Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Mejores prácticas de voz para agencias

La voz agencial de Amazon Connect combina el reconocimiento de voz avanzado (ASR) con voces expresivas y naturales para ofrecer una experiencia de IA de voz completa. El ASR avanzado proporciona una toma de turnos natural y de baja latencia en las conversaciones en tiempo real, mientras que el motor de voz ofrece una voz realista en más de 50 lugares. En conjunto, estos componentes permiten interacciones fluidas y similares a las humanas entre las personas que llaman y los agentes de inteligencia artificial de Amazon Connect. Esta guía describe la configuración y las prácticas recomendadas para ambos componentes, de modo que pueda aprovechar al máximo la experiencia completa de voz de una agencia.

Esta guía aborda los siguientes temas:

Mejores prácticas de reconocimiento de voz avanzado (ASR)

El modelo de voz ASR avanzado prefiere un reconocedor de streaming diseñado para la toma de turnos natural y de baja latencia en conversaciones en tiempo real. En lugar de confiar únicamente en un intervalo fijo de silencio, evalúa la voz de la persona que llama mientras habla y predice cuándo la persona que llama ha terminado, es decir, el final del turno (EOT).

Sintaxis de los atributos de sesión

Los controles de esta sección se configuran con los atributos de sesión estándar de Lex V2 en el espacio de x-amz-lex nombres. Los configuras al iniciar una conversación y puedes anularlos en una función de Lambda (por ejemplo, para relajar la detección solo mientras se recopila un valor sensible).

Limita cada atributo a una intención y un espacio:

x-amz-lex:audio:<setting>:<intentName>:<slotToElicit>

Haz:

No hagas lo siguiente:

Barge-in (comportamiento de interrupción)

Barge-in permite que la persona que llama interrumpa un mensaje que está reproduciendo el bot. Está activado de forma predeterminada, lo que normalmente es lo que quieres para una conversación natural. Lo controlas con:

x-amz-lex:allow-interrupt:<intentName>:<slotToElicit>

Valor predeterminado: true

Desactiva barge-in (false) cuando:

Mantén la entrada automática habilitada cuando:

Ejemplo

En el caso de un agente de IA de autoservicio, deja que irrumpa en todas partes de forma predeterminada. Desactívala solo cuando la solicitud deba escucharse en su totalidad, por ejemplo, en un aviso legal o de cumplimiento. Establece los atributos al iniciar la conversación. Mantén la opción predeterminada en una *:* entrada y desactiva la intromisión solo para la intención que reproduzca el aviso legal:

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:allow-interrupt:*:*": "true",
      "x-amz-lex:allow-interrupt:Disclaimer:*": "false"
    }
  }
}

La entrada específica por intención y espacio tiene prioridad sobre la *:* predeterminada, por lo que la persona que llama puede interrumpir en cualquier momento excepto cuando la intención está hablando. Disclaimer Si, por el contrario, estableces el atributo de descargo de responsabilidad en una función de Lambda, configúralo antes de que se reproduzca el mensaje de descargo de responsabilidad. Restablézcalo como after para true que el resto de la conversación se pueda interrumpir.

End-of-turn afinación

El ASR avanzado finaliza un turno cuando se cumple primero una de las condiciones:

Los valores más altos hacen que el bot espere más tiempo y que los turnos finalicen de forma más conservadora (menos cortes prematuros, algo más de latencia). Los valores más bajos terminan los turnos antes (menor latencia, mayor probabilidad de impedir que la persona que llama haga una pausa). El umbral de confianza es la palanca principal; el tiempo de espera del silencio solo importa cuando la confianza aún no ha terminado el turno.

Out-of-range comportamiento:

Elección de valores

Ejemplo

Detección conservadora al final del turno para la AccountNumber franja de la intención: VerifyIdentity

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:audio:end-confidence-threshold:VerifyIdentity:AccountNumber": "0.9",
      "x-amz-lex:audio:end-timeout-ms:VerifyIdentity:AccountNumber": "7000"
    }
  }
}

Un único valor predeterminado para cada intento y espacio:

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:audio:end-confidence-threshold:*:*": "0.8",
      "x-amz-lex:audio:end-timeout-ms:*:*": "800"
    }
  }
}

Consejos lingüísticos para el reconocimiento multilingüe

El ASR avanzado reconoce varios idiomas en la misma conversación sin que se le diga qué idiomas esperar. Detecta el idioma a partir del discurso de la persona que llama, de modo que la persona que llama puede empezar en inglés y pasar al español y, a continuación, la transcripción. Este es el comportamiento predeterminado y no necesita configuración.

