El 10 de noviembre de 2026, Fish Audio anunció Live 3, un modelo de voz “full-duplex”. Sigue escuchando a la otra persona mientras habla y es el propio modelo el que gestiona el ritmo de la conversación: desde señales de escucha activa (backchannels) e interrupciones hasta correcciones a mitad de frase.

En primer lugar, lo más importante: Live 3 actualmente solo admite inglés. Para japonés y otros idiomas distintos del inglés, la voz se genera automáticamente a través de un motor independiente, Fish TTS (el modelo Drama 3).
Este artículo detalla las capacidades de Live 3, sus limitaciones, cómo abordar su uso en otros idiomas y su estructura de precios. Todo ello basado en los anuncios oficiales, la página de producto y las respuestas del soporte oficial.
En resumen: ¿Qué puede hacer Live 3 y qué pasa con otros idiomas?
- Live 3 es un modelo de voz “full-duplex” capaz de escuchar mientras habla.
- Sus tres comportamientos conversacionales clave son incorporar señales de escucha activa, detenerse únicamente ante interrupciones reales y esperar mientras te corriges.
- El inglés es el único idioma compatible. En el resto de idiomas, cambia automáticamente a Fish TTS.
- El precio es de $0.035 por minuto (un 50 % de descuento sobre la tarifa habitual de $0.07, disponible de forma limitada hasta el 31 de diciembre de 2026).
- Es una excelente opción si buscas crear agentes de soporte o atención telefónica para audiencias de habla inglesa. Si necesitas un agente de voz en otro idioma, no podrás aprovechar las ventajas exclusivas de Live 3.
¿Qué es Live 3?

Live 3 es un modelo de voz full-duplex integrado en Fish Audio Voice Agents, la plataforma de agentes de voz de Fish Audio.
Los agentes de voz habituales utilizan un pipeline que combina reconocimiento de voz, razonamiento, generación de voz y gestión de turnos (quién habla en cada momento) como componentes independientes. Hacer que funcionen juntos con naturalidad requiere un trabajo considerable de ajuste fino.
Live 3 integra este “timing conversacional” directamente en el modelo de voz. Según Fish Audio, el modelo se entrenó con conversaciones reales entre humanos, aprendiendo cuándo emitir una señal de asentimiento, cuándo esperar, cuándo responder y cuándo dejar de hablar.
Escucha mientras habla y cuenta con una capa de razonamiento independiente para las instrucciones del agente y la ejecución de herramientas. En otras palabras, tú sigues decidiendo qué decir (instrucciones y herramientas) a través del prompt del sistema, mientras que Live 3 gestiona cuándo y cómo decirlo.
Los tres comportamientos conversacionales de Live 3
1. Asentimientos y escucha activa sin interrumpir
Imagina a alguien dictando un número de teléfono por partes: “415… 555… 0132”. Live 3 intercala respuestas breves como “Ajá” o “Entendido, 415” entre bloque y bloque, y luego espera a recibir el resto de los dígitos.
Estas señales de escucha activa cumplen dos funciones: confirman que los datos se han recibido correctamente y dejan el turno abierto para que el usuario continúe hablando.
Además, Live 3 puede determinar cómo responder en tan solo 186 milisegundos, según Fish Audio. Reacciones cortas como “Ajá” o “Entendido” y confirmaciones rápidas mantienen la conversación fluida mientras se prepara la respuesta completa. Cabe destacar que 186 ms representa el mejor escenario posible y no el tiempo de respuesta promedio.
2. Detenerse solo ante interrupciones reales
No cualquier sonido constituye una interrupción. Si el agente está explicando el horario de atención y el usuario dice “sí” o “ajá”, Live 3 continúa su explicación.
Sin embargo, si el usuario dice algo como “Ah, espera. En realidad solo necesito el jueves”, el agente deja de hablar de inmediato para dar paso a la nueva solicitud.
Esta distinción permite que los usuarios emitan señales de asentimiento sin miedo a cortar al agente, evitando también que tengan que esperar al final de una respuesta larga cuando desean cambiar el rumbo de la consulta.
3. Adaptarse a las correcciones sobre la marcha
“Dos pizzas… no, tres. Tres grandes. Y… bueno, que una sea Margherita.”
En medio de una corrección de este tipo, Live 3 no da por sentada la orden equivocada, sino que espera a que finalice la rectificación. Entiende que el usuario aún está decidiendo y le da espacio para concretar su petición. En entornos de soporte, reservas o pedidos, este tipo de dudas y correcciones ocurren constantemente.

