Gracias por esperar: cómo se encargan, se graban y se entregan los trabajos de voz para menús telefónicos
Toda empresa con una línea telefónica necesita a alguien que diga “gracias por llamar”. Los trabajos de menús telefónicos y mensajes en espera son cortos, vuelven cada vez que algo cambia y son más exigentes de lo que parecen. Así se encargan, se graban y se entregan, según la documentación de las propias plataformas telefónicas y según locutores que los hacen.
Los menús telefónicos, las operadoras automáticas y los mensajes en espera son el rincón silencioso de la locución. Nadie los comparte en redes sociales y nadie recibe un crédito en pantalla. Pero una empresa a la que le gusta su voz telefónica suele conservarla, y la necesita otra vez cada vez que cambian sus horarios, sus departamentos o su mensaje de fiestas. Para un locutor en activo ese es el atractivo: trabajos pequeños que se repiten. También es la parte difícil, porque quien llama puede oír tu bienvenida y un mensaje grabado dos años después en la misma llamada.
Cómo es el encargo
El guion de un sistema telefónico no es una historia. Es una lista de mensajes cortos, y cada uno se convierte en su propio archivo de audio. La guía de Microsoft para equipos que crean sistemas de voz llama al guion de grabación “un mapa u hoja de tomas de las grabaciones reales”. Dice que el guion “por lo general se graba en orden” y que “se ahorra un paso si los nombres de archivo y las tomas se anotan a medida que avanza la grabación”.
Los nombres de archivo importan más que en casi cualquier otro género, porque un desarrollador colocará cada archivo en el flujo de la llamada por su nombre. Los ejemplos de Microsoft van “de CAL_001.wav a CAL_999.wav” para un grupo de mensajes de calendario, con una toma corregida guardada como CAL_006a.wav, y su guía de edición pide a los productores “intentar conservar los nombres de archivo originales” cuando los archivos entran al sistema. Si la lista del cliente dice MAIN_MENU_02, así se llama tu archivo. Sin “final”, sin “v2”, sin espacios que nadie pidió.
Antes de grabar, pregunta tres cosas que los encargos suelen omitir: para qué sistema telefónico son los archivos, si los quieren tal como se grabaron o ya convertidos para la línea telefónica, y si algunos mensajes se van a unir, como un saldo leído en números separados.
Una sola voz, durante años
La constancia es la verdadera habilidad que se contrata. La guía de grabación de Microsoft enumera lo que hay que vigilar de un mensaje a otro para que “coincidan y tengan sentido”: “Estos elementos incluyen la pronunciación, la amplitud, la intensidad emocional y el ritmo”.
Allison Smith, locutora de Calgary que había grabado mensajes de voz para clientes de todo el mundo, lo resumió en 2007 a la revista Speech Technology: “Necesitas una continuidad de sabor”. Y agregó: “Que quien llama escuche un mosaico de sonidos y voces distintos nunca va a funcionar”. La ventaja para el locutor está en su siguiente punto: “Si contratas a alguien, tienes más posibilidades de igualar sus mensajes anteriores”.
Igualar esa voz es tu trabajo meses después, cuando el cliente envía tres líneas nuevas. El consejo de Microsoft es grabar la voz “con un procesamiento mínimo, o en plano, como se dice en la jerga de grabación”, y dejar cualquier “posprocesamiento, ecualización de tono, reducción de muestreo u otras técnicas” para después. Una grabación en plano es mucho más fácil de igualar que una marcada por una cadena de plugins que ya cambiaste. Su guía de posproducción añade una regla para pegar en la pared: “Guarda siempre versiones separadas de los archivos en cada etapa del proceso. No sobrescribas los archivos originales”.
El hábito práctico es una nota de sesión para cada cliente telefónico: micrófono, distancia, ganancia del preamplificador, ajustes y un archivo de referencia de la bienvenida principal. Escucha esa referencia antes de cualquier corrección y ajústate a ella, en lugar de confiar en tu memoria de una sesión de hace meses.

