Genera una guía de tono de voz con Voice Analyser MCP

Aunque la IA nunca reemplazará la creatividad humana, desde luego puede ayudar con la productividad. Hoy comparto mi Voice Analyser MCP, un generador experimental de guías de tono de voz que funciona a partir del sitemap XML de un sitio web. Voice Analyser extrae el contenido de cada URL del sitemap con Cheerio, ejecuta 14 motores estadísticos sobre el corpus recopilado y produce una guía de estilo lista para incluir en los prompts de tus agentes, de modo que estos escriban imitando tu tono de voz en lugar de sonar como ChatGPT.

---

Voice Analyser MCP: genera una guía de tono de voz para un LLM

El objetivo de este proyecto era entender cómo se comunica la IA y conocer más sobre los patrones detectables que usa al generar una respuesta.

Voice Analyser está construido sobre la última versión de la especificación de Model Context Protocol. Expone tres herramientas a través del transporte stdio: recolección de corpus a partir de sitemaps XML, análisis lingüístico y generación de guías de estilo. Cuando activas el MCP, la fase inicial de recolección usa Cheerio para extraer el contenido de los artículos de cada URL de un archivo sitemap. Elimina los restos de navegación, convierte el HTML a markdown limpio y luego almacena todo localmente con metadatos.

Cuenta con rate limiting adecuado con retrasos entre peticiones y gestiona el análisis del XML del sitemap a través de fast-xml-parser, y parece bastante fiable en la extracción. Todos los datos se guardan como un corpus en el directorio de trabajo que especifiques.

Procesamiento: el MCP ejecuta 14 motores estadísticos independientes sobre tu corpus antes de generar la salida. Si quieres revisar la metodología, échale un vistazo al repositorio de Github.

La advertencia

Yo no soy partidario de usar contenido generado por IA para búsqueda, pero hay una plétora de casos de uso con los que una herramienta como esta puede ayudarte en automatización, en snippets generados por IA (como una funcionalidad de resumen, por ejemplo...).

Mi ejemplo favorito es la documentación interna de una empresa. Estás construyendo un agente que puede generar informes financieros. Pero el comentario suena como ChatGPT. La gente lo detecta y suena terrible.

Si tienes un corpus de trabajo en internet del que puedas decir «me gusta este tono de voz, ¿cómo funciona?», entonces el análisis de voz de este MCP puede analizar ese corpus extrayendo y guardando tu contenido en tu equipo. A partir de ahí, generará una guía de tono de voz para que la incluyas en los prompts de tus agentes durante el proceso de generación de contenido.

Cómo instalarlo

Si estás familiarizado con los servidores MCP, entonces todo lo que necesitarás es este fragmento de código para ejecutarlo con NPX o clonar el repositorio de Github aquí.

Añade esto a tu config.json del MCP:

{
  "mcpServers": {
    "voice-analysis": {
      "command": "npx",
      "args": ["-y", "@converly/voice-analyser@latest"]
    }
  }
}

¡Y reinicia tu asistente de IA!

Si no estás seguro de qué hacer, lee este artículo que explica cómo instalar un servidor MCP y asegúrate de tener Desktop Commander para la entrada/salida de archivos.

Ejemplo de uso

Como he mencionado antes, para comentarios de informes escritos y trabajo rutinario en general, la salida de la guía de estilo debería hacer un buen trabajo imitando tu tono de voz. No es perfecta y el texto necesitará una revisión para ajustarlo, pero resulta bastante convincente tal cual. La salida no puede sustituir la prosa original y humana, pero para trabajo rutinario, correos, narración asistida por IA y resúmenes generados por IA, creo que te gustará.

Prompt: (perdón por los errores tipográficos)

Funcionamiento:

La salida es razonablemente convincente y suena como yo. Mi estilo de escritura, del que no siempre estoy orgulloso, contiene cierta vaguedad aquí y allá (el tipo de cosa que en una auditoría AEO/GEO conviene eliminar).

Sin embargo, aparte del «Here's the thing, though», que necesita algo de reflexión, sigue el hilo:

No es lo bastante potente como para engañar a la detección de IA, pero ese no era el objetivo del ejercicio. ¡Pruébalo y comprueba cuánto puede sonar a ti!