Limitaciones de Live 3
Es conveniente tener en cuenta las siguientes limitaciones antes de utilizar Live 3:
| Aspecto | Gestión en Live 3 |
|---|---|
| Idiomas compatibles | Solo inglés |
| Otros idiomas | Cambia automáticamente a Fish TTS (modelo Drama 3) |
| Ajuste de velocidad de voz | No admitido |
| Modo expresivo | No admitido |
| Diccionario de pronunciación | No admitido |
| Reconocimiento de voz | Fijo en Fish Transcribe Stream 1 |
Ten en cuenta que algunos ajustes disponibles en las funciones de voz estándar de Fish Audio no se pueden modificar en Live 3.
Uso de Live 3 en idiomas distintos del inglés
Live 3 es exclusivo en inglés por ahora, de modo que los agentes en otros idiomas generan el habla automáticamente con Fish TTS. Según el soporte de Fish Audio, para cambiar el idioma hablado del agente a otro distinto del inglés, debes cambiar el motor a Fish TTS en la configuración.
Una vez que cambias a Fish TTS:
- El agente puede hablar en otros idiomas. Fish Audio indica soporte para más de 2 millones de voces y más de 30 idiomas.
- Las funciones full-duplex que constituyen el principal atractivo de Live 3 (asentimientos, detección de interrupciones y seguimiento de correcciones) se presentan como características exclusivas de este modelo, por lo que es más seguro no esperar la misma experiencia en otros idiomas.
- Las herramientas de la plataforma, como la base de conocimientos, las integraciones, las pruebas y las analíticas de llamadas, siguen estando disponibles.
Precios
A continuación se detalla la estructura de precios de Live 3 según figura en la página del producto:
- Tarifa de llamada: $0.035 / minuto (50 % de descuento sobre los $0.07 / minuto habituales, por tiempo limitado hasta el 31 de diciembre de 2026)
- Llamadas telefónicas (entrantes y salientes vía número de teléfono): +$0.01 / minuto
- Número de teléfono: $1.20 / mes (sin coste adicional si aportas tu propia línea de operador)
- LLM Premium (al cambiar a un modelo más grande para razonamientos complejos): se factura por separado según las tarifas de tokens de ese modelo
- Incluye $5 de crédito inicial sin necesidad de introducir tarjeta de crédito
Como ejemplo, esta es una estimación aproximada para alquilar un número de teléfono y gestionar 100 minutos de llamadas telefónicas al mes (calculada con el precio promocional y sin costes adicionales de LLM):
| Concepto | Cálculo | Importe |
|---|---|---|
| Tarifa de llamada | $0.035 × 100 min | $3.50 |
| Llamadas telefónicas | $0.01 × 100 min | $1.00 |
| Número de teléfono | Cuota mensual | $1.20 |
| Total | $5.70 |
A quién va dirigido y a quién no
-
Ideal para desarrolladores o empresas que busquen crear agentes telefónicos, de soporte, reservas o pedidos para audiencias angloparlantes.
-
Excelente para casos de uso donde el manejo natural de interrupciones y asentimientos afecta directamente a la calidad de la experiencia.
-
Ofrece $5 de crédito inicial para probar el servicio sin ingresar tarjeta de crédito.
-
Incluye funciones listas para producción (base de conocimientos, integración de herramientas, pruebas y analítica de llamadas).
-
Proporciona retención cero de datos y despliegue local (on-premises) para clientes enterprise.
-
Disponible solo en inglés. En otros idiomas cambia a Fish TTS y las dinámicas conversacionales de Live 3 no se aplican.
-
La velocidad de voz, el modo expresivo y el diccionario de pronunciación no están disponibles.
-
El descuento del 50 % es una promoción limitada hasta el 31 de diciembre de 2026.
-
Para agentes de voz en idiomas distintos del inglés, no es posible aprovechar los puntos fuertes de Live 3.
Cómo empezar
- Regístrate en Fish Audio
Crea una cuenta en el sitio web oficial. Obtendrás $5 de crédito inicial sin necesidad de introducir una tarjeta de crédito.
- Crea un agente
Selecciona una plantilla y configura el prompt del sistema (personalidad, objetivos, límites) junto con el mensaje inicial.

- Configura el conocimiento y las herramientas
Añade archivos PDF, archivos Markdown o URLs a la base de conocimientos. Si lo necesitas, importa endpoints desde cURL para que el agente pueda llamar a tus propias APIs.
- Realiza una llamada de prueba en el navegador
Verifica el comportamiento del agente mediante una llamada de prueba antes de lanzarlo. La plataforma ofrece herramientas de prueba, desde verificaciones puntuales hasta simulaciones completas de llamadas.
- Pasa a producción
Alquila un número de teléfono o realiza la integración a través de tu sitio web, el Web SDK o WebRTC para publicar el agente.
Resumen
Live 3 es un modelo de voz full-duplex que resuelve el ritmo conversacional (asentimientos, interrupciones y correcciones) en el propio modelo. Para cualquiera que esté construyendo agentes telefónicos dirigidos a audiencias de habla inglesa, es un desarrollo que vale la pena analizar de cerca.
No obstante, actualmente solo admite inglés. Los agentes de voz en otros idiomas utilizan Fish TTS para la generación de voz, lo que significa que las características conversacionales de Live 3 no están disponibles. En la información oficial revisada no se han encontrado planes confirmados para ampliar el soporte a otros idiomas, por lo que conviene estar atentos a los próximos comunicados de Fish Audio.
