एक्सप्रेसिव मोड

परिचय

एक्सप्रेसिव मोड एजेंट को ऐसे भाषण देने में सक्षम बनाता है जो इरादे, भावना और जोर को दर्शाते हैं। यह यूज़र के बोलने के तरीके और उनकी बातों के अनुसार रीयल टाइम में खुद को ढालता है। यह कन्वर्सेशनल स्टैक में दो सिस्टम-स्तरीय सुधारों पर बना है:

1. Eleven v4 Turbo — ElevenAgents में उपलब्ध सबसे भावनात्मक रूप से बुद्धिमान और संदर्भ-सजग टेक्स्ट टू स्पीच मॉडल।
2. एक नया टर्न-टेकिंग सिस्टम — कम रुकावटों के साथ ज़्यादा सटीक समय पर जवाब।

जब आप Eleven v4 Turbo को अपने एजेंट के TTS मॉडल के रूप में चुनते हैं, तो एक्सप्रेसिव मोड अपने-आप चालू हो जाता है।

Eleven v4 Turbo

Eleven v4 Turbo, Eleven v4 का रीयल-टाइम वेरिएंट है। इसकी मीडियन लेटेंसी ~100ms है और इसे लाइव, दोतरफ़ा बातचीत के लिए ऑप्टिमाइज़ किया गया है। यह अलग-अलग टर्न के बीच बातचीत का संदर्भ बनाए रखता है और हर संवाद के टोन व इरादे के अनुसार प्रस्तुति को ढालता है।

• संदर्भ-सजग प्रस्तुति: एजेंट बातचीत के संदर्भ के आधार पर टोन अपनाते हैं — यूज़र के चिंतित लगने पर ज़्यादा शांत तरीके से, या स्पष्टता ज़रूरी होने पर ज़्यादा सीधे जवाब देते हैं।
• स्पष्ट भावनात्मक नियंत्रण: ब्रांड वॉइस और अनुपालन की ज़रूरतों के अनुरूप, सटीक ट्रिगर से लेकर व्यापक स्थितियों तक, सिस्टम प्रॉम्प्ट नियमों के जरिए प्रस्तुति को निर्देशित करें।
• 90+ भाषाओं का समर्थन: Flash मॉडल की ~32 भाषाओं से बढ़ाकर।
• एक्सप्रेसिव टैग: LLM प्रस्तुति के खास पलों को नियंत्रित करने के लिए [laughs], [whispers] या [sighs] जैसे टैग आउटपुट कर सकता है।

टर्न-टेकिंग सिस्टम

नया टर्न-टेकिंग सिस्टम Scribe v2 Realtime के रीयल-टाइम संकेतों — जिनमें भावनात्मक संकेत और बोलने के पैटर्न शामिल हैं — का इस्तेमाल यह तय करने के लिए करता है कि एजेंट को कब बोलना, रुकना या इंतज़ार करना चाहिए। इससे एजेंट ज़्यादा स्वाभाविक ढंग से जवाब देते हैं, खासकर भावनात्मक स्थितियों में।

उदाहरण के लिए, “हाँ” एक पूरा स्वीकारोक्ति हो सकता है या आगे बोलते रहने की शुरुआत। ट्रांसक्रिप्ट के साथ-साथ इसे कैसे कहा गया था (प्रोसोडी जैसे वाक् संकेत) का विश्लेषण करके, सिस्टम एजेंट के जवाब का समय ज़्यादा स्वाभाविक बनाता है।

टर्न-टेकिंग व्यवहार को टर्न ईगरनेस सेटिंग से और बेहतर ढंग से ट्यून किया जा सकता है।

कॉन्फ़िगरेशन

एक्सप्रेसिव मोड चालू करना

सिस्टम प्रॉम्प्ट के उदाहरण

सिस्टम प्रॉम्प्ट में प्राकृतिक भाषा के निर्देशों के जरिए अपने एजेंट की भावनात्मक प्रस्तुति को निर्देशित करें। मॉडल इन्हें संदर्भ के अनुसार समझता है, इसलिए हर स्थिति के लिए स्पष्ट टैग की ज़रूरत नहीं होती।

व्यापक मार्गदर्शन

You are a customer support agent. When a user sounds frustrated or upset, respond
in a calm, reassuring tone. When delivering good news, allow your tone to reflect
genuine warmth. Maintain a professional but approachable delivery throughout.

खास ट्रिगर

You are a conversational AI agent with expressive speech capabilities.
Tone guidelines:
- When a user expresses frustration, use a calm and empathetic tone
- When explaining technical steps, use a clear and measured pace
- When a user shares good news, respond with warmth and enthusiasm
- When handling complaints, remain composed and solution-oriented

एक्सप्रेसिव टैग का इस्तेमाल

संदर्भ-सजग प्रस्तुति के अलावा, LLM खास पलों को नियंत्रित करने के लिए स्पष्ट टैग आउटपुट कर सकता है। आम टैग में शामिल हैं:

• [laughs] — भाषण में हँसी जोड़ता है
• [whispers] — फुसफुसाने के लिए आवाज़ कम करता है
• [sighs] — आह भरने का प्रभाव जोड़ता है
• [slow] — बोलने की गति धीमी करता है
• [excited] — प्रस्तुति में उत्साह जोड़ता है

हर टैग सामान्य प्रस्तुति पर लौटने से पहले भाषण के लगभग अगले 4-5 शब्दों को प्रभावित करता है।

You can also use expressive tags in your responses for precise control:
- [laughs] for moments of humor
- [whispers] for confidential or intimate moments
- [sighs] for resignation or relief
- [slow] when emphasizing important information
Example: "That's great to hear! [laughs] I'm glad we could sort that out for you."

सर्वोत्तम तरीके

सीमाएँ

FAQ

संबंधित सुविधाएँ