Vai alla navigazione

Modalità espressiva

Crea agenti vocali che adattano tono, tempistica ed espressività emotiva in base al contesto conversazionale.

Panoramica

La modalità espressiva consente agli agenti di produrre un parlato che riflette intenzione, emozione ed enfasi, adattandosi in tempo reale a come suonano gli utenti e a ciò che dicono. Si basa su due miglioramenti a livello di sistema dello stack conversazionale:

  1. Eleven v4 Turbo — il modello Text to Speech più intelligente dal punto di vista emotivo e più attento al contesto disponibile in ElevenAgents.
  2. Un nuovo sistema di gestione dei turni — risposte con tempistiche più precise e meno interruzioni.

La modalità espressiva si attiva automaticamente quando selezioni Eleven v4 Turbo come modello TTS del tuo agente.

Eleven v4 Turbo

Eleven v4 Turbo è la variante in tempo reale di Eleven v4, con una latenza mediana di ~100 ms, ottimizzata per dialoghi dal vivo e bidirezionali. Mantiene il contesto conversazionale tra un turno e l’altro e adatta l’espressività al tono e all’intento di ogni scambio.

  • Espressività attenta al contesto: gli agenti adattano il tono in base al contesto conversazionale, rispondendo con più calma quando un utente sembra preoccupato o in modo più diretto quando serve chiarezza.
  • Controllo emotivo esplicito: guida l’espressività tramite regole nel system prompt, da trigger precisi a scenari più ampi, per rispettare la voce del brand e i requisiti di conformità normativa.
  • Supporto per oltre 90 lingue: rispetto alle ~32 lingue dei modelli Flash.
  • Tag espressivi: l’LLM può generare tag come [laughs], [whispers] o [sighs] per controllare momenti specifici dell’espressività.

I prezzi di ElevenAgents prevedono una tariffa unica al minuto per le chiamate in ogni piano, senza una tariffa separata in base al modello TTS. I minuti di chiamata aggiuntivi costano $0.08 al minuto e l’utilizzo dell’LLM viene fatturato separatamente. Consulta i prezzi di ElevenAgents.

Sistema di gestione dei turni

Il nuovo sistema di gestione dei turni usa segnali in tempo reale di Scribe v2 Realtime, inclusi segnali emotivi e schemi vocali, per stabilire quando un agente deve parlare, fare una pausa o attendere. Questo aiuta gli agenti a rispondere in modo più naturale, soprattutto nelle situazioni emotivamente intense.

Ad esempio, “sì” può essere una conferma completa oppure un’introduzione per continuare a parlare. Analizzando come è stato detto, inclusi segnali vocali come la prosodia, oltre alla trascrizione, il sistema stabilisce in modo più naturale quando l’agente deve rispondere.

Il comportamento di gestione dei turni può essere regolato ulteriormente con l’impostazione di reattività al turno.

Configurazione

Attivare la modalità espressiva

1

Seleziona il modello TTS

Imposta il modello TTS del tuo agente su Eleven v4 Turbo (eleven_v4_turbo). La modalità espressiva si attiva automaticamente con questo modello. Per disattivarla, imposta expressive_mode su false.

  1. Apri il tuo agente nella dashboard e seleziona la voce in Voci per aprire il pannello Voce dell’agente.
  2. In Famiglia di modelli TTS, seleziona V4 Turbo. L’interruttore Modalità espressiva si attiva e i Tag audio suggeriti sottostanti elencano i tag che il tuo agente può usare.
  3. Fai clic su Pubblica per salvare le modifiche.

Attivazione della modalità espressiva

2

Guida l’espressività emotiva nel system prompt

Aggiungi istruzioni al system prompt del tuo agente per orientare il modo in cui adatta il tono. Puoi usare indicazioni generali o trigger specifici.

Esempi di system prompt

Guida l’espressività emotiva del tuo agente con istruzioni in linguaggio naturale nel system prompt. Il modello le interpreta in base al contesto, quindi i tag espliciti non sono necessari per ogni situazione.

Indicazioni generali

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.

Trigger specifici

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

Uso dei tag espressivi

Oltre all’espressività attenta al contesto, l’LLM può generare tag espliciti per controllare momenti specifici. I tag più comuni includono:

  • [laughs] — Aggiunge una risata al parlato
  • [whispers] — Abbassa il volume per sussurrare
  • [sighs] — Aggiunge un tono sospirante
  • [slow] — Rallenta il parlato
  • [excited] — Aggiunge entusiasmo all’espressività

Ogni tag agisce approssimativamente sulle 4-5 parole successive, prima di tornare all’espressività normale.

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."

Best practice

Guida il tuo agente affinché adatti l’espressività emotiva alla situazione. Un cliente frustrato dovrebbe ricevere una risposta calma ed empatica. Un utente che condivide una buona notizia dovrebbe percepire un calore autentico. Un tono inappropriato mina la fiducia.

Definisci linee guida chiare sul tono nel system prompt, anziché affidarti esclusivamente al giudizio del modello. In questo modo garantisci un’espressività coerente con la voce del tuo brand e i requisiti di conformità normativa.

L’espressività può variare da una lingua all’altra. Testa il tuo agente in ogni lingua di destinazione per assicurarti che la sfumatura emotiva venga trasmessa come previsto, soprattutto nelle lingue con norme conversazionali diverse.

Abbina la modalità espressiva alle impostazioni appropriate di reattività al turno. La modalità paziente offre agli utenti più spazio nelle conversazioni emotivamente delicate, mentre la modalità reattiva è adatta alle interazioni rapide.

Usa le analisi delle conversazioni per monitorare come gli utenti reagiscono all’espressività. Perfeziona le linee guida sul tono in base agli esiti delle conversazioni e al feedback degli utenti.

Limitazioni

  • Gli effetti dei tag espressivi durano approssimativamente 4-5 parole prima di tornare all’espressività normale.
  • L’espressività può variare tra voci e lingue.

Domande frequenti

No. I prezzi di ElevenAgents prevedono una tariffa unica al minuto per le chiamate in ogni piano, senza una tariffa separata per la modalità espressiva o il modello TTS: i minuti di chiamata aggiuntivi costano $0.08 al minuto, mentre l’utilizzo dell’LLM viene fatturato separatamente. Consulta i prezzi di ElevenAgents.

Nel pannello Voce dell’agente, seleziona V4 Turbo in Famiglia di modelli TTS. La modalità espressiva si attiva automaticamente con questo modello. Per disattivarla, spegni l’interruttore Modalità espressiva oppure imposta conversation_config.tts.expressive_mode su false tramite l’API o la CLI.

Il sistema usa segnali in tempo reale di Scribe v2 Realtime, inclusi segnali emotivi e schemi vocali, per prevedere quando l’agente deve rispondere. Analizza sia la trascrizione sia il modo in cui le parole sono state pronunciate, inclusa la prosodia, per temporizzare naturalmente le risposte.

I Professional Voice Clone sono supportati in Eleven v4. Se un PVC non è ancora addestrato su Eleven v4, apri Le mie voci, trova la voce e fai clic sul pulsante più accanto a Eleven v4 per avviare il fine-tuning. Consulta Eleven v4 per le impostazioni vocali, inclusa Intensità del clone per i Professional Voice Clone.

Eleven v4 Turbo supporta oltre 90 lingue, rispetto alle ~32 dei modelli Flash.

Eleven v4 Turbo offre una gamma emotiva più ampia rispetto a Flash e Multilingual v2, con la capacità di adattare l’espressività in base al contesto conversazionale. Supporta oltre 90 lingue rispetto alle ~32 di Flash.

Funzionalità correlate