Guía de usuario · VoxTwin

Guía de configuración y uso

Esta guía te lleva desde la descarga hasta tu primera sesión de traducción en tiempo real. Sigue los pasos en orden — el proceso completo toma entre 15 y 30 minutos la primera vez.

⬇️
1. Descarga
Desde tu panel
🔑
2. API Keys
Según tu plan
🎙️
3. Primera sesión
Listo para usar

Requisitos del sistema

  • Windows 10 o Windows 11 (64-bit)
  • Conexión a internet estable (mínimo 5 Mbps)
  • Micrófono funcional
  • Cuenta VoxTwin activa (Básico, Intermedio o Completo)
  • VB-Cable instalado — necesario para enrutar el audio a tu videollamada (ver instrucciones)
Importante: VoxTwin no funciona en modo offline. Los servicios de transcripción y traducción requieren internet en todo momento.

Instalación

PASO 1

Inicia sesión en tu panel y descarga el instalador haciendo clic en "Descargar VoxTwin".

PASO 2

Ejecuta VoxTwin-Setup.exe y sigue el asistente. El instalador instala VoxTwin y, si no lo tienes, también VB-Cable automáticamente.

PASO 3

Abre VoxTwin desde el acceso directo del escritorio. Aparecerá la ventana de inicio de sesión — usa el email y contraseña con que te registraste en voxtwin.app.

PASO 4 — Solo la primera vez

Tras iniciar sesión aparecerá la ventana de Configuración con las pestañas disponibles según tu plan. Ingresa tus API keys y haz clic en Guardar. La app se abre automáticamente al terminar.

PASO 5 — Veces siguientes

La sesión se restaura automáticamente. VoxTwin verifica tu cuenta con el servidor y abre el programa directamente, sin pedir credenciales de nuevo.

API Keys — ¿por qué las necesitas?

VoxTwin conecta distintos servicios especializados para lograr traducción en tiempo real con la menor latencia posible. Cada servicio requiere su propia clave de acceso (API key), que obtienes gratis o con costo según el proveedor.

Tú controlas tus propias keys — VoxTwin nunca las almacena en servidores externos. Se guardan localmente en tu PC, cifradas.

Servicio Para qué sirve Planes Costo
Deepgram Voz → texto (STT) Todos $200 de crédito gratis
DeepL Traducción ES↔EN Todos 500k caracteres/mes gratis
Anthropic Asistente IA + resumen Intermedio Completo ~$5 crédito inicial
OpenAI Alternativa a Anthropic Intermedio Completo Pay-per-use
ElevenLabs Voz clonada (TTS) Completo Plan Creator ~$22/mes

Deepgram — Transcripción de voz Todos los planes

Deepgram convierte tu voz (y la del visitante) a texto en tiempo real. Es el único servicio obligatorio para todos los planes.

CÓMO OBTENER LA KEY
  1. Ve a console.deepgram.com y crea una cuenta gratuita.
  2. En el dashboard, haz clic en API Keys → Create a New API Key.
  3. Dale un nombre (ej. "VoxTwin") y copia la key generada.
  4. Pégala en la configuración de VoxTwin, campo Deepgram.
Deepgram incluye $200 USD de crédito gratuito al registrarte, suficiente para cientos de horas de transcripción.

DeepL — Motor de traducción Todos los planes

DeepL traduce el texto entre español e inglés con alta precisión. El plan gratuito cubre 500.000 caracteres por mes, equivalente a varias horas de conversación.

CÓMO OBTENER LA KEY
  1. Ve a deepl.com/pro-api y crea una cuenta.
  2. Selecciona el plan API Free (gratuito, sin tarjeta de crédito).
  3. Ve a tu perfil → Account → Authentication Key for DeepL API.
  4. Copia la key y pégala en VoxTwin, campo DeepL.

Anthropic — Asistente IA y resumen Intermedio Completo

Claude (de Anthropic) alimenta el asistente IA en tiempo real y genera el resumen ejecutivo al terminar la sesión. Es opcional si prefieres usar OpenAI.

CÓMO OBTENER LA KEY
  1. Ve a console.anthropic.com y crea una cuenta.
  2. En el menú lateral, ve a API Keys → Create Key.
  3. Copia la key (empieza por sk-ant-).
  4. Pégala en VoxTwin, campo Anthropic.
Anthropic ofrece ~$5 USD de crédito inicial. Con Claude Haiku (modelo usado para resúmenes) una sesión de 1 hora cuesta aproximadamente $0.05–$0.15 USD.

