表現力モード

概要

表現力モードを使うと、意図、感情、強調を反映した発話をエージェントが行えるようになり、ユーザーの声や発言に応じてリアルタイムで調整します。これは、会話スタックにおける2つのシステムレベルの改善に基づいています。

1. Eleven v3 Conversational — ElevenAgentsで利用できる、感情理解とコンテキスト認識に最も優れたテキスト読み上げモデル。
2. 新しいターンテイキングシステム — 割り込みを減らし、より正確なタイミングで応答。

エージェントのTTSモデルとしてEleven v3 Conversationalを選択すると、表現力モードはデフォルトで有効になります。

Eleven v3 Conversational

Eleven v3 Conversationalは、ライブでの双方向対話に最適化された、超低レイテンシー版のEleven v3です。ターンをまたいで会話のコンテキストを維持し、各やり取りのトーンや意図に合わせて話し方を調整します。

• コンテキストに応じた話し方：会話のコンテキストに基づいてトーンを調整します。たとえば、ユーザーが不安そうな場合はより落ち着いて応答し、明確さが重要な場合はより直接的に応答します。
• 明示的な感情制御：具体的なトリガーから幅広い状況まで、システムプロンプトのルールで話し方を導き、ブランドボイスやコンプライアンス要件に合わせます。
• 70以上の言語をサポート：Flashモデルの約32言語から拡張し、これまでニュアンス表現が弱かった日本語などの言語でも表現力を向上させています。
• 表現タグ：LLMは[laughs]、[whispers]、[sighs]などのタグを出力し、特定の場面での話し方を制御できます。

ターンテイキングシステム

新しいターンテイキングシステムは、感情的な手がかりや発話パターンを含むScribe v2 Realtimeからのリアルタイムシグナルを使用し、エージェントが発話、停止、待機すべきタイミングを判断します。これにより、特に感情が高ぶる状況で、より自然な応答が可能になります。

たとえば、「はい」は完全な相づちの場合もあれば、続けて話す前置きの場合もあります。システムは、文字起こしに加えて、どのように発話されたか（韻律などの発話の手がかり）を分析し、エージェントの応答タイミングをより自然に調整します。

ターンテイキングの動作は、応答の積極性設定でさらに調整できます。

設定

表現力モードを有効にする

システムプロンプトの例

システムプロンプト内の自然言語による指示で、エージェントの感情表現を導きます。モデルはこれをコンテキストに応じて解釈するため、すべての状況で明示的なタグは必要ありません。

幅広いガイダンス

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.

具体的なトリガー

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

表現タグを使う

コンテキストに応じた話し方に加え、LLMは特定の場面を制御するための明示的なタグを出力できます。一般的なタグには次のものがあります。

• [laughs] — 発話に笑いを加えます
• [whispers] — ささやき声のために音量を下げます
• [sighs] — ため息のような表現を加えます
• [slow] — 発話速度を遅くします
• [excited] — 話し方に興奮した表現を加えます

各タグは、通常の話し方に戻る前の約4～5語の発話に影響します。

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."

ベストプラクティス

制限事項

よくある質問

関連機能