[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"blog-/blog/noticias/microsoft-mai-transcribe-voz-espanol-mexico-agentes":3,"prev-/blog/noticias/microsoft-mai-transcribe-voz-espanol-mexico-agentes":390,"next-/blog/noticias/microsoft-mai-transcribe-voz-espanol-mexico-agentes":367,"related-/blog/noticias/microsoft-mai-transcribe-voz-espanol-mexico-agentes":393,"author-Valeria Ríos":411},{"id":4,"title":5,"author":6,"authorUrl":7,"body":8,"category":343,"cta":344,"date":350,"dateModified":350,"description":351,"draft":352,"extension":353,"faq":354,"featured":352,"howto":367,"image":368,"imageAlt":369,"intent":370,"keywords":371,"meta":376,"navigation":377,"path":378,"publishedTime":379,"readingTime":380,"seo":381,"seoTitle":382,"stem":383,"tags":384,"__hash__":389},"blog/blog/noticias/microsoft-mai-transcribe-voz-espanol-mexico-agentes.md","Microsoft ya tiene todo para un agente de voz en español de México: lo que cuesta y lo que todavía no conviene","Valeria Ríos","/autores/valeria-rios",{"type":9,"value":10,"toc":333},"minimark",[11,36,47,52,117,132,147,163,167,174,211,225,228,232,279,283,303,307,324],[12,13,14,15,19,20,23,24,27,28,31,32,35],"p",{},"El ",[16,17,18],"strong",{},"miércoles 1 de octubre de 2026",", Microsoft lanzó tres modelos de voz hechos por su propia división de IA: ",[16,21,22],{},"MAI-Transcribe-2-Streaming",", que convierte voz a texto mientras la persona todavía está hablando, y ",[16,25,26],{},"MAI-Voice-2.1"," y ",[16,29,30],{},"MAI-Voice-2.1-Flash",", que hacen lo contrario. La propia Microsoft los presenta como ",[16,33,34],{},"las piezas para construir agentes conversacionales",": el oído y la boca de un agente telefónico. El cerebro lo pone el modelo de lenguaje que elijas.",[12,37,38,39,42,43,46],{},"Para una empresa mexicana, el detalle que importa está en la documentación: ",[16,40,41],{},"cuatro voces con acento de México"," (es-MX), una de ellas con un estilo específico para ",[16,44,45],{},"centro de llamadas",".",[48,49,51],"h2",{"id":50},"qué-hay-en-la-caja","Qué hay en la caja",[53,54,55,74],"table",{},[56,57,58],"thead",{},[59,60,61,65,68,71],"tr",{},[62,63,64],"th",{},"Pieza",[62,66,67],{},"Qué hace",[62,69,70],{},"Idiomas",[62,72,73],{},"Precio de lanzamiento (hasta 31-dic-2026)",[75,76,77,91,104],"tbody",{},[59,78,79,82,85,88],{},[80,81,22],"td",{},[80,83,84],{},"Voz a texto en tiempo real",[80,86,87],{},"60, con detección automática",[80,89,90],{},"USD 0.54 por hora de audio",[59,92,93,95,98,101],{},[80,94,26],{},[80,96,97],{},"Texto a voz de alta fidelidad, para narración",[80,99,100],{},"23 idiomas, 26 variantes",[80,102,103],{},"USD 22 por millón de caracteres",[59,105,106,108,111,114],{},[80,107,30],{},[80,109,110],{},"Texto a voz de baja latencia, para conversación",[80,112,113],{},"23 idiomas",[80,115,116],{},"USD 15 por millón de caracteres",[12,118,119,120,123,124,127,128,46],{},"La transcripción reconoce el español y, según la documentación de Microsoft, maneja conversaciones que ",[16,121,122],{},"brincan entre español e inglés"," a media frase, algo común en atención a clientes del norte del país o en empresas con matriz extranjera. Las voces mexicanas listadas son ",[16,125,126],{},"Alejo, Grant, Harper y Valeria","; Harper incluye el estilo ",[129,130,131],"code",{},"customer_call_center",[12,133,134,135,138,139,142,143,146],{},"Sobre la velocidad, las cifras varían según quién las reporta: DataNorth habla de primeras palabras a ",[16,136,137],{},"unos 100 milisegundos"," de recibir el audio; Runtime Wire, de palabras que aparecen ",[16,140,141],{},"desde 320 milisegundos",". Microsoft reporta ",[16,144,145],{},"2.5% de error por palabra"," en su propia prueba, y TechTimes recuerda que es una cifra de laboratorio: en llamadas reales, con ruido y mala señal, los sistemas comerciales suelen equivocarse bastante más.",[148,149,152],"callout",{"icon":150,"title":151},"i-lucide-flask-conical","Vista