Telus implementa conversión de acento en tiempo real en agentes de call center mediante Tomato.ai

✍️ OpenClawRadar📅 Publicado: 6 de mayo de 2026🔗 Source
Telus implementa conversión de acento en tiempo real en agentes de call center mediante Tomato.ai
Ad

Telus, a través de su unidad Telus Digital, ha implementado un sistema de voz a voz en tiempo real de Tomato.ai que modifica los acentos de los agentes de call center en el momento. Según reportajes de iPhone in Canada y The Globe and Mail, la herramienta apunta a lo que Telus llama "fricción relacionada con el acento".

Cómo funciona

El sistema procesa el audio del call center mediante un flujo de voz a voz en tiempo real. Aunque Tomato.ai no ha hecho públicos los detalles arquitectónicos específicos, estos sistemas suelen combinar reconocimiento automático del habla (ASR), modelos de conversión de hablante y acento, y un vocoder neuronal. La inferencia optimizada para latencia es crucial para evitar pausas incómodas en la conversación, y manejar el audio ruidoso de un call center requiere un ASR robusto. La implementación reportada se centra en las voces de los agentes en el extranjero.

Reacciones y respuesta del sector

Grupos laborales han criticado la práctica por engañosa y han instado a que se exija la divulgación al cliente. Rogers y Bell, las otras grandes operadoras de telecomunicaciones de Canadá, declararon a The Globe and Mail que no tienen planes de adoptar tecnología similar. La reacción pública ha sido rápida.

Ad

Consideraciones técnicas para profesionales

Para los desarrolladores que crean flujos de IA para call centers, la conversión de voz en tiempo real introduce compromisos operativos: minimizar la latencia manteniendo la prosodia natural y ser robusto frente al ruido de fondo. El cumplimiento de la privacidad y el consentimiento del trabajador son riesgos regulatorios emergentes. The Globe and Mail señaló posibles efectos en las regulaciones de privacidad de voz.

Qué observar

  • Directrices regulatorias canadienses sobre requisitos de divulgación para IA que modifica la voz.
  • Posibles revelaciones técnicas de Tomato.ai sobre la latencia del modelo y las salvaguardas.
  • Si las grandes operadoras de call centers adoptan políticas de transparencia o auditorías técnicas.

📖 Lea la fuente completa: HN AI Agents

Ad

👀 Ver también

inclusionAI lanza Ling-2.6-1T: Modelo de billón de parámetros con arquitectura híbrida, atención dispersa y pensamiento rápido
Noticias

inclusionAI lanza Ling-2.6-1T: Modelo de billón de parámetros con arquitectura híbrida, atención dispersa y pensamiento rápido

Ling-2.6-1T es un nuevo modelo de código abierto con un billón de parámetros que combina MLA y Atención Lineal para lograr eficiencia en contextos largos, utilizando Supresión de Redundancia de Procesos Contextuales para reducir cadenas de pensamiento verbosas. Alcanza el SOTA de código abierto en AIME26, SWE-bench Verified, BFCL-V4, TAU2-Bench e IFBench.

OpenClawRadar
El Análisis de Precios de Inferencia Muestra una Diferencia de 4.4x para el Mismo Modelo entre Proveedores
Noticias

El Análisis de Precios de Inferencia Muestra una Diferencia de 4.4x para el Mismo Modelo entre Proveedores

El análisis de precios de inferencia para Llama 3.1 70B Instruct muestra una diferencia de coste de 4.4x entre proveedores, con DeepInfra a $0.20/$0.27 por millón de tokens y Together a $0.88/$0.88. Para modelos de razonamiento, la diferencia alcanza ~30x entre DeepSeek R1 y OpenAI o1.

OpenClawRadar
Uber quema su presupuesto de IA 2026 en 4 meses con Claude Code — $500–$2k por ingeniero al mes
Noticias

Uber quema su presupuesto de IA 2026 en 4 meses con Claude Code — $500–$2k por ingeniero al mes

Uber gastó todo su presupuesto de IA de 2026 para abril en Claude Code y Cursor. Los costos mensuales de API alcanzaron entre $500 y $2,000 por ingeniero. El 95% de los ingenieros usan herramientas de IA mensualmente; el 70% del código comprometido es generado por IA.

OpenClawRadar
Harmonic-9B: Ajuste fino en dos etapas de Qwen3.5-9B para agentes de IA
Noticias

Harmonic-9B: Ajuste fino en dos etapas de Qwen3.5-9B para agentes de IA

El desarrollador DJLougen ha lanzado Harmonic-9B, un ajuste fino de Qwen3.5-9B optimizado para uso de agentes con un enfoque de entrenamiento en dos etapas. La Etapa 1 (razonamiento intensivo) está completa, mientras que la Etapa 2 (llamadas a herramientas ligeras) aún está en entrenamiento. Ya están disponibles versiones cuantizadas GGUF.

OpenClawRadar