Si ya sabe qué idiomas usan las personas que llaman, puede inclinar el reconocimiento hacia ellos con sugerencias lingüísticas. Las sugerencias son más útiles cuando dos idiomas suenan de manera similar. También ayudan cuando los enunciados cortos (una sola palabra, un dígito, un yes/no ) dan poco con qué trabajar al modelo. Las configuras de la siguiente manera:

x-amz-lex:audio:locale-override:<intentName>:<slotToElicit>

Predeterminado: sin sugerencias: el ASR avanzado detecta el idioma por sí solo.

Establezca el alcance del atributo de la misma manera que los demás controles de esta sección. Utilízalo *:* para sesgar cada turno de la conversación, o nombra una intención y un espacio para sesgar solo los turnos en los que sabes el idioma esperado.

Formato de valores

Establezca el valor en los códigos de idioma que desea preferir, lo más probable es que primero. Usa una lista separada por comas, opcionalmente entre corchetes y comillas si es más fácil generarla a partir de tu función de flujo o de Lambda. El ASR avanzado ignora los espacios en blanco circundantes y trata los guiones bajos como guiones, por lo que son equivalentes. pt_BR pt-BR

La siguiente tabla muestra ejemplos de valores de atributos y los idiomas hacia los que cada uno inclina el ASR avanzado.

Validación

Ejemplo

El siguiente ejemplo sesga el reconocimiento de una línea en la que las personas que llaman hablan español o inglés, siendo el español el idioma más común:

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:audio:locale-override:*:*": "es,en-US"
    }
  }
}

Qué hacer

Qué no hacer

Gestión de llamadas a herramientas de larga duración

Cuando un agente de IA o Lambda realiza una llamada a una herramienta de larga duración (una búsqueda en el backend, una API externa, una invocación de un modelo) antes de que el bot esté listo para escuchar, la persona que llama permanece en silencio. La persona que llama puede sentir que el bot se ha quedado paralizado o que ha hablado por encima de ella cuando por fin responde.

Mitigaciones:

Referencia rápida de atributos de sesión de ASR

Errores comunes de ASR

Prácticas recomendadas de mensajes de voz

La voz de agencia de Amazon Connect ofrece una conversión de texto a voz expresiva y con un sonido natural en más de 50 lugares. El motor normaliza automáticamente el texto escrito para convertirlo en voz natural. En la mayoría de los casos, puede pasar el texto tal cual y obtener excelentes resultados sin ningún formato especial.

Formato de texto

Reglas generales

Pase texto natural y bien puntuado. Las oraciones completas con mayúsculas y puntuación normales producen el mejor ritmo y entonación.

Haz:

No hagas lo siguiente:

Normalización automática

El motor lee los formatos escritos comunes como voz natural. La mayoría de las veces, no es necesario reformatearlos:

Etiquetas de control de voz

El motor de voz deduce automáticamente el ritmo y la emoción apropiados a partir del contenido de la transcripción. Utilice las etiquetas de control solo para casos de uso específicos en los que el valor predeterminado no sea el adecuado. Todas las etiquetas se colocan directamente en la transcripción.

Velocidad

Controla la velocidad de conversación. Rango: 0.6 (lento) a 1.5 (rápido). Predeterminado: 1.0.

<speed ratio="0.85"/>This call may be recorded for quality purposes.

Para restablecer la velocidad después de reducir la velocidad:

<speed ratio="0.85"/>Important notice.<speed ratio="1.0"/>Now, how can I help?

Volume

Controla el volumen. Rango: 0,5 (silencioso) a 2,0 (alto). Predeterminado: 1.0.

<volume ratio="0.5"/>I'll speak softly for this part.

Pausas

Inserta pausas. Especifique la duración en segundos (s) o milisegundos (ms).

Your balance is $1,234.<break time="500ms"/>Your next payment is due June 15th.

Usa descansos para:

Deletrea

Forza la lectura carácter por carácter de los códigos, identificaciones, números de teléfono o cualquier cadena que deba pronunciarse letra por letra.

Your confirmation code is <spell>TKT4829XB</spell>.

Para secuencias largas, añade un espacio dentro del envoltorio de la etiqueta ortográfica para insertar pausas:

Your phone number is <spell>(415)</spell><break time="200ms"/><spell>5551212</spell>.

