Por qué casi ningún agente de voz habla catalán de verdad
Cuando una plataforma de voz dice que soporta "70 idiomas", suele ser cierto y engañoso a la vez. El soporte de un idioma en un agente que habla en tiempo real se reparte entre tres piezas distintas, y basta con que una falle para que el resultado suene mal. En catalán, esa pieza suele fallar.
Un agente de voz son tres cosas, no una
Para que una llamada funcione tienen que encajar tres capas: la que transcribe lo que dice la persona, la que decide qué responder y la que lo convierte en voz. Cada una tiene su propia lista de idiomas soportados, y las listas no coinciden.
Lo que se publica en la web comercial suele ser la unión de las tres, no la intersección. La intersección es la que te habla por teléfono.
| Capa | Qué hace | Dónde falla con el catalán |
|---|---|---|
| Transcripción | Pasa la voz del cliente a texto | Suele ir bien; confunde nombres propios y topónimos |
| Modelo de lenguaje | Decide qué contestar | Los modelos grandes escriben buen catalán; el problema no está aquí |
| Síntesis de voz en tiempo real | Dice la respuesta en voz alta | Aquí es donde cae: los modelos rápidos a menudo no tienen catalán |
El modelo rápido y el que habla catalán suelen ser modelos distintos
Las plataformas de voz tienen modelos optimizados para latencia, pensados precisamente para llamadas, y modelos más completos pero más lentos. El catalán a menudo solo existe en el segundo grupo. Lo comprobamos consultando directamente la API de nuestro proveedor: de los modelos de tiempo real disponibles, solo uno acepta catalán.
Esto tiene una consecuencia práctica que conviene saber antes de firmar nada: si un proveedor te dice que te hace el agente en catalán con su modelo más rápido, o tiene algo que los demás no tienen, o no lo ha probado.
El acento no lo decide la configuración de idioma
Esta es la trampa que más cuesta ver. Puedes poner "catalán" en la configuración del agente y que siga sonando a extranjero. El motivo es que el acento lo lleva la voz elegida, y las voces se construyen a partir de audio original: una voz grabada en inglés americano dirá las palabras catalanas con la boca de alguien que habla inglés americano.
El resultado es inconfundible para cualquier catalanohablante y es peor que la neutralidad: no suena a asistente profesional, suena a producto sin acabar. La prueba dura diez segundos y hay que hacerla siempre antes de comprar: pide oír la voz diciendo una frase con nombres de calles y pueblos de tu zona.
| Pregunta | Buena respuesta | Respuesta que debería asustarte |
|---|---|---|
| ¿Qué modelo de voz usa para tiempo real? | El nombre concreto, y que soporta catalán | "Soportamos 70 idiomas" |
| ¿De dónde sale la voz? | Generada o grabada en catalán | "Es una voz multilingüe" |
| ¿Puedo oírla diciendo nombres de aquí? | Un audio, ahora mismo | Una demo en castellano "que es igual" |
| ¿Qué pasa si el cliente cambia al castellano? | Cambia y se queda | "El modelo ya lo gestiona" |
| ¿Y si es una voz clonada de una persona? | Consentimiento escrito de esa persona | Silencio o "no hace falta" |
El caso del cliente que te habla en dos idiomas
En Cataluña es habitual empezar en catalán y seguir en castellano, o mezclarlo en la misma conversación. Un agente debe detectar el cambio, pasarse y quedarse, sin mezclar dentro de una misma frase, que es lo que hace que suene artificial.
Es una decisión de diseño que hay que escribir explícitamente en las instrucciones del agente. No sale sola por configurar "multilingüe".
¿Y la voz clonada?
Clonar la voz de una persona real para ponerla a contestar el teléfono es técnicamente fácil y jurídicamente espeso: la voz de una persona identificable es un dato personal, y clonarla necesita su consentimiento explícito y por escrito, no un "sí" de pasillo.
Nosotros decidimos no hacerlo: usamos voces generadas, que no corresponden a ninguna persona real. Es una decisión deliberada, no una limitación técnica, y está explicada en cómo tratamos los datos.
Preguntas frecuentes
¿Se nota que es una IA hablando catalán?
Se nota que es una IA porque lo dice en la primera frase, como exige la normativa desde agosto de 2026. Lo que no debería notarse es el acento: si suena a extranjero, es un defecto de la voz elegida, no una limitación del idioma.
¿Puedo tener el mismo agente en catalán y en castellano?
Sí. Un mismo agente detecta el idioma de quien llama y se queda en él. Lo que no recomendamos es tener dos números distintos por idioma: complica el desvío y confunde al cliente.
¿El modelo más rápido da peor catalán?
El problema no es que lo dé peor: a menudo es que directamente no lo tiene. Por eso la elección de modelo no es un detalle técnico sino una decisión de producto, y hay que preguntarla por nombre.
¿Qué pasa con los nombres de pueblos y calles?
Es donde más falla la transcripción, y por eso el agente debe repetir en voz alta nombres y teléfonos y pedir confirmación. Una recogida bien hecha compensa una transcripción imperfecta.
¿Puedo usar la voz de alguien de mi equipo?
Técnicamente sí, pero necesitas su consentimiento explícito y por escrito, y hay que prever qué pasa con esa voz si la persona deja la empresa. Por eso nosotros usamos voces generadas.
¿Quieres oírlo en catalán antes de decidir nada?
Te hacemos escuchar al agente diciendo el nombre de tu negocio y de tu calle. Diez segundos y lo juzgas tú.
Demo gratuita