Saltar al contenido

Blog · WhatsApp y canales

¿Hay una IA que transcriba sola los audios de WhatsApp de tus clientes?

Sí: Meteor transcribe al llegar las notas de voz que te mandan tus clientes al WhatsApp de la empresa. Qué ve tu equipo, qué hace el agente y sus límites.

Alejandro Kratc Publicado el 6 min de lectura

¿Hay alguna IA que transcriba automáticamente los audios de WhatsApp que me mandan los clientes de mi negocio?

Sí. Meteor transcribe sola, al llegar, cada nota de voz que un cliente le manda al número de WhatsApp de tu empresa conectado por la API oficial, y también las que llegan por Instagram y Messenger. No tienes que reenviar el audio ni reproducirlo: el texto aparece debajo del audio en la bandeja, el agente de IA (en Meteor lo llamamos Met) lo lee antes de responder, y por API y webhook sale en el campo attachments[].transcript. Cada audio consume Energía de tu saldo. No sirve para tu WhatsApp personal, y hoy el idioma esperado es el español.

¿Hay alguna IA que transcriba automáticamente los audios de WhatsApp de mis clientes? (2026) · 4 min. El texto aparece debajo del audio en la bandeja, el agente (en Meteor se llama Met) lo lee antes de responder y tu sistema lo recibe por API y webhook en attachments[].transcript. También se transcriben las notas que graba tu equipo. Cada audio consume Energía según su duración; el tope es de 24 MB por archivo; no sirve para tu WhatsApp personal, y hoy el idioma esperado es el español.

Sí existe, y no tienes que reenviar nada a otra herramienta. Cuando el número de WhatsApp de tu empresa está conectado a Meteor por la API oficial, cada nota de voz que te manda un cliente se convierte en texto al llegar, mientras tengas saldo de Energía. Ese texto lo lee tu equipo en la bandeja, lo usa el agente para responder y lo recibe tu sistema por API.

Hay dos búsquedas que se parecen. Si quieres leer los audios de tus propios chats, la app de WhatsApp ya los transcribe en el teléfono, desde Ajustes, Chats. Esa transcripción queda en ese teléfono. Si tienes un negocio y quieres que el audio de cada cliente quede escrito en la conversación, para todo el equipo y para el agente, eso es lo que resuelve Meteor.

Qué pasa con un audio que llega

PasoQué ocurreQué ves tú
1. El cliente manda la nota de vozMeteor descarga el archivo y lo guarda en almacenamiento privado, como adjunto del contactoEl audio en la conversación
2. Se revisa el saldoLa transcripción consume Energía; sin saldo, el audio queda sin textoEl audio, sin texto debajo
3. Se prepara el archivoSi el formato no es uno que el motor de transcripción acepta tal cual, como el AAC que envían algunos teléfonos, AMR o 3GP, se convierte a OGG antesNada: es automático
4. El motor de transcripción lo convierte en textoEl texto queda guardado junto al audio«Transcribiendo…» mientras tanto
5. El texto entra al contextoEl Met recibe el audio con su transcripción antes de preparar la respuestaLa respuesta del Met, si hay uno asignado
6. Sale hacia tus sistemasEl texto viaja en attachments[].transcript por API y webhookLo que tu integración haga con él

Si en cualquier paso algo falla, el mensaje se guarda igual. La transcripción es un extra sobre el mensaje, nunca una condición para recibirlo.

Qué ve tu equipo en la bandeja

En la bandeja de conversaciones cada nota de voz se muestra con su reproductor, y el texto aparece debajo, a la vista. La idea es que leer de reojo sea más rápido que darle play. Cuando la nota es larga, más o menos de 40 palabras en adelante, el texto se pliega para no ocupar toda la conversación, y se abre con un clic.

El texto queda en el historial del contacto. Quien retome el caso mañana lee lo que el cliente dijo sin escuchar el audio otra vez.

En la configuración de conversaciones eliges el nivel de IA para notas de voz: Ágil, Brillante o Genio. Según la descripción del producto, Brillante entiende mejor el ruido de fondo y el acento, y Ágil es más rápido y económico.

Qué hace el agente con el texto

Si el canal tiene un Met asignado, el Met recibe la transcripción como parte del mensaje y responde sobre lo que el cliente dijo, como si lo hubiera escrito. Si el audio trae un número de pedido, una fecha o una dirección, el Met los tiene en texto para consultar o confirmar con las herramientas que le hayas conectado.

Sin Met, tu equipo responde desde la misma bandeja, con el texto a la vista.

Responder con voz es una capacidad aparte. Si el Met tiene una voz configurada, contesta en nota de voz a quien le habló en audio. En la configuración del Met lo enciendes o lo apagas, y también puedes hacer que una parte de las respuestas a mensajes escritos salga en voz. Si la voz falla, el cliente recibe la respuesta escrita.

