listos para usar con un agente de voz personalizado. Planifica las citas, las transferencias a personas, los costes y una prueba para tus primeras llamadas entrantes.

API SpeechSynthesis: texto a voz con JavaScript

API SpeechSynthesis: texto a voz con JavaScript

Cómo funciona window.speechSynthesis: métodos, rangos de rate, pitch y volume, eventos y una demo de texto a voz en JavaScript lista para copiar.

Texto a voz con Python: guarda el audio en un archivo WAV

Texto a voz con Python: guarda el audio en un archivo WAV

Convierte texto en un archivo WAV con Python y el SDK de Cartesia. Configura una clave de API, elige una voz y resuelve errores habituales de audio y autenticación.

Four copies of the same looping line glyph in a row, drawn in pale green, mid green, grey and dark green

Cartesia busca un ingeniero de software para formar un ejército de Claudes

Escribir código parece un problema resuelto. La ingeniería, no. Buscamos a alguien que cierre esa distancia.

[Ingeniería]

Empieza hoy

Habla con un experto.

Habla con nuestro equipo y descubre cómo puede ayudarte Cartesia a crear experiencias de voz de primer nivel.

Contactar con ventas

Empieza a crear.

Accede a nuestros modelos mediante API y lleva un agente de voz a producción en minutos.

Probar Cartesia