Expressiver Modus
Erstellen Sie Sprachagenten, die Tonfall, Timing und emotionalen Ausdruck an den Gesprächskontext anpassen.
Überblick
Der expressive Modus ermöglicht Agenten, Sprache auszugeben, die Absicht, Emotion und Betonung widerspiegelt. Dabei passen sie sich in Echtzeit daran an, wie Nutzer klingen und was sie sagen. Er basiert auf zwei systemweiten Verbesserungen des Konversations-Stacks:
- Eleven v4 Turbo — das emotional intelligenteste, kontextbewusste Text to Speech-Modell in ElevenAgents.
- Ein neues Sprecherwechselsystem — präziser getimte Antworten mit weniger Unterbrechungen.
Der expressive Modus wird automatisch aktiviert, wenn Sie Eleven v4 Turbo als TTS-Modell Ihres Agenten auswählen.
Eleven v4 Turbo
Eleven v4 Turbo ist die Echtzeitvariante von Eleven v4 mit einer medianen Latenz von ~100 ms, optimiert für Live-Dialoge mit mehreren Gesprächswechseln. Es behält den Gesprächskontext über mehrere Gesprächswechsel hinweg bei und passt die Ausgabe an Tonfall und Absicht jedes Austauschs an.
- Kontextbewusste Ausgabe: Agenten passen ihren Tonfall an den Gesprächskontext an — sie reagieren ruhiger, wenn ein Nutzer besorgt klingt, oder direkter, wenn Klarheit wichtig ist.
- Explizite Emotionssteuerung: Steuern Sie die Ausgabe über Regeln im System-Prompt, von präzisen Auslösern bis zu umfassenderen Szenarien, um Markenstimme und Compliance-Anforderungen einzuhalten.
- Unterstützung für 90+ Sprachen: Erweitert von ~32 Sprachen in Flash-Modellen.
- Ausdrucks-Tags: Das LLM kann Tags wie
[laughs],[whispers]oder[sighs]ausgeben, um bestimmte Momente der Ausgabe zu steuern.
Die Preisgestaltung von ElevenAgents enthält für jeden Plan einen Anrufpreis pro Minute, ohne separaten Preis nach TTS- Modell. Zusätzliche Anrufminuten kosten 0,08 $ pro Minute, und die LLM-Nutzung wird separat abgerechnet. Weitere Informationen finden Sie unter ElevenAgents-Preise.
Sprecherwechselsystem
Das neue Sprecherwechselsystem nutzt Echtzeitsignale von Scribe v2 Realtime — einschließlich emotionaler Hinweise und Sprachmuster — um zu bestimmen, wann ein Agent sprechen, pausieren oder warten soll. Das hilft Agenten, natürlicher zu reagieren, besonders in emotional aufgeladenen Situationen.
Beispielsweise kann „ja“ eine vollständige Bestätigung oder der Einstieg sein, um weiterzusprechen. Indem das System neben dem Transkript auch analysiert, wie es gesagt wurde (Sprachhinweise wie Prosodie), stimmt es die Antwort des Agenten natürlicher ab.
Das Sprecherwechselverhalten lässt sich zusätzlich mit der Einstellung für Gesprächsbereitschaft optimieren.
Konfiguration
Expressiven Modus aktivieren
TTS-Modell auswählen
Setzen Sie das TTS-Modell Ihres Agenten auf Eleven v4 Turbo (eleven_v4_turbo). Der expressive Modus wird mit diesem Modell automatisch aktiviert. Um ihn zu deaktivieren, setzen Sie expressive_mode auf false.
Über das Dashboard aktualisieren
Über die CLI aktualisieren
Über die API aktualisieren
- Öffnen Sie Ihren Agenten im Dashboard und wählen Sie unter Stimmen Ihre Stimme aus, um das Fenster Agentenstimme zu öffnen.
- Wählen Sie unter TTS-Modellfamilie V4 Turbo aus. Der Schalter Expressiver Modus wird aktiviert, und darunter werden unter Vorgeschlagene Audio-Tags Tags aufgeführt, die Ihr Agent verwenden kann.
- Klicken Sie auf Veröffentlichen, um Ihre Änderungen zu speichern.
Beispiele für System-Prompts
Steuern Sie die emotionale Ausgabe Ihres Agenten mit Anweisungen in natürlicher Sprache im System-Prompt. Das Modell interpretiert diese kontextbezogen, daher sind explizite Tags nicht für jede Situation erforderlich.
