Blog · Guía

Cómo hacer que un agente de IA entienda los audios y las fotos que te mandan por WhatsApp

Respuesta corta: activa «Transcribir notas de voz» y «Describir imágenes» en tu canal de WhatsApp. Con eso, el agente lee la transcripción del audio o una descripción de la foto y responde por escrito como a cualquier mensaje. Empiezan apagados en un número recién conectado, así que sin activarlos el agente no entiende lo que le dicen en un audio. Responde con texto: hoy no envía notas de voz.

Por qué importa en una tienda

Hay clientes que prefieren hablar a escribir, y otros que mandan la foto de lo que buscan. Un bot que solo lee texto se queda en blanco justo con quien ya quiere comprar. Lo que necesitas es que esos mensajes lleguen al agente en una forma que pueda leer.

Qué pasa cuando llega un audio

  1. El audio se transcribe a texto.
  2. El agente lee esa transcripción como un mensaje más, con tu perfil del negocio y tus herramientas a mano.
  3. Responde por escrito.
🎤 Nota de voz: «hola, ¿tienen el vestido azul que subieron ayer en talla M? y ¿hacen envíos a Medellín?»
AgenteHola. Sí, el vestido azul está disponible en M, y hacemos envíos a Medellín. ¿Te preparo el link de pago?

La tienda es inventada. Las respuestas salen de tu catálogo y tu perfil, por lo que vale la pena preparar al agente con tu información.

Y las fotos

La foto se convierte en una descripción de texto, y el agente trabaja con esa descripción. Sirve para «¿tienen algo como esto?» o para entender una captura. Un detalle: si el cliente pregunta después por un detalle fino de la foto, el agente responde con la descripción que quedó, no vuelve a mirar la imagen. Para enviar fotos en el sentido contrario, lee cómo enviar fotos de productos por WhatsApp.

Cómo activarlo

  1. Crea tu cuenta gratis y conecta tu número de WhatsApp en Integraciones.
  2. En los ajustes del canal, activa «Transcribir notas de voz» y «Describir imágenes».
  3. Activa «Respuesta automática» cuando hayas probado.
  4. Mándale un audio y una foto desde otro teléfono y revisa la conversación en Conversaciones.

Cuánto gasta

La respuesta del agente gasta 3 créditos. Entender una nota de voz o una foto suma 2 créditos, así que un audio con su respuesta son 5. Compara lo que incluye cada plan en planes y precios.

Sus límites

Antes de encenderlo

Revisa cuántos mensajes se te quedan sin contestar con la calculadora de mensajes sin contestar, y arma tus respuestas base con el generador de preguntas frecuentes.

Haz que tu agente entienda los audios

Conecta tu WhatsApp, activa los dos interruptores y mándale una nota de voz.

Empieza gratis

Plan gratuito, sin tarjeta. Ver planes y precios.

Sigue leyendo