Formatos alternativos (sin etiquetas):

Emotion

El modelo deduce naturalmente el tono emocional del contenido; en la mayoría de los casos, no se necesitan etiquetas. Las etiquetas de emoción son una función beta y funcionan de manera más confiable cuando la emoción coincide con la transcripción.

<emotion value="sympathetic"/>I understand this is frustrating. Let me investigate that for you.

Emociones primarias: neutralangry,excited,content,sad, yscared.

Risa

[laughter]Insértala para producir una risa natural.

Oh, I've actually heard that one before! [laughter] Alright, let's get this sorted out.

Referencia de etiqueta

Etiquetas malformadas

Configuración de voz multilingüe

La voz de agencia de Amazon Connect incluye voces multilingües que pueden hablar varios idiomas y cambiar de uno a otro sin problemas en mitad de una conversación. La persona que llama puede empezar en inglés, cambiar a español y el agente seguirle la pista, sin necesidad de cambiar el flujo ni interrumpir. En el bloque Establecer voz, estas voces se etiquetan como voces políglotas. Esta guía utiliza el término voces multilingües para describirlas. En esta sección se explica cómo configurar voces multilingües y qué hay que tener en cuenta.

Voces multilingües

Las voces multilingües cambian de forma nativa entre los idiomas compatibles en una sola conversación. Use una voz multilingüe cuando su centro de atención necesite atender llamadas que hablen diferentes idiomas o cambie de idioma en mitad de una llamada.

Configuración

Paso 1: Cree su bot de Amazon Lex en la configuración regional de la voz multilingüe

Si utiliza una voz multilingüe, solo necesitará una única configuración regional del bot de Amazon Lex. Cree su bot en la configuración regional que coincida con la voz multilingüe (por ejemplo, en-US o en-GB). No es necesario que añada todos los idiomas que admite la voz multilingüe como una configuración regional independiente en Amazon Lex.

Haga lo siguiente:

No haga lo siguiente:

Si necesitas admitir un idioma que no esté en la lista de idiomas admitidos por la voz multilingüe (por ejemplo, el tailandés o el tagalo), crea un bot independiente para esa configuración regional y usa una voz específica para esa región. Consulte Usar una voz de agente no multilingüe en una configuración regional que no sea el inglés.

Paso 2: relaciona la configuración regional del bot Lex con el bloque Set Voice

El atributo de idioma establecido en el bloque Set Voice debe coincidir con la configuración regional de su bot Lex. Si no coinciden, el bloque Get Customer Input devuelve un error. Actualiza el idioma del bloque de configuración de voz para que coincida con la configuración regional de tu bot.

Para voces multilingües creadas en una configuración regional en inglés:

First-turn saludo

En el primer turno, el agente de IA no ha recibido ninguna entrada de la persona que llama. Sin la entrada, el agente no puede detectar el idioma de la persona que llama. La voz pronuncia el texto de saludo configurado en el bloque Get Customer Input. Si quieres que el bot salude a la persona que llama en un idioma específico, asegúrate de que el mensaje de saludo de ese bloque esté escrito en ese idioma.

Por ejemplo, si tu base de llamadas principal habla español, configura el saludo Get Customer Input en español:

Hola, gracias por llamar. ¿Cómo puedo ayudarle hoy?

Tras el primer turno, el agente de IA toma el control y detecta y sigue el idioma de la persona que llama durante el resto de la conversación.

Paso 3: Añade instrucciones para gestionar el idioma a la línea de comandos del sistema de agentes de IA

Añada una sección de gestión del idioma a la línea de comandos del sistema de su agente de IA. Esta sección regula el comportamiento multilingüe. El agente de IA detecta el idioma de la persona que llama a partir de la transcripción y responde en ese idioma.

Plantilla (personalízala según tu caso de uso):

You are connected to a multilingual voice that supports the following languages: English, German, Spanish, French, Hindi, Italian, Japanese, Norwegian, Portuguese, and Russian.

Language handling rules:
Detect the language of the caller's input from the transcription.
If the caller speaks in one of the supported languages listed above, respond in that same language.
If the caller speaks a language not in the supported list, respond in English and politely let them know you can assist in the supported languages.
Always respond in one language at a time. Do not mix languages in a single response unless the caller mixes first.
If the caller switches languages mid-conversation, follow their lead immediately.
When responding in any non-English language, always use proper accent marks, diacritics, and locale-appropriate formatting (for example, é, ñ, ü, ç). This ensures the voice engine produces natural pronunciation.
Keep English brand names, product names, codes, and identifiers in English. Do not translate them.

