Modalità espressiva
Panoramica
La modalità espressiva consente agli agenti di generare un parlato che riflette intenzione, emozione ed enfasi, adattandosi in tempo reale a come gli utenti parlano e a ciò che dicono. Si basa su due miglioramenti a livello di sistema dello stack conversazionale:
- Eleven v4 Turbo — il modello Text to Speech più intelligente dal punto di vista emotivo e più attento al contesto disponibile in ElevenAgents.
- Un nuovo sistema di gestione dei turni — risposte con tempi più precisi 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 di inferenza mediana di ~100 ms, ottimizzata per dialoghi dal vivo e bidirezionali. Mantiene il contesto conversazionale tra un turno e l’altro e adatta la resa al tono e all’intento di ogni scambio.
- Resa attenta al contesto: gli agenti adattano il tono in base al contesto conversazionale, rispondendo in modo più calmo quando un utente sembra preoccupato o più diretto quando è importante essere chiari.
- Controllo emotivo esplicito: guida la resa con regole nel system prompt, da trigger precisi a scenari più ampi, per allinearla alla voce del brand e ai 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 della resa.
I prezzi di ElevenAgents prevedono un’unica tariffa al minuto per le chiamate per 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 aspettare. 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 i tempi della risposta dell’agente in modo più naturale.
Puoi regolare ulteriormente il comportamento di gestione dei turni con l’impostazione propensione a intervenire.
Configurazione
Attivare la modalità espressiva
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.
Aggiorna dal dashboard
Aggiorna tramite la CLI
Aggiorna tramite l'API
- Apri il tuo agente nel dashboard e seleziona la tua voce in Voci per aprire il pannello Voce dell’agente.
- 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.
- Fai clic su Pubblica per salvare le modifiche.
Esempi di system prompt
Guida la resa emotiva del tuo agente tramite istruzioni in linguaggio naturale nel system prompt. Il modello le interpreta in base al contesto, quindi non sono necessari tag espliciti per ogni situazione.
Indicazioni generali
Trigger specifici
Uso dei tag espressivi
Oltre alla resa 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 una qualità sospirante[slow]— Rallenta la resa del parlato[excited]— Aggiunge entusiasmo alla resa
Ogni tag agisce approssimativamente sulle 4-5 parole successive prima di tornare alla resa normale.
Best practice
Abbina la resa al contesto
Guida il tuo agente affinché abbini la resa 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 inadeguato mina la fiducia.
Usa regole nel system prompt per garantire coerenza
Definisci linee guida chiare per il tono nel system prompt anziché affidarti esclusivamente al giudizio del modello. Così garantisci una resa coerente con la voce del tuo brand e i requisiti di conformità normativa.
Esegui test in più lingue
La resa espressiva può variare tra le lingue. Testa il tuo agente in ogni lingua di destinazione per assicurarti che la sfumatura emotiva venga trasmessa come previsto, soprattutto nelle lingue con convenzioni conversazionali diverse.
Combina con le impostazioni di propensione a intervenire
Abbina la modalità espressiva alle impostazioni appropriate di propensione a intervenire. La modalità paziente lascia agli utenti più spazio nelle conversazioni emotivamente delicate, mentre la modalità pronta è adatta alle interazioni rapide.
Monitora e migliora
Usa l’analisi delle conversazioni per monitorare come gli utenti rispondono alla resa espressiva. 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 alla resa normale.
- L’espressività può variare tra voci e lingue.
FAQ
La modalità espressiva costa di più?
No. I prezzi di ElevenAgents prevedono un’unica tariffa al minuto per le chiamate per ogni piano, senza una tariffa separata per la modalità espressiva o il 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.
Come si attiva la modalità espressiva?
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.
Come funziona il sistema di gestione dei turni?
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 sono state pronunciate le parole, inclusa la prosodia, per stabilire naturalmente i tempi delle risposte.
Posso usare la modalità espressiva con il mio Professional Voice Clone?
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 della voce, inclusa Clone Strength per i Professional Voice Clone.
Quante lingue supporta Eleven v4 Turbo?
Eleven v4 Turbo supporta oltre 90 lingue, rispetto alle ~32 dei modelli Flash.
Come si confronta con gli altri modelli TTS di ElevenAgents?
Eleven v4 Turbo offre una gamma emotiva più ampia rispetto a Flash e Multilingual v2, con la capacità di adattare la resa in base al contesto conversazionale. Supporta oltre 90 lingue rispetto alle ~32 di Flash.