previa: no es para atender clientes todavía",[12,153,154,155,158,159,162],{},"Los tres modelos están en ",[16,156,157],{},"vista previa pública",". La documentación de Microsoft lo dice sin rodeos: ",[16,160,161],{},"sin acuerdo de nivel de servicio y no recomendado para producción",". Si un proveedor te ofrece \"un agente de voz con lo nuevo de Microsoft\" para la línea de ventas el mes que entra, pregúntale qué hace cuando el servicio falle a media llamada.",[48,164,166],{"id":165},"lo-que-cuesta-en-números-de-pyme","Lo que cuesta en números de PyME",[12,168,169,170,173],{},"Un ejercicio ilustrativo, con los precios de lanzamiento. Supón ",[16,171,172],{},"1,000 llamadas al mes de 3 minutos",":",[175,176,177,187,196],"ul",{},[178,179,180,183,184,46],"li",{},[16,181,182],{},"Transcripción en vivo:"," 3,000 minutos son 50 horas, unos ",[16,185,186],{},"USD 27 al mes",[178,188,189,192,193,46],{},[16,190,191],{},"Voz del agente con Flash:"," si el agente habla unos 1,500 caracteres por llamada, son 1.5 millones de caracteres, unos ",[16,194,195],{},"USD 22.50 al mes",[178,197,198,199,202,203,206,207,210],{},"A eso hay que sumarle ",[16,200,201],{},"el modelo de lenguaje"," que razona la respuesta, la ",[16,204,205],{},"telefonía"," y, sobre todo, ",[16,208,209],{},"la integración"," con tu CRM o ERP, que es donde se va el dinero de verdad.",[12,212,213,214,217,218,221,222,46],{},"Dos matices. Primero, son ",[16,215,216],{},"precios promocionales que vencen el 31 de diciembre de 2026",", y Microsoft no ha publicado la tarifa posterior. Segundo, TechTimes calcula que la transcripción en vivo de Microsoft (USD 9 por mil minutos) es ",[16,219,220],{},"más cara que la de Deepgram o ElevenLabs"," (alrededor de USD 6.50); su argumento a favor es la integración nativa con Azure. Si audio ya grabado te basta, la transcripción por lotes cuesta ",[16,223,224],{},"USD 0.10 por hora",[226,227],"ad-banner",{},[48,229,231],{"id":230},"qué-hacer-con-esto","Qué hacer con esto",[233,234,235,241,251,257,267],"ol",{},[178,236,237,240],{},[16,238,239],{},"No cambies nada en producción."," Si ya tienes un agente de voz funcionando con otro proveedor, esto no es razón para migrar hoy.",[178,242,243,246,247,250],{},[16,244,245],{},"Haz un piloto con grabaciones reales."," Toma 20 llamadas de tu centro de atención (con el aviso de privacidad en orden) y pásalas por la transcripción. Mide cuántos nombres de producto, claves y números de pedido entiende bien. La función de ",[16,248,249],{},"lista de frases"," permite darle tu vocabulario; úsala.",[178,252,253,256],{},[16,254,255],{},"Escucha las voces mexicanas con tus clientes en mente."," Una voz que suena bien en una demo puede sonar demasiado entusiasta para cobranza o demasiado plana para ventas.",[178,258,259,262,263,266],{},[16,260,261],{},"Revisa dónde se procesa el audio."," La lista de regiones que Microsoft publica para las voces ",[16,264,265],{},"no incluye ninguna en México","; las más cercanas están en Estados Unidos y Canadá. Si grabas llamadas con datos personales, tu aviso de privacidad debe contemplar esa transferencia.",[178,268,269,272,273,278],{},[16,270,271],{},"Diseña la salida a un humano antes que el agente."," El punto de ",[274,275,277],"a",{"href":276},"/blog/guia-empresarial/agentes-ia-atencion-24-7","cualquier agente de atención"," no es que conteste todo, sino que resuelva lo repetitivo y pase bien lo demás.",[48,280,282],{"id":281},"la-clonación-de-voz-con-candado","La clonación de voz, con candado",[12,284,285,286,289,290,293,294,297,298,302],{},"Ambos modelos de voz pueden ",[16,287,288],{},"clonar una voz con 5 a 60 segundos de audio",". Microsoft mantiene esa función con ",[16,291,292],{},"acceso restringido",": hay que solicitarlo y subir el ",[16,295,296],{},"consentimiento grabado"," de la persona. Es la medida correcta, pero también es un recordatorio de lo