Mode expressif
Concevez des agents vocaux qui adaptent leur ton, leur rythme et leur expression émotionnelle au contexte de la conversation.
Vue d’ensemble
Le mode expressif permet aux agents de produire une parole qui reflète l’intention, l’émotion et l’accentuation, en s’adaptant en temps réel à la façon dont les utilisateurs s’expriment et à ce qu’ils disent. Il repose sur deux améliorations au niveau du système conversationnel :
- Eleven v4 Turbo : le modèle Text to Speech le plus sensible aux émotions et au contexte disponible dans ElevenAgents.
- Un nouveau système de prise de parole : des réponses mieux synchronisées et moins d’interruptions.
Le mode expressif s’active automatiquement lorsque vous sélectionnez Eleven v4 Turbo comme modèle TTS de votre agent.
Eleven v4 Turbo
Eleven v4 Turbo est la variante temps réel d’Eleven v4, avec une latence médiane d’environ 100 ms, optimisée pour les dialogues en direct. Il conserve le contexte conversationnel d’un tour à l’autre et adapte son expression au ton et à l’intention de chaque échange.
- Expression adaptée au contexte : les agents adaptent leur ton au contexte de la conversation, en répondant plus calmement lorsqu’un utilisateur semble inquiet ou plus directement lorsque la clarté est essentielle.
- Contrôle émotionnel explicite : guidez l’expression via des règles dans le prompt système, de déclencheurs précis à des scénarios plus larges, afin de respecter votre identité de marque et vos exigences de conformité.
- Prise en charge de plus de 90 langues : contre environ 32 langues dans les modèles Flash.
- Balises expressives : le LLM peut générer des balises telles que
[laughs],[whispers]ou[sighs]afin de contrôler des moments précis de l’expression.
La tarification d’ElevenAgents indique un tarif d’appel unique à la minute pour chaque forfait, sans tarif distinct selon le modèle TTS. Les minutes d’appel supplémentaires coûtent 0,08 $ par minute et l’utilisation du LLM est facturée séparément. Consultez la tarification d’ElevenAgents.
Système de prise de parole
Le nouveau système de prise de parole utilise des signaux en temps réel de Scribe v2 Realtime, notamment des indices émotionnels et des schémas de parole, pour déterminer quand un agent doit parler, faire une pause ou attendre. Les agents répondent ainsi plus naturellement, en particulier dans les situations chargées émotionnellement.
Par exemple, « yeah » peut être un acquiescement complet ou une amorce avant de continuer à parler. En analysant la manière dont ce mot est prononcé, notamment des indices vocaux comme la prosodie, en plus de la transcription, le système synchronise plus naturellement la réponse de l’agent.
Vous pouvez affiner davantage le comportement de prise de parole avec le paramètre d’empressement de prise de parole.
Configuration
Activer le mode expressif
Sélectionner le modèle TTS
Définissez le modèle TTS de votre agent sur Eleven v4 Turbo (eleven_v4_turbo). Le mode expressif s’active automatiquement avec ce modèle. Pour le désactiver, définissez expressive_mode sur false.
Mettre à jour via le Dashboard
Mettre à jour via la CLI
Mettre à jour via l’API
- Ouvrez votre agent dans le Dashboard et sélectionnez votre voix sous Voix afin d’ouvrir le panneau Voix de l’agent.
- Sous Famille de modèles TTS, sélectionnez V4 Turbo. Le bouton bascule Mode expressif s’active et les Balises audio suggérées sous ce bouton répertorient les balises que votre agent peut utiliser.
- Cliquez sur Publier pour enregistrer vos modifications.
Exemples de prompts système
Guidez l’expression émotionnelle de votre agent au moyen d’instructions en langage naturel dans le prompt système. Le modèle les interprète en fonction du contexte, les balises explicites ne sont donc pas nécessaires dans chaque situation.
