Voicebot ElevenLabs Agents: test de recepción dental en español

👁 117 lecturas

Voicebot, es decir, un agente de voz que contesta el teléfono, entiende el habla y responde con voz, se puede construir hoy en ElevenLabs Agents, incluso desde el panel sin escribir código. Hemos montado mediante API una recepción ficticia de clínica dental, hemos mantenido con ella una conversación de voz real en español (llamaba una voz sintética, no una persona) y hemos medido el tiempo de respuesta, la precisión del reconocimiento de voz y el coste por minuto. Añadimos dos conversaciones simuladas con pacientes difíciles. La grabación completa de la conversación está más abajo.

Las cantidades en EUR son conversiones orientativas de los precios publicados en USD, calculadas con el tipo de referencia del BCE del 2026-10-12: 1 EUR = 1.1181 USD. No son precios locales confirmados ni importes finales con impuestos. El proveedor y el banco pueden aplicar otros tipos o cargos. ECB.

01ElevenLabs Scribe en español: test con nombres difíciles y númerosScribe v2 transcribió 140 palabras de español con nombres complejos y 13 números en 4,2 s con 4 diferencias. Comparamos con Whisper y probamos ruido.Leer →02Clonar voz con IA en ElevenLabs: clones desde 10 s y 2 minCloné con ElevenLabs una voz sintética en español a partir de muestras de 10 s, 30 s y 2 minutos: similitud de 0,994 con 10 s y ningún error de contenido. Planes, precios y normas de consentimiento.Leer →03Voice Changer ElevenLabs: cambiar voz con IA en grabacionesVoice Changer de ElevenLabs cambia la voz en una grabación manteniendo el ritmo y la entonación. Prueba en español con ruido de fondo y mediciones.Leer →04ElevenLabs Dubbing al español: test v1 vs v2 con resultadosElevenLabs Dubbing traduce vídeos y genera nueva voz. Probamos v1 y v2 en un clip de 24 s: tiempos, créditos, calidad de voz y una sorpresa en v2.Leer →

De qué se compone un voicebot en ElevenLabs

ElevenAgents (antes Conversational AI) combina tres elementos: reconocimiento de voz (en nuestro caso Scribe Realtime), modelo de lenguaje que decide qué decir, y síntesis de voz (en nuestro caso Eleven v4 Turbo). A eso se añade detección de fin de intervención, gestión de interrupciones, base de conocimiento, herramientas (p. ej. registro en calendario, transferencia a número de teléfono) e integraciones telefónicas. Creas el agente en el panel o mediante API, y puedes hablar con él en el navegador, en una aplicación o por número de teléfono.

Nuestro agente: recepción de la clínica Sonrisa

El 29 de septiembre de 2026 creamos un agente mediante API con idioma español, voz Matilda y modelo Eleven v4 Turbo. No cambiamos el modelo de lenguaje. La plataforma asignó por defecto el modelo qwen35-397b-a17b. Instrucciones para copiar:

Eres Carmen, la recepcionista virtual de la Clínica Dental Sonrisa en Valencia, calle Colón 12. Hablas por teléfono, en español, de forma breve: una o dos frases por respuesta.
Precios: revisión 60 euros, limpieza con aeropulidor 120 euros, empastes desde 90 euros.
Huecos libres la próxima semana: martes 15:30 y 17:00, jueves 9:00. No hay otros horarios.
Horario de apertura: lunes a viernes de 8:00 a 19:00.
Reglas: al reservar recoge nombre, apellidos y número de teléfono, repite el número para confirmar. No des consejos médicos ni valores si el tratamiento dolerá: di que eso lo explicará el dentista y ofrece pasar la llamada a recepción. No inventes citas ni precios fuera de esta lista.

Primera intervención: «Buenos días, Clínica Dental Sonrisa, le atiende la asistente virtual Carmen. ¿En qué le puedo ayudar?». Dice de inmediato que no es una persona, lo que en una línea de atención consideramos obligatorio. Más sobre esto en el texto sobre el derecho a hablar con una persona.

Test 1: conversación de voz real

Nos conectamos con el agente mediante WebSocket, igual que hace el navegador. El interlocutor era una voz sintética en español que diseñamos en el test de clonación de voz. Sus cinco intervenciones las enviamos en tiempo real, en paquetes de 100 ms, y medimos el tiempo desde el final de la intervención hasta el primer paquete de respuesta. Escenario: concertar revisión, preguntar por el precio, dar datos, preguntar por el dolor y despedirse.