Allgemeine Leitlinien
Spezifische Auslöser
Ausdrucks-Tags verwenden
Neben der kontextbewussten Ausgabe kann das LLM explizite Tags ausgeben, um bestimmte Momente zu steuern. Häufige Tags sind:
[laughs]— Fügt der Sprache Lachen hinzu[whispers]— Verringert die Lautstärke für Flüstern[sighs]— Fügt einen seufzenden Klang hinzu[slow]— Verlangsamt die Sprachausgabe[excited]— Verleiht der Ausgabe Begeisterung
Jedes Tag wirkt ungefähr auf die nächsten 4–5 gesprochenen Wörter, bevor die Ausgabe wieder normal erfolgt.
Best Practices
Ausgabe an den Kontext anpassen
Leiten Sie Ihren Agenten an, seine emotionale Ausgabe an die Situation anzupassen. Ein frustrierter Kunde sollte eine ruhige, einfühlsame Antwort hören. Ein Nutzer, der gute Nachrichten teilt, sollte echte Wärme hören. Ein unpassender Tonfall untergräbt Vertrauen.
System-Prompt-Regeln für Konsistenz verwenden
Definieren Sie klare Tonfallrichtlinien in Ihrem System-Prompt, statt sich ausschließlich auf das Urteilsvermögen des Modells zu verlassen. Das sorgt für eine konsistente Ausgabe, die Ihrer Markenstimme und Ihren Compliance-Anforderungen entspricht.
Sprachübergreifend testen
Der Ausdruck kann je nach Sprache variieren. Testen Sie Ihren Agenten in jeder Zielsprache, um sicherzustellen, dass die emotionale Nuance wie beabsichtigt ankommt — besonders in Sprachen mit anderen Gesprächsnormen.
Mit Einstellungen für Gesprächsbereitschaft kombinieren
Kombinieren Sie den expressiven Modus mit passenden Einstellungen für die Gesprächsbereitschaft. Der geduldige Modus gibt Nutzern in emotional sensiblen Gesprächen mehr Raum, während der eifrige Modus für schnelle Interaktionen geeignet ist.
Überwachen und verbessern
Nutzen Sie Gesprächsanalysen, um zu verfolgen, wie Nutzer auf die expressive Ausgabe reagieren. Optimieren Sie Ihre Tonfallrichtlinien anhand der Gesprächsergebnisse und des Nutzerfeedbacks.
Einschränkungen
- Die Wirkung von Ausdrucks-Tags hält ungefähr 4–5 Wörter an, bevor die Ausgabe wieder normal erfolgt.
- Der Ausdruck kann je nach Stimme und Sprache variieren.
FAQ
Kostet der expressive Modus mehr?
Nein. Die Preisgestaltung von ElevenAgents enthält für jeden Plan einen Anrufpreis pro Minute, ohne separaten Preis für den expressiven Modus oder das TTS-Modell: Zusätzliche Anrufminuten kosten 0,08 $ pro Minute, die LLM-Nutzung wird separat abgerechnet. Weitere Informationen finden Sie unter ElevenAgents-Preise.
Wie aktiviere ich den expressiven Modus?
Wählen Sie im Fenster Agentenstimme unter TTS-Modellfamilie V4 Turbo aus. Der expressive Modus wird mit diesem Modell automatisch aktiviert. Um ihn zu deaktivieren, schalten Sie den Schalter Expressiver Modus aus oder setzen Sie conversation_config.tts.expressive_mode über die API oder CLI auf false.
Wie funktioniert das Sprecherwechselsystem?
Das System nutzt Echtzeitsignale von Scribe v2 Realtime, einschließlich emotionaler Hinweise und Sprachmuster, um vorherzusagen, wann der Agent antworten soll. Es analysiert sowohl das Transkript als auch die Art, wie Wörter gesprochen wurden (Prosodie), um Antworten natürlich zu timen.
Kann ich den expressiven Modus mit meinem Professional Voice Clone verwenden?
Professional Voice Clones werden in Eleven v4 unterstützt. Wenn ein PVC noch nicht auf Eleven v4 trainiert wurde, öffnen Sie Meine Stimmen, suchen Sie die Stimme und klicken Sie auf die Plus-Schaltfläche neben Eleven v4, um das Finetuning zu starten. Informationen zu Stimmeinstellungen, einschließlich Clone Strength für Professional Voice Clones, finden Sie unter Eleven v4.
Wie viele Sprachen unterstützt Eleven v4 Turbo?
Eleven v4 Turbo unterstützt 90+ Sprachen, erweitert von ~32 in Flash-Modellen.
Wie schneidet dies im Vergleich zu anderen TTS-Modellen in ElevenAgents ab?
Eleven v4 Turbo bietet einen größeren emotionalen Umfang als Flash und Multilingual v2 und kann die Ausgabe an den Gesprächskontext anpassen. Es unterstützt 90+ Sprachen, verglichen mit ~32 bei Flash.