Modo expresivo
Crea agentes de voz que adapten el tono, el ritmo y la entonación emocional según el contexto de la conversación.
Descripción general
El modo expresivo permite a los agentes generar voz que refleje la intención, la emoción y el énfasis, adaptándose en tiempo real a cómo suenan los usuarios y a lo que dicen. Se basa en dos mejoras a nivel de sistema en la estructura conversacional:
- Eleven v4 Turbo — el modelo de Texto a Voz con mayor inteligencia emocional y sensibilidad al contexto disponible en ElevenAgents.
- Un nuevo sistema de toma de turnos — respuestas con un ritmo más preciso y menos interrupciones.
El modo expresivo se activa automáticamente al seleccionar Eleven v4 Turbo como modelo de TTS de tu agente.
Eleven v4 Turbo
Eleven v4 Turbo es la variante en tiempo real de Eleven v4, con una latencia media de ~100 ms, optimizada para diálogos en directo de ida y vuelta. Mantiene el contexto de la conversación entre turnos y adapta la entonación al tono y la intención de cada interacción.
- Entonación adaptada al contexto: Los agentes adaptan el tono según el contexto de la conversación; responden con más calma cuando un usuario parece preocupado o de forma más directa cuando la claridad es importante.
- Control emocional explícito: Guía la entonación mediante reglas en el prompt del sistema, desde activadores precisos hasta situaciones más amplias, para ajustarla a la voz de tu marca y a los requisitos de cumplimiento normativo.
- Compatibilidad con más de 90 idiomas: Ampliada desde los ~32 idiomas de los modelos Flash.
- Etiquetas expresivas: El LLM puede generar etiquetas como
[laughs],[whispers]o[sighs]para controlar momentos concretos de la entonación.
Los precios de ElevenAgents indican una tarifa por minuto de llamada para todos los planes, sin una tarifa independiente por modelo de TTS. Los minutos de llamada adicionales cuestan 0,08 $ por minuto y el uso del LLM se factura por separado. Consulta los precios de ElevenAgents.
Sistema de toma de turnos
El nuevo sistema de toma de turnos utiliza señales en tiempo real de Scribe v2 Realtime —incluidas pistas emocionales y patrones del habla— para determinar cuándo debe hablar, pausar o esperar un agente. Esto ayuda a los agentes a responder de forma más natural, especialmente en situaciones con una fuerte carga emocional.
Por ejemplo, «sí» puede ser una confirmación completa o la introducción para seguir hablando. Al analizar cómo se ha dicho (pistas del habla como la prosodia), además de la transcripción, el sistema calcula con mayor naturalidad el momento de respuesta del agente.
El comportamiento de toma de turnos se puede ajustar aún más con la configuración de disposición a tomar el turno.
Configuración
Activar el modo expresivo
Selecciona el modelo de TTS
Configura el modelo de TTS de tu agente como Eleven v4 Turbo (eleven_v4_turbo). El modo expresivo se activa automáticamente con este modelo. Para desactivarlo, configura expressive_mode como false.
Actualizar desde el panel de control
Actualizar mediante la CLI
Actualizar mediante la API
- Abre tu agente en el panel de control y selecciona tu voz en Voces para abrir el panel Voz del agente.
- En Familia de modelos de TTS, selecciona V4 Turbo. Se activará el interruptor de Modo expresivo y, debajo, Etiquetas de audio sugeridas mostrará las etiquetas que puede usar tu agente.
- Haz clic en Publicar para guardar los cambios.
Ejemplos de prompts del sistema
Guía la entonación emocional de tu agente con instrucciones en lenguaje natural en el prompt del sistema. El modelo las interpreta según el contexto, por lo que no se necesitan etiquetas explícitas en todas las situaciones.