que ya está al alcance de cualquiera con menos escrúpulos: si tu empresa autoriza pagos por teléfono, ",[274,299,301],{"href":300},"/blog/tendencias/deepfakes-fraude-ia","el fraude con voces clonadas"," merece una regla de verificación por otro canal.",[48,304,306],{"id":305},"el-contexto","El contexto",[12,308,309,310,314,315,319,320,323],{},"Hace dos meses, OpenAI presentó ",[274,311,313],{"href":312},"/blog/noticias/openai-presence-agentes-voz-empresa","Presence, su producto de agentes de voz con reglas y aprobaciones",". Ahora Microsoft completa las piezas dentro de Azure. La competencia en voz se está moviendo rápido, y eso tiene una consecuencia práctica que ya vimos hoy con ",[274,316,318],{"href":317},"/blog/noticias/gpt-5-5-se-retira-14-octubre","el retiro de GPT-5.5",": ",[16,321,322],{},"los modelos cambian cada pocos meses",". Diseña el agente para que la transcripción, la voz y el modelo de lenguaje se puedan cambiar por separado. El que se case con un solo proveedor en vista previa va a rehacer el trabajo en seis meses.",[325,326],"call-to-action",{"description":327,"eyebrow":328,"icon":329,"label":330,"title":331,"to":332},"Armamos el piloto con tus grabaciones, medimos errores con tu vocabulario y te dejamos un diseño que puede cambiar de proveedor.","Agentes de voz","i-lucide-audio-lines","Platicar el piloto","Prueba un agente de voz en español de México sin arriesgar tu línea de ventas","/contacto",{"title":334,"searchDepth":335,"depth":336,"links":337},"",2,3,[338,339,340,341,342],{"id":50,"depth":335,"text":51},{"id":165,"depth":335,"text":166},{"id":230,"depth":335,"text":231},{"id":281,"depth":335,"text":282},{"id":305,"depth":335,"text":306},"noticias",{"title":345,"description":346,"label":347,"to":348,"icon":349},"¿Tu teléfono podría resolver solo las llamadas repetitivas?","Medimos qué llamadas se repiten, armamos un piloto con transcripción y voz en español de México y lo conectamos a tu CRM o ERP con reglas claras de escalamiento.","Ver automatización","/soluciones/automatizacion","i-lucide-phone-call","2026-10-03","Microsoft lanzó el 1 de octubre modelos de transcripción en vivo y voces con acento mexicano para agentes de voz. Precio, qué falta y cómo probarlos.",false,"md",[355,358,361,364],{"question":356,"answer":357},"¿Qué lanzó Microsoft exactamente?","Tres modelos propios de su división Microsoft AI, presentados el 1 de octubre de 2026: MAI-Transcribe-2-Streaming, que convierte voz a texto mientras la persona sigue hablando, y MAI-Voice-2.1 y MAI-Voice-2.1-Flash, que convierten texto a voz. Juntos son las piezas de oído y boca de un agente telefónico; el cerebro lo pone el modelo de lenguaje que elijas. Están en Microsoft Foundry, Azure Speech, OpenRouter y Vercel AI Gateway.",{"question":359,"answer":360},"¿Funciona en español de México?","La transcripción reconoce 60 idiomas, incluido el español, con detección automática y manejo de conversaciones que mezclan español e inglés. Las voces cubren 23 idiomas y la documentación de Microsoft lista cuatro voces con locale es-MX: Alejo, Grant, Harper y Valeria. Harper tiene un estilo específico para centro de llamadas.",{"question":362,"answer":363},"¿Cuánto cuesta?","Precio de lanzamiento válido hasta el 31 de diciembre de 2026: 0.54 dólares por hora de audio transcrito en tiempo real, 22 dólares por millón de caracteres con MAI-Voice-2.1 y 15 dólares por millón con la versión Flash. La transcripción por lotes, para audio ya grabado, cuesta 0.10 dólares por hora. Según TechTimes, la tarifa de tiempo real queda por encima de la de Deepgram o ElevenLabs, que ronda 6.50 dólares por cada mil minutos contra 9 de Microsoft.",{"question":365,"answer":366},"¿Lo puedo poner a atender clientes ya?","No es lo recomendable. Los tres modelos están en vista previa pública: Microsoft lo dice en su documentación, sin acuerdo de nivel de servicio y no recomendado para cargas