OpenAI — Alternativa al asistente IA Intermedio Completo

Si no tienes cuenta Anthropic, VoxTwin puede usar GPT-4o-mini como alternativa para el asistente IA y el resumen. Configura una u otra — no necesitas las dos.

CÓMO OBTENER LA KEY
  1. Ve a platform.openai.com y crea una cuenta.
  2. Ve a API Keys → Create new secret key.
  3. Copia la key (empieza por sk-).
  4. Pégala en VoxTwin, campo OpenAI.

ElevenLabs — Clonación de voz Solo Plan Completo

ElevenLabs replica tu timbre de voz para que la traducción suene como tú. Requiere crear un clon de voz en la plataforma de ElevenLabs antes de configurarlo en VoxTwin.

PASO 1 — OBTENER LA API KEY
  1. Ve a elevenlabs.io y crea una cuenta (requiere plan Creator o superior para clonación).
  2. Ve a tu perfil → API Key y cópiala.
  3. Pégala en VoxTwin, campo ElevenLabs.
PASO 2 — CLONAR TU VOZ
  1. En ElevenLabs, ve a Voices → Add a new voice → Clone a voice.
  2. Graba o sube al menos 1 minuto de audio de tu voz (sin música de fondo, voz clara).
  3. ElevenLabs genera un Voice ID único. Cópialo desde el panel de tu voz clonada.
  4. Pégalo en VoxTwin, campo ElevenLabs Voice ID (tu voz).
Nota: El Voice ID del visitante (campo "Voz visitante") es para la voz genérica que escuchas cuando el visitante habla en inglés. Puedes usar cualquier voz de la biblioteca pública de ElevenLabs.

Pantalla de configuración

Abre la configuración desde el botón ⚙ Configuración en la barra superior de la app.

Las pestañas visibles dependen de tu plan — solo ves las que puedes usar:

  • Transcripción — proveedor de STT. Todos los planes usan Deepgram.
  • Traducción — Plan Básico: solo DeepL. Planes superiores: DeepL, Anthropic o OpenAI.
  • TTS / Voz — Solo Plan Completo. Configura las voces de ElevenLabs.
  • Asistente IA — Solo Intermedio y Completo. Modelo del asistente y del resumen.
  • Idiomas — Tu idioma y el del visitante. Todos los planes.
  • API Keys — Solo muestra las keys que necesita tu plan.

Los cambios aplican inmediatamente al guardar. No es necesario reinstalar ni reiniciar.

Configuración para Plan Básico Básico

Con el plan Básico obtienes traducción bidireccional en tiempo real sin asistente IA ni clonación de voz. Las API keys mínimas son:

✅ Deepgram — Obligatorio

Pestaña API Keys → campo Deepgram.

✅ DeepL — Recomendado

Pestaña API Keys → campo DeepL. Si no lo configuras, puedes usar Anthropic u OpenAI como motor de traducción, pero DeepL da mejor calidad para ES↔EN.

Con estas dos keys la app funciona completamente. Los pipelines de audio capturan tu voz y la del visitante, las transcriben, traducen y muestran el texto en pantalla en tiempo real.

Configuración para Plan Intermedio Intermedio

Además de lo del plan Básico, el Intermedio activa el asistente IA en tiempo real y el resumen post-llamada. Necesitas:

✅ Deepgram + DeepL — igual que Básico

✅ Anthropic o OpenAI — para el asistente IA

Pestaña API Keys. Configura uno u otro — no ambos son necesarios.
Recomendado: Anthropic (mejor para código y preguntas técnicas).
En pestaña Asistente IA puedes elegir qué modelo usa cada función.

El asistente IA se activa con el toggle 🤖 Asistente IA en la barra superior. Puedes encenderlo y apagarlo en cualquier momento durante la sesión.

Configuración para Plan Completo Completo

El plan Completo agrega clonación de tu voz — el visitante te escucha con tu timbre real, no una voz genérica. Configura todo lo anterior más:

✅ ElevenLabs API Key

Pestaña API Keys → campo ElevenLabs.

✅ ElevenLabs Voice ID — tu voz clonada

Pestaña TTS / Voz → Pipeline usuario (ES→EN) → Voice ID.
Es el ID de la voz que clonaste en ElevenLabs. El visitante escuchará esta voz.

✅ ElevenLabs Voice ID — voz del visitante

Pestaña TTS / Voz → Pipeline visitante (EN→ES) → Voice ID.
Es la voz que tú escucharás cuando el visitante hable. Puede ser cualquier voz de la biblioteca de ElevenLabs.