Las notas de voz de tu equipo también

Las notas de voz que un asesor graba en la bandeja se transcriben igual que las del cliente, y lo mismo las que el dueño manda desde la app del celular cuando el número está conectado con coexistencia. Consumen Energía como las de entrada. Las respuestas del Met no se transcriben: ya son texto.

Para integradores: dónde queda el texto

Por la API pública de Meteor, cada mensaje con audio trae el texto en el adjunto:

"attachments": [
  { "type": "audio", "url": "https://…/nota.ogg", "transcript": "Hola, necesito una guía para mañana" }
]
  • El campo content sigue diciendo "[Audio]", así que una integración que ya distingue audios por ese texto no cambia.
  • El webhook contact.message.received trae transcript cuando la transcripción estuvo lista en los primeros 30 segundos. Si tardó un poco más, normalmente el texto aparece al consultar los mensajes del contacto por la API.
  • contact.message.sent trae el mismo campo para las notas de voz de tu equipo.

Los detalles están en la guía de webhooks del portal de desarrolladores, enlazada en las fuentes.

Cuánto cuesta

Cada audio transcrito se descuenta de tu saldo de Energía según su duración. En los planes Estudio a Campus consume menos de un centavo de dólar por minuto. Un mismo audio no se cobra dos veces: si ya tiene texto, se reutiliza. El plan Estudio cuesta US$99 al mes con US$10 de Energía incluidos; el resto está en Precios. Los mensajes de WhatsApp los cobra Meta aparte, como explica qué es la API de WhatsApp Business.

Límites que conviene saber

  • No es para tu WhatsApp personal. Funciona sobre la línea de la empresa en la API oficial. Si hoy usas solo la app, mira la diferencia entre la API y la app.
  • Audios largos. El tope es 24 MB por archivo. Una nota de voz normal está muy por debajo; una grabación larga reenviada puede pasarlo y queda sin texto.
  • Ruido y acento. Un audio con mucho ruido sale peor. Si pasa seguido, sube el nivel de IA para notas de voz y prueba con audios reales.
  • Idioma. Hoy el idioma esperado es el español. Si atiendes clientes en otro idioma, pruébalo antes de contar con ello.
  • Privacidad. Una nota de voz es un dato personal del cliente, y a veces sensible. Tu empresa responde por ese tratamiento: lee qué exige el habeas data cuando un agente atiende por WhatsApp.

Si quieres ver el recorrido completo con ejemplos de pedidos, reclamos y respuestas del equipo, está en transcribir audios de WhatsApp.

Los límites

Qué NO responde este artículo

Preferimos decirlo aquí que dejarte buscando algo que no está.

Sigue por aquí

Lo que este artículo menciona, en detalle

Las integraciones, los Mets y las automatizaciones que aparecen en el artículo, cada uno con su ficha.

De dónde sale

Fuentes

Lo que este artículo afirma y no medimos nosotros, con su origen.

Preguntas frecuentes

Preguntas sobre este tema

No directamente. Meteor transcribe lo que entra por un número conectado a la API oficial de WhatsApp Business. Si atiendes desde la app del celular, la coexistencia deja el mismo número en el celular y en Meteor, cuando Meta la habilita para tu número; desde ahí los audios nuevos se transcriben.

Los audios que llegan por los canales se transcriben con el español como idioma esperado. Si una parte importante de tus clientes habla otro idioma, pruébalo con audios reales antes de contar con ello.

Se descuenta de tu saldo de Energía según la duración. En los planes Estudio a Campus consume menos de un centavo de dólar por minuto. Cada plan trae Energía incluida, desde US$10 en Estudio. Sin saldo, el audio llega igual pero sin texto.

Sí. El audio queda como adjunto del contacto y la transcripción junto a él, en la misma conversación. Los archivos que entran por los canales se guardan en almacenamiento privado y se abren con enlaces firmados, no con una dirección pública.

Sí, si el Met tiene una voz configurada. Entonces responde en audio a quien le habló en audio, y eso se enciende o se apaga en la configuración del Met. Si la voz falla, el cliente recibe la respuesta escrita.

Sí. Las notas de voz que un asesor graba en la bandeja, y las que el dueño manda desde el celular con coexistencia, se transcriben y consumen Energía igual que las del cliente. Las respuestas del Met no se transcriben porque ya son texto.

El mensaje y el audio se guardan igual y la conversación sigue. Un archivo de más de 24 MB, un fallo del motor de transcripción o la falta de saldo dejan el audio sin texto, y el Met no afirma haber entendido algo que no pudo leer.

Sigue leyendo

Otros artículos sobre lo mismo

¿Quieres verlo con tu operación?

Te lo mostramos con tus cuentas conectadas, no con una demostración enlatada.