Indicaciones generales
Activadores específicos
Uso de etiquetas expresivas
Además de la entonación adaptada al contexto, el LLM puede generar etiquetas explícitas para controlar momentos concretos. Entre las etiquetas más habituales están:
[laughs]— Añade risa a la voz[whispers]— Baja el volumen para susurrar[sighs]— Añade un tono de suspiro[slow]— Ralentiza la locución[excited]— Añade entusiasmo a la entonación
Cada etiqueta afecta aproximadamente a las siguientes 4-5 palabras antes de volver a la entonación normal.
Recomendaciones
Adapta la entonación al contexto
Indica a tu agente que adapte su entonación emocional a la situación. Un cliente frustrado debería recibir una respuesta tranquila y empática. Un usuario que comparte buenas noticias debería escuchar una calidez genuina. Un tono inadecuado erosiona la confianza.
Usa reglas en el prompt del sistema para mantener la coherencia
Define pautas de tono claras en el prompt del sistema en lugar de depender únicamente del criterio del modelo. Así garantizas una entonación coherente y alineada con la voz de tu marca y los requisitos de cumplimiento normativo.
Prueba en distintos idiomas
La entonación expresiva puede variar entre idiomas. Prueba tu agente en cada idioma objetivo para asegurarte de que el matiz emocional se transmite como esperas, especialmente en idiomas con normas conversacionales diferentes.
Combínalo con la configuración de disposición a tomar el turno
Combina el modo expresivo con una configuración adecuada de disposición a tomar el turno. El modo paciente da más espacio a los usuarios en conversaciones emocionalmente delicadas, mientras que el modo rápido funciona bien en interacciones dinámicas.
Supervisa y mejora
Usa las analíticas de conversación para seguir cómo responden los usuarios a la entonación expresiva. Perfecciona tus pautas de tono según los resultados de las conversaciones y los comentarios de usuarios.
Limitaciones
- Los efectos de las etiquetas expresivas duran aproximadamente 4-5 palabras antes de volver a la entonación normal.
- La expresividad puede variar entre voces e idiomas.
Preguntas frecuentes
¿El modo expresivo cuesta más?
No. Los precios de ElevenAgents indican una tarifa por minuto de llamada para todos los planes, sin una tarifa independiente por el modo expresivo ni por el modelo de TTS: los minutos de llamada adicionales cuestan 0,08 $ por minuto y el uso del LLM se factura por separado. Consulta los precios de ElevenAgents.
¿Cómo activo el modo expresivo?
En el panel Voz del agente, selecciona V4 Turbo en Familia de modelos de TTS. El modo expresivo se activa automáticamente con este modelo. Para desactivarlo, apaga el interruptor de Modo expresivo o configura conversation_config.tts.expressive_mode como false mediante la API o la CLI.
¿Cómo funciona el sistema de toma de turnos?
El sistema utiliza señales en tiempo real de Scribe v2 Realtime, incluidas pistas emocionales y patrones del habla, para predecir cuándo debe responder el agente. Analiza tanto la transcripción como la forma en que se pronunciaron las palabras (prosodia) para calcular las respuestas de forma natural.
¿Puedo usar el modo expresivo con mi Clon de Voz Profesional?
Los Clones de Voz Profesionales son compatibles con Eleven v4. Si un PVC todavía no se ha entrenado con Eleven v4, abre Mis voces, busca la voz y haz clic en el botón más junto a Eleven v4 para iniciar el ajuste fino. Consulta Eleven v4 para conocer los ajustes de voz, incluida la intensidad del clon para los Clones de Voz Profesionales.
¿Cuántos idiomas admite Eleven v4 Turbo?
Eleven v4 Turbo admite más de 90 idiomas, frente a los ~32 de los modelos Flash.
¿Cómo se compara con otros modelos de TTS de ElevenAgents?
Eleven v4 Turbo ofrece un rango emocional mayor que Flash y Multilingual v2, con capacidad para adaptar la entonación según el contexto de la conversación. Admite más de 90 idiomas, frente a los ~32 de Flash.