VB-Cable — Enrutado de audio a la videollamada

VB-Cable es un cable de audio virtual gratuito que permite a VoxTwin enviar el audio traducido directamente a tu aplicación de videollamada. Sin él, el visitante no escucha la traducción.

Instalación automática: El instalador de VoxTwin detecta si VB-Cable ya está en tu sistema y lo instala automáticamente si hace falta. No necesitas descargarlo por separado.
VERIFICAR QUE ESTÁ INSTALADO
  1. Ve a Configuración de Windows → Sistema → Sonido → Más opciones de sonido.
  2. En la pestaña Reproducción y Grabación deberías ver "CABLE Input" y "CABLE Output".
  3. Si no aparecen, reinicia el PC y vuelve a verificar.
CONFIGURAR EN TU APP DE VIDEOLLAMADA

En Zoom: Configuración → Audio → Micrófono → selecciona CABLE Output (VB-Audio Virtual Cable).

En Google Meet: ⋮ Configuración → Audio → Micrófono → CABLE Output.

En Microsoft Teams: ··· → Configuración del dispositivo → Micrófono → CABLE Output.

VoxTwin detecta VB-Cable automáticamente al iniciar. Si no lo encuentra, aparecerá un aviso en la barra de estado de la app.

Primera sesión — paso a paso

1 — ABRIR VOXTWIN Y VERIFICAR CONFIGURACIÓN

Abre la app. VoxTwin verifica tu cuenta automáticamente. Si ves la barra de estado en verde, todo está listo. Si ves un aviso de configuración, ve a ⚙ Configuración y completa tus API keys.

2 — CONFIGURAR CONTEXTO (opcional, planes con Asistente IA)

Antes de iniciar, puedes escribir el contexto de la reunión en el recuadro de texto: empresa, cargo, temas a tratar. El asistente IA usa esto para dar respuestas más precisas. Si no lo necesitas, déjalo vacío.

3 — INICIAR PROGRAMA

Haz clic en Iniciar programa. La app activa los pipelines de audio: micrófono y audio del sistema. En la barra de estado verás la latencia en tiempo real.

4 — HABLAR

Habla normalmente en español. En el panel izquierdo (TÚ) aparecerá tu voz en texto y su traducción al inglés. La traducción se envía al visitante por VB-Cable.

5 — ESCUCHAR AL VISITANTE

El panel derecho (VISITANTE) muestra en tiempo real lo que dice el visitante en inglés y su traducción al español para que tú la leas.

6 — CERRAR

Cierra la ventana de VoxTwin. Si tienes el Plan Intermedio o Completo, la IA genera automáticamente un resumen post-llamada guardado en %AppData%\VoxTwin\logs\.

Asistente IA en tiempo real Intermedio Completo

El asistente monitorea lo que dice el visitante y te sugiere respuestas o contexto en español, directamente en el panel inferior de la app. No habla — solo muestra texto.

  • Actívalo con el toggle 🤖 Asistente IA en la barra superior.
  • Puedes encenderlo y apagarlo en cualquier momento sin interrumpir la llamada.
  • Responde con más precisión si escribiste contexto en la pantalla de inicio.
  • Si el visitante no hace una pregunta, el asistente no genera respuesta.
Costo estimado por sesión de 1 hora: ~$0.05–$0.15 USD con Claude Haiku. ~$0.30–$0.80 USD con Claude Sonnet.

Resumen post-llamada Intermedio Completo

Al cerrar la sesión, la IA genera automáticamente:

  • Resumen ejecutivo de los temas tratados
  • Puntos clave mencionados durante la llamada
  • Glosario bilingüe de los términos técnicos usados

El archivo se guarda en %AppData%\VoxTwin\logs\summary_YYYYMMDD_HHMMSS.txt.

Compatibilidad con videollamadas

VoxTwin funciona con cualquier app que permita seleccionar el micrófono de entrada. La configuración es la misma para todas: selecciona CABLE Output como micrófono en tu app de videollamada.

📹 Zoom

Configuración → Audio → Micrófono → CABLE Output

📹 Google Meet

⋮ → Configuración → Micrófono → CABLE Output

📹 Microsoft Teams

··· → Config. del dispositivo → Micrófono → CABLE Output

📹 Discord

Ajustes → Voz y vídeo → Dispositivo de entrada → CABLE Output

Importante: Recuerda volver a seleccionar tu micrófono real en la app de videollamada cuando termines de usar VoxTwin.