Tendencias e insights digitales · Inteligencia artificial · Novedades en el ámbito digital
La voz de la IA cobra vida: ElevenLabs lanza «Expressive Mode» para agentes conversacionales con emociones
ElevenLabs, una de las pioneras en síntesis de voz mediante inteligencia artificial, anunció un avance que promete revolucionar la forma en que interactuamos con agentes de IA: Expressive Mode.
Lanzado a principios de febrero de 2026, este nuevo recurso permite que las voces generadas por IA varíen dinámicamente su tono, emoción, énfasis y ritmo en tiempo real, creando conversaciones mucho más naturales y empáticas .
El fin de la voz robótica
Uno de los mayores obstáculos para la adopción masiva de agentes de voz ha sido su incapacidad para transmitir emociones genuinas. Las voces sintéticas, por más claras que sean, suelen sonar monótonas y robóticas, lo que rompe la inmersión y reduce la eficacia de la comunicación, especialmente en situaciones delicadas, como las llamadas de atención al cliente. El Expressive Mode de ElevenLabs fue diseñado precisamente para resolver este problema.
La tecnología analiza el contexto de la conversación y el tono del interlocutor humano para modular la voz del agente de IA. Esto permite que el agente suene más tranquilo para desescalar una situación de conflicto, más enfático al proporcionar información importante o más animado para celebrar una resolución exitosa. El control de los matices emocionales es lo que distingue a esta tecnología.
|
Característica
|
Voz sintética tradicional
|
Modo expresivo (ElevenLabs)
|
|
Tono
|
Monótono y constante
|
Dinámico y variable
|
|
Emoción
|
Ausente o preprogramada
|
Adaptativa en tiempo real
|
|
Ritmo
|
Fijo y poco natural
|
Fluido y conversacional
|
|
Latencia
|
Variable, puede ser alta
|
Optimizada para interacciones en tiempo real (<100ms)
|
Baja latencia: la clave para una conversación natural
Además del control emocional, ElevenLabs se centró en un aspecto técnico crucial: la latencia. Para que una conversación con una IA sea fluida, la respuesta debe ser casi instantánea. La empresa afirma haber logrado una latencia inferior a 100 milisegundos, un umbral que hace que la interacción sea prácticamente indistinguible de una conversación humana en cuanto al tiempo de respuesta .
Esta combinación de expresividad emocional y baja latencia tiene el potencial de transformar varias industrias:
- Atención al cliente: Los agentes de IA pueden gestionar llamadas de soporte de forma más empática, mejorar la satisfacción de los clientes y resolver problemas con mayor eficacia.
- Salud: Los asistentes de voz pueden interactuar con los pacientes de una manera más atenta y tranquilizadora.
- Entretenimiento: Los personajes de juegos y experiencias interactivas pueden tener voces mucho más realistas y cautivadoras.
- Accesibilidad: Las herramientas de lectura de pantalla pueden ofrecer una experiencia auditiva más rica y menos agotadora.
Expressive Mode de ElevenLabs no es solo una mejora incremental en la tecnología de síntesis de voz. Es un paso fundamental para derribar la barrera entre las personas y las máquinas, y hacer que la comunicación con la IA no sea solo funcional, sino verdaderamente relacional. La voz de la IA no solo está hablando; ahora empieza a sentir.
