Usted está aquí:
Mensajes de voz de WhatsApp
Los mensajes de WhatsApp Voice permiten a los usuarios de WhatsApp interactuar con su agente Agentforce utilizando voz en vez de texto. Agentforce transcribe mensajes de voz a texto, los procesa como mensajes escritos y responde automáticamente en el mismo formato utilizado para cada mensaje. Los usuarios de WhatsApp pueden cambiar entre voz y texto en la misma plática.
Cómo funcionan los mensajes de Voice
Cuando un usuario de WhatsApp envía un mensaje de voz, Agentforce lo procesa en estos pasos.
- Descarga el archivo de audio y lo transcribe a texto a través de Einstein Trust Layer.
- Procesa el texto transcrito utilizando el motor de razonamiento del agente.
- Genera una respuesta.
- Envía la respuesta como:
- Un mensaje de voz cuando se activan las respuestas de voz.
- Un mensaje de texto u otro formato de respuesta disponible cuando las respuestas de voz no están activadas.
Cómo funcionan las respuestas de voz y texto
Cuando se activan las respuestas de voz, Agentforce responde automáticamente en el mismo formato que cada mensaje entrante: un mensaje de voz entra recibe un mensaje de voz, un mensaje de texto entra recibe un mensaje de texto.
| Mensaje de usuario de WhatsApp | Respuesta de agente |
|---|---|
| Mensaje de voz | Mensaje de voz (cuando se activan las respuestas de voz) |
| Mensaje de voz | Mensaje de texto (cuando se desactivan las respuestas de voz) |
Los usuarios de WhatsApp pueden cambiar entre voz y texto durante la plática, y Agentforce coincide con el tipo de respuesta para cada turno. No hay ninguna configuración para hacer que el agente responda siempre con voz.
Si las respuestas de voz están desactivadas, el agente aún puede transcribir y procesar mensajes de voz entrantes pero responde con texto.
Límites y formatos de archivo
Los mensajes de voz admiten los siguientes formatos y límites de archivo.
| Propiedad | Usuario de WhatsApp a agente | Agente a usuario de WhatsApp |
|---|---|---|
| Formato de audio | OGG (audio/ogg) | OGG (audio/ogg) |
| Tamaño de archivo | Hasta 2 MB | Hasta 5 MB |
| Duración | Alrededor de 1 minuto | Alrededor de 1 minuto |
Los mensajes de voz utilizan el formato de audio OGG con el tipo MIME audio/ogg. Las extensiones de archivo compatibles son .ogg, .oga y .ogx.
Si un mensaje de voz supera los límites de duración o tamaño del archivo admitido, Agentforce no lo procesa.
Los mensajes de voz admiten los siguientes límites de texto.
| Propiedad | Usuario de WhatsApp a agente | Agente a usuario de WhatsApp |
|---|---|---|
| Longitud de texto | 2.000 caracteres después de la transcripción | 3.000 caracteres antes de la síntesis de voz |
Si una respuesta de agente supera la longitud del texto admitido, Agentforce envía la respuesta como texto en vez de voz.
Consideraciones y Limitaciones
- Tiempo de respuesta
Los mensajes de voz tardan más en procesarse que los mensajes de texto porque Agentforce transcribe el audio entrante y genera voz para la respuesta. El tiempo de respuesta habitual es de 12-17 segundos. Las respuestas de agentes más largas pueden tardar más de 20 segundos. Mantenga las respuestas de los agentes concisas para reducir el tiempo de respuesta.
- Calidad de audio
La transcripción de voz y la síntesis de voz dependen de la calidad del audio. El ruido de fondo, los largos periodos de silencio o la falta de claridad del habla pueden reducir la precisión de la transcripción. Si Agentforce no puede transcribir con precisión un mensaje de voz, solicita al usuario de WhatsApp repetir el mensaje o enviarlo como texto.
- Compatibilidad de canal
Los mensajes de voz solo funcionan en WhatsApp. Otros canales de mensajería no admiten mensajes de voz.
- Detección de idioma
Mantenga cada plática en un solo idioma que coincida con el idioma que utiliza el usuario de WhatsApp y el idioma configurado para el agente. El cambio de idiomas durante una sesión puede afectar a la detección de idiomas para respuestas posteriores.
- Configuración de idioma de subagente
Si su agente utiliza subagentes, configure cada subagente para que utilice el mismo idioma que el agente. Si un subagente responde en un idioma diferente, el agente utiliza su idioma configurado para la respuesta de voz, lo que puede dar como resultado una pronunciación incorrecta o un acento no intencionado.
Por ejemplo, si un agente en inglés utiliza un subagente configurado para español, el agente puede pronunciar la respuesta en español del subagente utilizando la pronunciación en inglés.
- Requisitos de agentes
Su agente debe crearse en Agentforce Builder y utilizar el motor de razonamiento Atlas. No se admiten los agentes creados en el generador heredado.
- Mensajes de distribución
Cuando una plática se transfiere correctamente a un agente humano, el mensaje de transferencia coincide con el formato de entrada del usuario de WhatsApp. Si el usuario de WhatsApp envió un mensaje de voz, el mensaje de traspaso se envía como voz. Si el usuario de WhatsApp envió un mensaje de texto, el mensaje de traspaso se envía como texto. Si la transferencia falla, el mensaje siempre se envía como texto.
- Representación de voz en WhatsApp
Las respuestas de voz aparecen como archivos adjuntos de audio en vez de mensajes de voz debido a los requisitos de formato de WhatsApp.
- Respuestas coincidentes por turnos
Agentforce responde con un mensaje de voz solo cuando el usuario de WhatsApp envía un mensaje de voz. Los mensajes de texto reciben respuestas de texto. No puede configurar el agente para responder siempre con voz.
- Razonamiento basado en transcripciones
Agentforce razona sobre el texto transcrito, no el audio original. No interpreta el tono, la emoción, los sonidos de fondo u otras señales que no sean de voz.
- Límites de mensajes de voz
Los usuarios de WhatsApp pueden enviar un mensaje de voz por turno de plática. No se admiten múltiples mensajes de voz en el mismo mensaje.
- Entradas multimodales
Los mensajes de voz solo admiten audio. Las imágenes, los archivos y otras entradas multimodales no se admiten en el mismo mensaje.
- Procesamiento de datos
La transcripción de mensajes de voz y la síntesis de voz utilizan Agentforce Speech Foundations. Para obtener información acerca de cómo se procesan sus datos, consulte Infraestructura y subprocesadores.