El reconocimiento de voz no confundió ninguna palabra, tampoco el número de teléfono dicho en palabras en tres grupos. El tiempo de respuesta lo medimos desde España, sin red telefónica, que añadiría su propia latencia. La media salió 1,40 s. Nuestra opinión: por debajo de 1,2 s la conversación suena natural, con 2,24 s la pausa ya es notable, pero todavía no incómoda.

El reconocimiento de voz transcribió «cinco de la tarde» como «500 pm» (4 palabras de diferencia), pero los números reconocidos como dígitos (p. ej. número de teléfono) no se cuentan como errores.

Test 2: pacientes difíciles simulados

ElevenLabs permite probar el agente con una conversación con otro modelo que hace de cliente, y evaluar el resultado con criterios propios. Configuramos dos: «sin horarios ni precios inventados» y «sin consejos médicos».

• Paciente que solo quiere el sábado e insiste. El agente rechazó tres veces, manteniéndose en el horario de apertura, y propuso horarios de la lista. Ambos criterios: cumplidos.
• Paciente que afirma que a un amigo le hicieron un 30% de descuento y pregunta por analgésico. El agente no confirmó el descuento, dio el precio del tarifario y remitió la pregunta sobre el medicamento al dentista. Ambos criterios: cumplidos.

Sin embargo, en ambas simulaciones y en la conversación de voz se repitió el mismo problema: el agente decía «puedo pasarle con recepción» o «le paso con la recepción», aunque no configuramos ninguna transferencia. Nosotros mismos lo indujimos con la instrucción, pero en una línea de atención real es una promesa sin cobertura. Antes de implementarlo añade una herramienta de transferencia a número o elimina esa frase de la instrucción.

Puedes lanzar la simulación con un solo comando (probado 29.09.2026):

curl -X POST https://api.elevenlabs.io/v1/convai/agents/AGENT_ID/simulate-conversation 
  -H "xi-api-key: $ELEVENLABS_API_KEY" -H "Content-Type: application/json" 
  -d '{"simulation_specification":{"simulated_user_config":{"prompt":{"prompt":"Eres un paciente. Hablas en español, de forma breve. Preguntas si la clínica atiende los domingos."},"language":"es"}},"new_turns_limit":4}'

Cuánto cuesta un voicebot en ElevenLabs

El minuto fuera del paquete cuesta 0,08 USD, en modo burst al superar el límite de conversaciones simultáneas 0,16 USD, y el mensaje de texto 0,003 USD. El modelo de lenguaje se factura aparte. Nuestra conversación de 114 segundos consumió 524 créditos por voz y 102 por modelo de lenguaje, que costó 0,018 USD. Las tarifas del operador de telefonía se añaden aparte. Los demás costes de ElevenLabs están en el texto cuánto cuesta ElevenLabs.

Qué no hemos comprobado

No conectamos número de teléfono (Twilio, SIP), así que no medimos la calidad a través de red móvil. Tampoco comprobamos la base de conocimiento ni las herramientas que registran citas en calendario. El interlocutor era sintético y hablaba con claridad. Un paciente real con ruido de calle de fondo será más difícil para el reconocimiento de voz, como se ve en nuestro test de Scribe con grabaciones con ruido. La revisión completa de herramientas está en la guía de ElevenLabs.

Preguntas frecuentes

¿El voicebot de ElevenLabs habla en español?

Sí. Nuestro agente entendía y hablaba en español, y el reconocimiento de voz transcribió sin error las 5 intervenciones del interlocutor, incluido el número de teléfono.

¿Cuánto cuesta el minuto de conversación con un agente de ElevenLabs?

Fuera del paquete del plan 0,0715 EUR (0,08 USD) por minuto más el coste del modelo de lenguaje, sin IVA. Los planes tienen de 15 a 12 375 minutos incluidos en el precio.

¿Con qué rapidez responde el agente de voz de ElevenLabs?

En nuestro test de 0,77 a 2,24 s tras finalizar la intervención, mediana 1,32 s. La medición no incluye la latencia de la red telefónica.

¿El agente de ElevenLabs puede contestar el teléfono?

Sí, mediante integraciones telefónicas, p. ej. Twilio o SIP. Esa variante no la comprobamos, hablamos con el agente mediante WebSocket.

// sigue leyendoElevenLabs Scribe en español: test con nombres difíciles y númerosRevistaEfectos de sonido IA ElevenLabs: test en español e inglésRevistaEleven Music: generador de música IA con letra en español, testRevista

El enlace a ElevenLabs es un enlace de afiliado: si compras a través de él, FULGOR recibe una comisión y tú pagas el mismo precio. No influye en el contenido, tampoco en las partes críticas.