Tryb ekspresyjny

Omówienie

Tryb ekspresyjny pozwala agentom mówić w sposób odzwierciedlający intencję, emocje i nacisk, dostosowując się w czasie rzeczywistym do tego, jak brzmią użytkownicy i co mówią. Opiera się na dwóch ulepszeniach systemowych warstwy konwersacyjnej:

1. Eleven v4 Turbo — najbardziej inteligentny emocjonalnie, świadomy kontekstu model Text to Speech dostępny w ElevenAgents.
2. Nowy system zmiany tur — lepiej wyczuwany czas odpowiedzi i mniej przerwań.

Tryb ekspresyjny włącza się automatycznie po wybraniu Eleven v4 Turbo jako modelu TTS agenta.

Eleven v4 Turbo

Eleven v4 Turbo to działający w czasie rzeczywistym wariant Eleven v4, ze średnim opóźnieniem inferencji około 100 ms, zoptymalizowany do płynnego dialogu na żywo. Zachowuje kontekst rozmowy między turami i dostosowuje sposób mówienia do tonu i intencji każdej wymiany.

• Mówienie zależne od kontekstu: Agenci dostosowują ton do kontekstu rozmowy — odpowiadają spokojniej, gdy użytkownik brzmi na zmartwionego, lub bardziej bezpośrednio, gdy liczy się jasność.
• Precyzyjna kontrola emocji: Kieruj sposobem mówienia za pomocą reguł w system prompcie — od dokładnych wyzwalaczy po szersze scenariusze — aby zachować głos marki i spełnić wymogi zgodności.
• Obsługa ponad 90 języków: Rozszerzona z około 32 języków w modelach Flash.
• Tagi ekspresji: LLM może zwracać tagi, takie jak [laughs], [whispers] czy [sighs], aby kontrolować konkretne momenty wypowiedzi.

System zmiany tur

Nowy system zmiany tur wykorzystuje sygnały w czasie rzeczywistym z Scribe v2 Realtime — w tym wskazówki emocjonalne i wzorce mowy — aby określić, kiedy agent powinien mówić, zrobić pauzę lub poczekać. Dzięki temu agenci odpowiadają bardziej naturalnie, zwłaszcza w sytuacjach pełnych emocji.

Na przykład „tak” może być pełnym potwierdzeniem albo wstępem do dalszej wypowiedzi. Analizując sposób, w jaki zostało wypowiedziane (wskazówki mowy, takie jak prozodia), oraz transkrypcję, system bardziej naturalnie dobiera moment odpowiedzi agenta.

Zachowanie podczas zmiany tur można dodatkowo dostroić ustawieniem chęci zabrania głosu.

Konfiguracja

Włączanie trybu ekspresyjnego

Przykłady system promptów

Kieruj emocjonalnym przekazem agenta za pomocą instrukcji w języku naturalnym w system prompcie. Model interpretuje je w kontekście, więc nie potrzebujesz jawnych tagów w każdej sytuacji.

Ogólne wskazówki

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.

Konkretne wyzwalacze

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

Używanie tagów ekspresji

Oprócz mówienia zależnego od kontekstu LLM może zwracać jawne tagi, by kontrolować konkretne momenty. Częste tagi to:

• [laughs] — Dodaje śmiech do wypowiedzi
• [whispers] — Zmniejsza głośność, tworząc szept
• [sighs] — Dodaje westchnienie
• [slow] — Spowalnia mowę
• [excited] — Dodaje emocje do wypowiedzi

Każdy tag wpływa na około kolejne 4–5 słów, po czym sposób mówienia wraca do normy.

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."

Dobre praktyki

Ograniczenia

FAQ

Powiązane funkcje