Usar una voz de agente no multilingüe en una configuración regional que no sea el inglés

Si utiliza una voz de agencia que no es multilingüe (por ejemplo, una voz en tailandés, coreano o portugués), debe establecer explícitamente el atributo de idioma para que el sistema dirija al motor ASR correcto.

Opción A: configurar el bloqueo de voz

Opción B: establecer el bloque de atributos de contacto

Si el bloque Establecer voz no muestra la configuración de idioma de su configuración, puede establecer el idioma utilizando el bloque Establecer atributos de contacto antes del bloque Obtener información del cliente:

Restringir a idiomas específicos

Si su centro de atención solo admite un subconjunto de idiomas, simplifique la solicitud:

You support English and Spanish on this line only.
Detect the language of the caller's input.
If the caller speaks English or Spanish, respond in that language.
If the caller speaks any other language, respond in English: I apologize, but I can only assist in English or Spanish. How can I help you today?
If the caller switches between English and Spanish, follow their lead.
Use proper accent marks when responding in Spanish (á, é, í, ó, ú, ñ, ü).
Keep brand names and codes in English.

Mensaje del sistema para los agentes de IA de Amazon Connect

Cuando los agentes de inteligencia artificial de Amazon Connect generen texto que se va a pronunciar, añada estas instrucciones de formato de voz a la solicitud del sistema de su agente. Copia y pega el bloque que aparece a continuación directamente en tu configuración de mensajes.

Solicitud de formato de salida de voz

Speech Output Formatting
Everything you output will be spoken aloud by text-to-speech.
Follow these rules:

GENERAL FORMATTING
Use full sentences with normal capitalization. Always end with . ? or !
Use conventional written forms for numbers, dates, acronyms, symbols.
Do NOT use markdown, bullet points, headers, bold, raw JSON, emoji, or special characters.
Write plain prose only.

SPELLING OUT CODES AND IDS
For codes or IDs that must be read character-by-character, except for phone numbers, wrap in <spell> tags:
Example: Your confirmation code is <spell>TKT4829XB</spell>. Was that the account ending in <spell>1234</spell>?

THINGS TO AVOID
Do not output bullet points, numbered lists, or structured formatting.
Do not use asterisks, hashtags, or markdown syntax.
Do not include internal thoughts, reasoning, or meta-commentary.
Do not use parentheses, brackets, curly braces, or quotation marks.

NATURALNESS
Respond as if speaking directly to the caller.
Keep responses concise. Avoid long monologues.
Use natural transitions like: Let me check that for you. Or: Here is what I found.

Complemento multilingüe

Si tu bot usa una voz multilingüe, agrega lo siguiente al mensaje del sistema para habilitar las respuestas en varios idiomas:

Language Handling
You are connected to a multilingual voice that supports: English, German,
Spanish, French, Hindi, Italian, Japanese, Norwegian, Portuguese, and Russian.

Detect the language of the caller input from the transcription. If the
caller speaks in one of the supported locales, respond in that language.
If the caller speaks a language not in the supported list, respond in
English and politely let them know you can assist in English.

Always respond in one language at a time. Do not mix multiple languages
in a single response. If the caller switches languages mid-conversation,
follow their lead and switch your responses to match.

When responding in a non-English language, always use proper accent marks,
diacritics, and locale-appropriate formatting. This ensures the voice
engine produces natural, native-sounding pronunciation.

Ejemplos de centros de contacto

Saludo IVR

Hi, thanks for calling. How can I help you today?

No se necesitan etiquetas: el motor gestiona los saludos conversacionales de forma natural.

Aviso legal (lento)

<speed ratio="0.85"/>This call may be recorded for quality assurance purposes. By continuing, you consent to recording.

Empareje con la irregularidad desactivada en el nivel del flujo.

Volver a leer un número de cuenta

Con etiquetas ortográficas:

Your account number is <spell>1234</spell> <spell>5678</spell> <spell>9012</spell>.

Sin etiquetas ortográficas:

Your account number is 1 2 3 4, 5 6 7 8, 9 0 1 2.

Confirmación con código de referencia

I've created your ticket. Your reference number is <spell>TKT4829XB</spell>. Is there anything else I can help with?

Opciones de menú

Press 1 for billing.<break time="500ms"/>Press 2 for technical support.<break time="500ms"/>Press 3 to speak with an agent.

Deletrear el nombre de un cliente

Let me confirm — your last name is Smith, spelled <spell>SMITH</spell>. Is that correct?

Errores comunes al convertir texto en voz