de producción. Es buen momento para hacer un piloto interno con llamadas reales grabadas, medir errores en tu vocabulario y tener listo el diseño para cuando salga la versión general.",null,"/images/blog/noticias/microsoft-mai-transcribe-voz-espanol-mexico-agentes.jpg","Ejecutiva de atención a clientes con diadema frente a una pantalla que muestra la transcripción de una llamada en tiempo real","informational",[372,373,374,375],"mai-transcribe-2-streaming","mai-voice-2.1 español méxico","agente de voz ia call center","transcripción en tiempo real precio",{},true,"/blog/noticias/microsoft-mai-transcribe-voz-espanol-mexico-agentes","2026-10-03T17:00:00-06:00",6,{"title":5,"description":351},"Microsoft MAI-Transcribe y voces es-MX para agentes","blog/noticias/microsoft-mai-transcribe-voz-espanol-mexico-agentes",[385,386,387,388],"inteligencia artificial","agentes de voz","atención a clientes","microsoft","2HoQ4rzs8p4UFd5QTwqGfruujbtU1Xqf_YmRJAApNtU",{"path":391,"title":392},"/blog/noticias/schwab-anthropic-clausula-no-entrenar-datos","Schwab puso por contrato que Anthropic no entrene con sus datos: la cláusula que tú también puedes pedir",[394,400,406],{"path":395,"title":396,"description":397,"date":350,"category":343,"image":398,"imageAlt":399,"readingTime":380},"/blog/noticias/task-stomp-puerta-trasera-documentos-wifi","La puerta trasera que no cifra nada: se lleva tus documentos, tus capturas y la contraseña del Wi-Fi","Una campaña descubierta por Securonix instala dos módulos de PowerShell que vigilan el disco en tiempo real y se llevan cada documento nuevo. Prioriza Word, PDF y PowerPoint: es espionaje de documentos corporativos.","/images/blog/noticias/task-stomp-puerta-trasera-documentos-wifi.jpg","Carpeta de documentos corporativos abierta en una computadora mientras se copian archivos en segundo plano",{"path":401,"title":402,"description":403,"date":350,"category":343,"image":404,"imageAlt":405,"readingTime":380},"/blog/noticias/multa-google-403-millones-datos-ubicacion","403 millones de euros por una casilla de configuración: la multa a Google y lo que enseña de tu aviso de privacidad","Irlanda multó a Google por procesar datos de ubicación en tres funciones entre 2018 y 2020. El problema no fue el dato: fue que la gente no entendía para qué se usaba. Eso se parece mucho a tu aviso de privacidad.","/images/blog/noticias/multa-google-403-millones-datos-ubicacion.jpg","Mapa digital con marcadores de ubicación sobre la pantalla de un teléfono empresarial",{"path":317,"title":407,"description":408,"date":350,"category":343,"image":409,"imageAlt":410,"readingTime":380},"GPT-5.5 se apaga el 14 de octubre: qué revisar si tu empresa lo tiene metido en algo","OpenAI retira GPT-5.5 de ChatGPT, ChatGPT Work y Codex el 14 de octubre de 2026. Si alguna automatización de tu empresa lo tiene escrito a mano, deja de funcionar ese día. Cómo revisarlo en una tarde.","/images/blog/noticias/gpt-5-5-se-retira-14-octubre.jpg","Pantalla de configuración de una automatización mostrando el nombre de un modelo de inteligencia artificial",{"id":412,"avatar":367,"bio":413,"entityType":414,"expertise":415,"extension":416,"meta":417,"name":6,"role":418,"slug":419,"social":367,"stem":420,"url":7,"__hash__":421},"authors/authors/valeria-rios.yml","Consultora en inteligencia artificial aplicada al negocio. Ayuda a empresas mexicanas a automatizar procesos y tomar decisiones con datos.","Person","Valeria encabeza el área de IA y automatización de Syswork México. Ha diseñado e implementado asistentes de IA, automatizaciones no-code y proyectos de Business Intelligence para empresas de manufactura, retail y servicios. Escribe sobre IA aplicada con un enfoque práctico y sin tecnicismos, pensado para dueños de negocio y equipos no técnicos.","yml",{},"Líder de IA y Automatización","valeria-rios","authors/valeria-rios","3nnwul4W96j-Iq-KzcJAp0CSl2lr3ThDBWItUu8k_Tg"]