Números, fechas y uniones
Algunos sistemas no reproducen frases completas. Unen mensajes, así que “su saldo es” va seguido de números grabados por separado. Ahí el trabajo telefónico se vuelve técnico. La guía de Microsoft señala que “grabar diez dígitos adicionales dichos con una inflexión descendente puede mejorar mucho la concatenación”. Un número que cierra una frase suele bajar de tono, mientras que el mismo número a mitad de frase no.
VOICEMASTERACADEMYAprende el oficio paso a paso.El módulo uno es gratisEmpieza el módulo unoVeinte módulos, de principio a fin.Para lograr una forma natural de mitad de frase, la guía sugiere una frase portadora. “A menudo se usa el nombre ‘Patrick’ porque empieza y termina con consonantes duras que no se pueden arrastrar. Luego la frase portadora se quita del mensaje después de grabar”. Lees “Patrick cinco Patrick” y el editor se queda solo con el cinco.
El recorte también cambia. La mayoría de los editores recortan al ras, pero para archivos que van a una base de datos de mensajes Microsoft dice que esa práctica “no se recomienda” y aconseja: “Deja al menos 0,2 segundos de silencio antes y después del material de audio”. Esa guía es de 2006 y se escribió para el software de voz de Microsoft, así que tómala como motivo para preguntar, no como regla universal. Algunos clientes quieren archivos al ras y otros con margen. Si el encargo no lo dice, pregunta antes de recortar unos cuantos cientos de archivos.
Ritmo: más corto de lo que crees
Los guiones de espera suelen llegar demasiado largos. “No puedes meter 115 palabras en 30 segundos y esperar una lectura cálida y relajada”, dijo el locutor Craig Burnett a la misma revista, que situó un guion promedio en “unas dos palabras y media por segundo”. Si un mensaje de 30 segundos se pasa bastante de eso, díselo al cliente antes de grabar. Un mensaje de espera apresurado suena una y otra vez para la misma persona, y la bienvenida que oyen todos merece tus mejores tomas.
Lo que acepta el sistema telefónico
Las líneas telefónicas transmiten una franja estrecha de sonido, y las plataformas lo dicen claramente. Amazon Connect, el centro de contacto en la nube de Amazon, advierte en su guía de administración que si usas “bibliotecas de audio de mayor frecuencia, como archivos de 16 KHz”, tiene que “reducir su muestreo a 8 KHz por las limitaciones de la red telefónica pública. Esto podría dar como resultado un audio de baja calidad”. Para mensajes que se reproducen desde el almacenamiento en la nube es más estricto: “Debes usar archivos .wav de 8 KHz, con audio de un solo canal (mono) y codificación U-Law. De lo contrario, el mensaje no se reproducirá correctamente”.

Los requisitos de archivo de Amazon en la guía de administración de Amazon Connect, tal como aparecían el 21 de noviembre de 2026. Captura: docs.aws.amazon.com
U-law es una codificación telefónica que la mayoría de los locutores nunca usa, así que pregunta quién hace la conversión. Algunos clientes quieren tu WAV normal para su ingeniero. Otros quieren archivos listos para cargar, y entonces la conversión es parte de tu entrega y de tu cotización.
Microsoft Teams, que ofrece operadoras automáticas para líneas telefónicas de empresas, es más flexible. Su página de configuraciones compatibles acepta WAV “sin comprimir, PCM lineal” de 8, 16 o 32 bits, en mono o estéreo, además de MP3, y dice que el archivo “no puede superar los 5 MB”. En esa página también hay un cambio reciente. “Los archivos WMA dejarán de ser compatibles a partir del 1 de noviembre de 2026”, dice, aunque “los mensajes de audio WMA existentes seguirán funcionando”. Si un cliente de hace años te pedía WMA, los archivos nuevos ahora tienen que ser WAV o MP3.

