Gesprächsablauf

Überblick

Die Einstellungen für den Gesprächsablauf bestimmen, wie Ihr Assistent mit Phasen der Stille, Unterbrechungen beim Sprechen und Sprecherwechseln umgeht. Diese Einstellungen sorgen für natürlichere Gespräche und lassen sich an Ihren Anwendungsfall anpassen.

Diese Einstellungen gelten auch für Agents, die ein Realtime-Modell verwenden.

Maximale Gesprächsdauer

Die Einstellung Max. Gesprächsdauer begrenzt die Gesamtzeit, die ein Gespräch aktiv bleiben kann. Dieses globale Limit beginnt mit dem Gespräch und gilt unabhängig von Timeouts auf Gesprächszug-Ebene. Der Standardwert beträgt 600 Sekunden (10 Minuten). Sie können einen Wert zwischen 60 und 7.200 Sekunden festlegen.

Konfiguration

Konfigurieren Sie diese Einstellung in CLI und API mit dem Feld conversation_config.conversation.max_duration_seconds.

Nach Stille den Sprecherwechsel übernehmen

Die Einstellung Nach Stille den Sprecherwechsel übernehmen bestimmt, wie lange Ihr Assistent bei Stille des Nutzers wartet, bevor er den nächsten Gesprächszug übernimmt und um eine Antwort bittet.

Konfiguration

Der Wert wird in Sekunden angegeben und muss zwischen 1 und 30 Sekunden liegen. Konfigurieren Sie diese Einstellung in CLI und API mit dem Feld conversation_config.turn.turn_timeout.

Best Practices

• Verwenden Sie kürzere Timeouts (5–10 Sekunden) für ungezwungene Gespräche, bei denen ein schneller Austausch erwartet wird
• Verwenden Sie längere Timeouts (10–30 Sekunden), wenn Nutzer mehr Zeit zum Nachdenken oder Formulieren komplexer Antworten benötigen
• Berücksichtigen Sie den Nutzungskontext: Im Kundenservice sind kürzere Timeouts oft sinnvoll, während der technische Support längere benötigen kann

Weiches Timeout

Ein weiches Timeout gibt sofortiges Audiofeedback, wenn das LLM länger als erwartet für eine Antwort braucht. Statt einer unangenehmen Stille während des Wartens sagt Ihr Agent eine kurze Füllphrase wie „Hmm …“ oder „Lassen Sie mich nachdenken …“, um den natürlichen Gesprächsfluss aufrechtzuerhalten.

Diese Funktion ist nützlich für:

• Komplexe Anfragen, die eine längere LLM-Verarbeitung erfordern
• Variable Latenzen von LLM-Anbietern
• Menschlichere Gespräche mit natürlichen Denkpausen

Funktionsweise

1. Wenn der Nutzer aufgehört hat zu sprechen, beginnt das System, eine LLM-Antwort zu generieren
2. Ein Timer startet basierend auf der konfigurierten Timeout-Dauer
3. Wenn die LLM-Antwort vor dem Timeout eintrifft, wird keine Füllphrase gesprochen
4. Wenn das Timeout vor der LLM-Antwort erreicht wird:
   • Die konfigurierte Füllnachricht wird sofort gesprochen
   • Der Agent wartet weiter auf die eigentliche Antwort
   • Sobald sie bereit ist, spricht der Agent die vollständige LLM-Antwort

Das weiche Timeout wird pro Gesprächszug nur einmal ausgelöst, um mehrere Füllphrasen hintereinander zu verhindern.

Konfiguration

Timeout-Dauer

Die Zeit in Sekunden, bevor die Füllnachricht gesprochen wird, während auf die LLM-Antwort gewartet wird.

Statische Nachricht

Eine vordefinierte Füllphrase, die bei Auslösen des weichen Timeouts gesprochen wird.

Diese Nachricht unterstützt:

• Sprachüberschreibungen: Wird automatisch in weitere für Ihren Agent konfigurierte Sprachen übersetzt
• Client-Überschreibungen: Kann pro Anruf über das SDK angepasst werden

Vom LLM generierte Nachricht

Wenn aktiviert, wird statt der statischen Nachricht dynamisch mithilfe eines schlanken LLM eine kontextgerechte Füllphrase generiert.

