Chatbot con IA para WhatsApp gratis: usa ElevenLabs y Suno

Mira, colega. Estoy harto de ver tutoriales de chatbots que suenan a Robotina de los Simpsons. Texto plano, sin alma, respuestas robóticas. Hoy vamos a arreglar eso. Te voy a contar cómo montar un chatbot para WhatsApp con voz realista y hasta con música generada, usando ElevenLabs para el habla y Suno para los audios de ambiente o respuestas cantadas. Todo gratis para probar. Sin humo, directo al grano.

La clave aquí es que no necesitas ser un máster en Python. Con un poco de lógica y las APIs correctas, lo tienes andando en una tarde. ElevenLabs te da voz de otro planeta, y Suno te permite generar clips de audio que pueden actuar como "respuestas musicales" o avisos. ¿Te imaginas que tu bot te responda con un jingle cuando le preguntas por el estado del pedido? Pues se puede.

Primero, lo básico. Necesitas una cuenta en ElevenLabs (el plan gratis te da crédito suficiente para probar) y una API key. Lo mismo con Suno, aunque aquí la generación de audio la puedes hacer por separado y subirla, o usar su API si tienes acceso. Luego, conectas el bot a WhatsApp. Puedes usar Twilio, o si eres más moderno, algo como whatsapp-web.js para un bot local. No te asusto con código complejo, pero aquí van los prompts que te van a salvar la vida.

Prompts funcionales para tu bot con voz

1. Prompt base para el prompt de sistema del bot (ElevenLabs + texto):

Actúa como un asistente comercial llamado "K0", con tono cercano pero profesional. Responde en español neutro, frases cortas y directas. Cuando te pregunten por precios, menciona descuentos solo si el usuario insiste. No inventes datos técnicos. Si no sabes algo, di: "Déjame consultarlo y te confirmo".

2. Prompt para generar la voz perfecta en ElevenLabs:

Genera una voz masculina, de entre 30 y 40 años, con acento neutro latino. Tono cálido y pausado, con ligera sonrisa al hablar. Evita voces robóticas o demasiado graves. Velocidad de habla media, 0.9. Usa estabilidad de 0.4 y similitud de 0.8 para que suene natural.

3. Prompt para Suno (crear una intro musical para el bot):

Crea un jingle de 10 segundos, género lo-fi hip hop, con un toque de sintetizador. Sin letra, solo melodía. Energía media, ideal para notificaciones de WhatsApp. Tempo 80 BPM.

4. Prompt para generar una respuesta de audio con humor (Suno + ElevenLabs):

Convierte la siguiente respuesta a voz: "Oye, colega, el pedido va en camino. No te preocupes, que si se pierde, te lo canto". Luego, con Suno, genera una versión cantada de esa frase en estilo reguetón lento, solo 15 segundos.

5. Prompt para la integración (lógica del bot):

Cuando el usuario escriba "estado", responde con texto y adjunta un audio de ElevenLabs diciendo: "Tu paquete sale hoy. Te aviso cuando esté en reparto". Si el usuario escribe "gracias", responde con el audio de Suno generado en el prompt 4.

Mira, la gracia está en combinar las dos herramientas. ElevenLabs para el 90% de las respuestas habladas y Suno para esos momentos de chispa que diferencian tu bot de la competencia. No te líes con configuraciones raras al principio. Usa el plan gratis, saca los prompts, y cuando veas que la calidad es brutal, ya decides si pagas.

Un consejo de colega: no hagas el bot demasiado "payaso". Usa Suno con moderación. Si cada respuesta es un musical, el usuario se cansa. Úsalo para agradecimientos, despedidas o cuando el usuario esté enfadado (un toque de humor puede desactivar una bomba).

Y ojo con la latencia. Generar audio con ElevenLabs tarda unos segundos. Asegúrate de que el usuario vea los tres puntos de "escribiendo" mientras se genera, o si no, creará que se colgó. Puedes enviarle un mensaje de texto rápido primero y luego el audio, como hace la gente lista.

Al final, tienes un asistente que no solo responde, sino que suena bien. Para soporte, para ventas, o para flipar a tus colegas en un grupo. Las posibilidades son muchas y el coste de entrada es cero.

Y tú, ¿qué usas para darle voz a tus bots? ¿Te quedas con el texto plano o te lanzas a por el audio? Cuéntame en los comentarios, que aquí leemos todo.