ChatCieloDocs
Automatización e IA

Google Speech-to-Text — Transcripción de Audios

Transcribe automáticamente las notas de voz recibidas en WhatsApp a texto para tus agentes

Google Speech-to-Text — Transcripción de Audios

Con Google Speech-to-Text tus agentes leen cada nota de voz de WhatsApp como texto al instante, sin necesidad de reproducir el audio. Ideal para oficinas ruidosas, atención rápida y para mantener el historial buscable.

Beneficio principal: el agente ve la transcripción justo debajo del audio en el chat. Ahorra tiempo, evita errores por audios inaudibles y permite responder más rápido — incluso con volumen en silencio.

Cómo funciona

  1. El cliente envía una nota de voz por WhatsApp.
  2. ChatCielo envía el audio a Google Cloud Speech-to-Text y recibe la transcripción en segundos.
  3. La transcripción aparece en la burbuja del mensaje, lista para que el agente la lea, copie o use en automatizaciones.
  4. El audio original permanece disponible para reproducirlo si es necesario.

Funciona con audios en español neutro y otros idiomas configurados en Google Cloud. La precisión mejora con audios claros de hasta 60 segundos.

Configuración paso a paso en Google Cloud Console

Crear proyecto y habilitar la API

  1. Entra a Google Cloud Console con tu cuenta de Google.
  2. Crea un Proyecto nuevo (ej. chatcielo-speech) o selecciona uno existente.
  3. En el menú lateral ve a APIs y servicios > Biblioteca.
  4. Busca Cloud Speech-to-Text API y haz clic en Habilitar.

Debes habilitar facturación en el proyecto. Google ofrece una capa gratuita mensual y luego cobra por minuto transcrito. Revisa los precios vigentes en la página oficial de Speech-to-Text.

Crear Cuenta de Servicio y generar Clave JSON

  1. Ve a IAM y administración > Cuentas de servicio y haz clic en Crear cuenta de servicio.
  2. Asigna un nombre (ej. chatcielo-transcripcion) y otorga el rol Cloud Speech Client o Editor limitado a Speech-to-Text.
  3. Dentro de la cuenta creada, entra a la pestaña Claves > Agregar clave > Crear clave nueva.
  4. Selecciona formato JSON y descarga el archivo. Contiene las credenciales que ChatCielo usará para autenticarse.

Guarda el archivo JSON en un lugar seguro. Contiene tu clave privada y no debe compartirse por correo o chats no cifrados.

Pegar el JSON en ChatCielo

  1. En ChatCielo ve a Administración > Canales, edita tu Canal WhatsApp (oficial WABA o QR según tu configuración).
  2. Busca la sección Transcripción de audios / Google Speech-to-Text.
  3. Abre el archivo JSON descargado con un editor de texto, copia todo el contenido y pégalo en el campo de configuración.
  4. Guarda los cambios y haz clic en Probar conexión si está disponible.

Ejemplo de contenido (fragmento, no uses este valor):

{
  "type": "service_account",
  "project_id": "chatcielo-speech",
  "private_key_id": "abc123...",
  "client_email": "chatcielo-transcripcion@chatcielo-speech.iam.gserviceaccount.com"
}

Prueba real en el chat

Envía una nota de voz de prueba

Desde un número externo (tu propio celular), envía una nota de voz al número conectado a ChatCielo. Di una frase clara, por ejemplo: “Hola, quiero consultar el estado de mi pedido número 1234”.

Verifica la transcripción

Abre la conversación en Atenciones > Panel de Chats. Debajo del reproductor de audio verás el texto transcrito automáticamente. Si no aparece en 10 segundos, actualiza la conversación y verifica que el JSON se haya guardado correctamente.

Responde usando el texto

El agente puede copiar la transcripción, buscar palabras clave o responder directamente. El historial queda con audio + texto para auditoría y para entrenar respuestas rápidas.

Recomendaciones y solución de problemas

  • Idioma: configura es-ES o es-419 para español neutro/latinoamericano en Google Cloud si tu panel lo permite. La detección automática funciona bien para frases cortas.
  • Calidad del audio: los audios con ruido de fondo, susurros o volumen muy bajo reducen la precisión. Pide al cliente que reenvíe si la transcripción sale vacía.
  • Límites: audios de más de 2 minutos pueden truncarse. Para audios largos, la transcripción muestra los primeros segundos con mayor confianza.
  • Costos: monitorea el consumo en Google Cloud > Facturación. Desactiva la transcripción en canales donde no la necesites para optimizar costos.
  • Variables: puedes usar el texto transcrito en automatizaciones con {{transcripcion}} o guardarlo como nota con {{ultimo_audio_texto}} según la configuración de tu flujo.

La transcripción es un apoyo a la atención humana: siempre deja el audio original accesible para que el agente valide matices, tono y datos críticos antes de actuar.

Previous

VAPI — Asistentes de Voz con IA

Next

Notificaciones WebPush (PWA en Móviles)