Das System verwendet den aktuellen Gesprächskontext (bis zu 4 Nachrichten, 1000 Zeichen), um relevante Füllphrasen wie „Hmm …“, „Verstehe …“, „Alles klar …“, „Verstanden …“ oder „In Ordnung …“ zu generieren.

Best Practices

• Vermeiden Sie Zeitangaben in Füllnachrichten (z. B. „Eine Sekunde …“), da die tatsächliche Antwortzeit nicht vorhersehbar ist
• Deaktivieren Sie das weiche Timeout für schnelle FAQ-Bots mit durchgehend schnellen Antworten

Unterbrechungen

Die Behandlung von Unterbrechungen legt fest, ob Nutzer Ihren Assistenten beim Sprechen unterbrechen können.

Konfiguration

Sie können die Einstellungen für Unterbrechungen im Tab Erweitert des Agents unter Client-Ereignisse konfigurieren.

Um Unterbrechungen zu aktivieren, stellen Sie sicher, dass „Unterbrechung“ als Client-Ereignis ausgewählt ist.

Unterbrechungen aktiviert

Unterbrechungen deaktiviert

Best Practices für Unterbrechungen

• Aktivieren Sie Unterbrechungen für natürliche Gesprächsabläufe, bei denen ein Dialog erwartet wird
• Deaktivieren Sie Unterbrechungen, wenn die vollständige Übermittlung einer Nachricht entscheidend ist (z. B. Geschäftsbedingungen, Sicherheitsinformationen)
• Berücksichtigen Sie den Kontext Ihres Anwendungsfalls: Der Kundenservice kann von Unterbrechungen profitieren, die Informationsvermittlung möglicherweise nicht

Reaktionsbereitschaft

Die Reaktionsbereitschaft steuert, wie schnell Ihr Assistent während eines Gesprächs auf Nutzereingaben reagiert. Diese Einstellung bestimmt, wie bereit der Assistent ist, den Gesprächszug zu übernehmen und anhand erkannter Sprachmuster zu sprechen.

Funktionsweise

Der Assistent enthält jetzt zwei wichtige Verbesserungen für natürlichere Sprecherwechsel:

1. Schnellere Antwortgenerierung – Der Assistent beginnt zu sprechen, sobald er genügend Wörter und ein Komma vom Sprachmodell erhalten hat, statt auf vollständige Sätze zu warten. Das reduziert die Latenz und sorgt für reaktionsschnellere Gespräche, insbesondere bei längeren Antworten des Assistenten.

2. Konfigurierbare Reaktionsbereitschaft – Steuern Sie, wie schnell der Assistent Pausen oder Sprachmuster als Gelegenheit zum Antworten interpretiert.

Konfiguration

Es stehen drei Modi zur Verfügung:

• Eifrig – Der Assistent reagiert schnell auf Nutzereingaben und setzt bei der frühesten Gelegenheit ein. Am besten für schnelle Gespräche, in denen sofortige Antworten gefragt sind.
• Normal – Ausgewogene Sprecherwechsel, die für die meisten Gesprächsszenarien gut funktionieren. Der Assistent wartet vor seiner Antwort auf natürliche Gesprächspausen.
• Geduldig – Der Assistent wartet länger, bevor er seinen Gesprächszug übernimmt, und gibt Nutzern mehr Zeit, ihre Gedanken zu Ende zu bringen. Ideal zum Erfassen detaillierter Informationen oder wenn Nutzer Zeit zum Formulieren von Antworten benötigen.

Best Practices für die Reaktionsbereitschaft

• Verwenden Sie den Modus Eifrig für Kundenservice-Szenarien, in denen schnelle Antworten die Nutzererfahrung verbessern
• Verwenden Sie den Modus Geduldig, wenn Sie strukturierte Informationen wie Telefonnummern, Adressen oder E-Mail-Adressen erfassen
• Verwenden Sie den Modus Normal als Standard für allgemeine Gesprächsabläufe
• Kombinieren Sie ihn mit Workflows, um die Reaktionsbereitschaft anhand des Gesprächskontexts dynamisch anzupassen
• Testen Sie verschiedene Einstellungen für Ihren spezifischen Anwendungsfall, um die optimale Balance zu finden

Erkennung lauter Umgebungen

Wenn Erkennung lauter Umgebungen aktiviert ist, hört der Agent auf andere Personen, die im Hintergrund des Nutzers sprechen. Wenn er sie hört, sagt er eine feste Nachricht mit der Bitte, an einen ruhigeren Ort zu gehen.