Los formatos de audio compatibles con las operadoras automáticas y colas de llamadas de Teams, tal como aparecían el 21 de noviembre de 2026. Captura: learn.microsoft.com
Graba con calidad, entrega en angosto
Sea cual sea el formato que entregues, la llamada aprieta el sonido. Twilio, una plataforma en la nube que los desarrolladores usan para crear sistemas telefónicos, lo dice sin rodeos en su documentación: “Sin importar la calidad del archivo que nos des, lo vamos a transcodificar para que se reproduzca correctamente”. También advierte que “los archivos con compresión con pérdida y alta tasa de bits, como los mp3 de 128 kbps, tardan más en transcodificarse y pueden sonar peor que los archivos en formatos sin pérdida de 8 kbps”. Es decir, un MP3 pesado no es más seguro que un archivo sin comprimir.

La guía de posproducción de Microsoft explica lo que ese apretón le hace a una voz: “Los sonidos agudos del habla, como la ‘s’ y la ‘sh’, son especialmente vulnerables durante la reducción de muestreo”. Así que guarda tu máster con tu calidad de estudio normal, crea la versión telefónica a partir de él y escucha esa versión antes de enviarla. Una “s” nítida en tu cabina puede volverse borrosa o ceceante a 8 kHz, y es mucho mejor que la oigas tú y no las personas que llaman al cliente.
Cómo se cobra el trabajo telefónico
Los locutores que publican sus tarifas suelen cobrar el trabajo telefónico aparte de la publicidad. El locutor británico Marcus Hutton incluye el IVR, como se llama en la industria a los sistemas de menús telefónicos, entre los trabajos en los que “no se aplicará uso” y entre los sectores en los que “por lo general no cobro una BSF”, su tarifa básica de estudio. Para los mensajes en sí, su página de tarifas dice simplemente: “Pregunta por las tarifas“.
La página de tarifas de Leonie Schliesing muestra la diferencia en números concretos. Sus comerciales empiezan “desde 300 libras de BSF más uso”, mientras que el trabajo telefónico dice “IVR desde 50 libras”. Son puntos de partida publicados por una sola locutora, en libras esterlinas, no un estándar de la industria, pero muestran cómo se suelen medir los trabajos telefónicos: por el guion, no por el tiempo al aire.
Cobres lo que cobres, acuerda el precio de las correcciones antes de la primera sesión, porque habrá correcciones. Los clientes que vuelven cada pocos meses con líneas nuevas son justamente el sentido de este trabajo.
- Nombres. Cada archivo se llama exactamente como aparece en el guion.
- Plataforma. Sabes para qué sistema telefónico es y qué formato pide.
- Máster. Una copia en plano, sin tocar, guardada aparte de la versión telefónica.
- Escucha. Reprodujiste el archivo convertido, no solo tu toma de estudio.
- Notas. Micrófono, distancia, ganancia y un archivo de referencia guardados para la próxima corrección.
El trabajo telefónico rara vez hace famoso a alguien, aunque Susan Bennett creía que grababa líneas para un menú telefónico y años después se escuchó como Siri. Para las especificaciones de otros géneros, consulta nuestra guía sobre especificaciones de entrega para clientes de audiolibros, doblaje y radio.
Fuentes: guía de administración de Amazon Connect, “Create prompts” y “Set up prompts to play from an S3 bucket”, docs.aws.amazon.com; Microsoft Learn, configuraciones compatibles de operadoras automáticas y colas de llamadas; centro de ayuda de Webex, “Manage audio files”; Twilio, “TwiML Voice: <Play>”; guía de tecnologías de voz de Microsoft (archivada, 2006), “Recording Audio”, “Audio Production”, “Editing Audio” y “Postproduction Techniques”; Leonard Klie, “Not Everyone Has a Phone Voice”, revista Speech Technology, 1 de abril de 2007; páginas de tarifas de Marcus Hutton (voice-overs.cc) y Leonie Schliesing (leoniedoesvoices.com). Todo consultado el 21 de noviembre de 2026. Las citas de fuentes en inglés fueron traducidas por Voice Over Herald. Capturas: docs.aws.amazon.com y learn.microsoft.com, 21 de noviembre de 2026.
Read this article in English: Thank You for Holding: How Phone Menu and On-Hold Voice Jobs Are Briefed, Recorded and Delivered
¿Sabe algo más sobre esta noticia, o ha visto un error? Escriba a la redacción.