Indications générales
Déclencheurs précis
Utiliser des balises expressives
En complément de l’expression adaptée au contexte, le LLM peut générer des balises explicites pour contrôler des moments précis. Les balises courantes comprennent :
[laughs]: ajoute un rire à la parole[whispers]: baisse le volume pour chuchoter[sighs]: ajoute une tonalité de soupir[slow]: ralentit le débit de parole[excited]: ajoute de l’enthousiasme à l’expression
Chaque balise affecte environ les 4 à 5 mots suivants avant le retour à une expression normale.
Bonnes pratiques
Adapter l’expression au contexte
Guidez votre agent afin qu’il adapte son expression émotionnelle à la situation. Un client frustré doit entendre une réponse calme et empathique. Un utilisateur qui partage une bonne nouvelle doit percevoir une chaleur sincère. Un ton inadapté érode la confiance.
Utiliser des règles de prompt système pour assurer la cohérence
Définissez des consignes de ton claires dans votre prompt système plutôt que de vous fier uniquement au jugement du modèle. Cela garantit une expression cohérente avec votre identité de marque et vos exigences de conformité.
Tester dans plusieurs langues
L’expression émotionnelle peut varier d’une langue à l’autre. Testez votre agent dans chaque langue cible afin de vous assurer que la nuance émotionnelle est transmise comme prévu, surtout dans les langues dont les normes conversationnelles diffèrent.
Combiner avec les paramètres d’empressement de prise de parole
Associez le mode expressif à des paramètres d’empressement de prise de parole appropriés. Le mode patient laisse davantage d’espace aux utilisateurs lors de conversations émotionnellement sensibles, tandis que le mode empressé convient aux interactions rapides.
Mesurer et itérer
Utilisez les analyses de conversation pour suivre la réaction des utilisateurs à l’expression émotionnelle. Affinez vos consignes de ton en fonction des résultats des conversations et des retours des utilisateurs.
Limites
- Les effets des balises expressives durent environ 4 à 5 mots avant le retour à une expression normale.
- L’expressivité peut varier selon les voix et les langues.
FAQ
Le mode expressif coûte-t-il plus cher ?
Non. La tarification d’ElevenAgents indique un tarif d’appel unique à la minute pour chaque forfait, sans tarif distinct pour le mode expressif ou le modèle TTS : les minutes d’appel supplémentaires coûtent 0,08 $ par minute et l’utilisation du LLM est facturée séparément. Consultez la tarification d’ElevenAgents.
Comment activer le mode expressif ?
Dans le panneau Voix de l’agent, sélectionnez V4 Turbo sous Famille de modèles TTS. Le mode expressif s’active automatiquement avec ce modèle. Pour le désactiver, désactivez le bouton bascule Mode expressif ou définissez conversation_config.tts.expressive_mode sur false via l’API ou la CLI.
Comment fonctionne le système de prise de parole ?
Le système utilise des signaux en temps réel de Scribe v2 Realtime, notamment des indices émotionnels et des schémas de parole, pour prédire quand l’agent doit répondre. Il analyse à la fois la transcription et la manière dont les mots ont été prononcés, notamment la prosodie, afin de synchroniser naturellement les réponses.
Puis-je utiliser le mode expressif avec mon Professional Voice Clone ?
Les Professional Voice Clones sont pris en charge dans Eleven v4. Si un PVC n’est pas encore entraîné sur Eleven v4, ouvrez Mes voix, recherchez la voix et cliquez sur le bouton plus à côté d’Eleven v4 pour lancer le Finetune. Consultez Eleven v4 pour les paramètres de voix, dont Clone Strength pour les Professional Voice Clones.
Combien de langues Eleven v4 Turbo prend-il en charge ?
Eleven v4 Turbo prend en charge plus de 90 langues, contre environ 32 dans les modèles Flash.
Comment se compare-t-il aux autres modèles TTS d’ElevenAgents ?
Eleven v4 Turbo offre une gamme émotionnelle plus étendue que Flash et Multilingual v2, avec la capacité d’adapter son expression au contexte conversationnel. Il prend en charge plus de 90 langues, contre environ 32 pour Flash.