Hintergrundstimmen sind eine Hauptursache für fehlerhafte Transkripte und fälschliche Unterbrechungen. Die Spracherkennung transkribiert sie, als hätte der Nutzer sie gesagt, und sie können dazu führen, dass der Agent mitten in einer Antwort stoppt. Ein ruhigerer Ort verbessert die Transkription und den Sprecherwechsel für den Rest des Gesprächs. Die Einstellung ist besonders nützlich für Agents, deren Nutzer häufig von belebten Orten wie Geschäften oder Haushalten aus anrufen.

Funktionsweise

Ein Modell analysiert die Audiodaten des Nutzers während des gesamten Gesprächs und wird ausgelöst, wenn es neben der Stimme des Nutzers eine zweite Stimme hört. Es erkennt ausschließlich Stimmen: Andere Hintergrundgeräusche wie Verkehr oder Tiere lösen es nicht aus.

Wenn die Erkennung ausgelöst wird:

1. Wenn der Agent spricht, wird seine aktuelle Antwort angehalten. Eine Antwort mit deaktivierten Unterbrechungen wird zuerst abgeschlossen.
2. Der Agent spricht die Nachricht. Der Nutzer kann sie nicht unterbrechen, da die Hintergrundstimmen, die sie ausgelöst haben, sie sonst verkürzen könnten.
3. Die Nachricht wird pro Gespräch höchstens einmal gesprochen.

Diese Funktion ist von der Einstellung Hintergrundsprache filtern unter Erweitert > Automatische Spracherkennung getrennt, die Hintergrundsprache aus der Transkription entfernt. Die Erkennung lauter Umgebungen verwendet ein anderes Modell, das einen längeren Audioabschnitt analysiert. Es erkennt Hintergrundstimmen langsamer, aber genauer, was besser zu diesem Zweck passt.

Konfiguration

Aktivieren Sie die Einstellung in CLI und API mit conversation_config.turn.noisy_environment_detection und legen Sie die Nachricht mit conversation_config.turn.noisy_environment_message fest.

Sprachen

Der Agent spricht die Nachricht in der aktuellen Sprache des Gesprächs, auch nach einem Wechsel mit dem Tool zur Spracherkennung.

Im Dashboard funktionieren Übersetzungen genauso wie für die erste Nachricht:

• Beim Aktivieren der Einstellung wird die Nachricht in jede zusätzliche Sprache übersetzt.
• Beim Hinzufügen einer Sprache wird die Nachricht in diese Sprache übersetzt.
• Um eine Übersetzung zu prüfen oder zu bearbeiten, wählen Sie die Sprache in der Sprachauswahl des Nachrichtenfelds aus.
• Nachdem Sie die Hauptnachricht bearbeitet haben, klicken Sie auf In alle übersetzen, um die Übersetzungen zu aktualisieren.

CLI und API übersetzen die Nachricht nicht. Die Standardnachricht ist auf Englisch. Legen Sie noisy_environment_message daher in der Standardsprache des Agents fest und fügen Sie für jede zusätzliche Sprache in language_presets eine Übersetzung hinzu.

{
  "conversation_config": {
    "agent": {
      "language": "en"
    },
    "turn": {
      "noisy_environment_detection": true,
      "noisy_environment_message": "Sorry, it's a bit noisy there. Could you move somewhere quieter?"
    },
    "language_presets": {
      "fr": {
        "overrides": {
          "turn": {
            "noisy_environment_message": "Désolé, il y a un peu de bruit. Pourriez-vous aller dans un endroit plus calme ?"
          }
        }
      }
    }
  }
}

Best Practices für die Erkennung lauter Umgebungen

• Halten Sie die Nachricht kurz. Nutzer können sie nicht unterbrechen und hören daher alles.
• Testen Sie die Nachricht mit Outbound-Agents, bevor Sie sie breit aktivieren.

Empfohlene Konfigurationen