Przejdź do nawigacji
KonfiguracjaGłos i język

Tryb ekspresyjny

Twórz agentów głosowych, którzy dostosowują ton, tempo i emocjonalny sposób mówienia do kontekstu rozmowy.

Przegląd

Tryb ekspresyjny pozwala agentom mówić w sposób odzwierciedlający intencję, emocje i akcenty, dostosowując się w czasie rzeczywistym do brzmienia i słów użytkowników. Opiera się na dwóch ulepszeniach systemowych stosu konwersacyjnego:

  1. Eleven v4 Turbo — najbardziej inteligentny emocjonalnie i świadomy kontekstu model Text to Speech dostępny w ElevenAgents.
  2. Nowy system zmiany tur — dokładniej dopasowany czas odpowiedzi i mniej przerw.

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

Eleven v4 Turbo

Eleven v4 Turbo to wariant Eleven v4 działający w czasie rzeczywistym, ze średnim opóźnieniem ~100 ms, zoptymalizowany pod kątem rozmów na żywo. Zachowuje kontekst rozmowy między turami i dostosowuje sposób mówienia do tonu oraz intencji każdej wymiany.

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

Cennik ElevenAgents podaje jedną stawkę za minutę rozmowy dla każdego planu, bez osobnej stawki zależnej od modelu TTS. Dodatkowe minuty rozmów kosztują 0,08 USD za minutę, a użycie LLM jest rozliczane osobno. Zobacz cennik ElevenAgents.

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 powiedziane (wskazówki mowy, takie jak prozodia), oprócz transkrypcji, system naturalniej dopasowuje moment odpowiedzi agenta.

Zachowanie przy zmianie tur można dodatkowo dostroić ustawieniem chęci zabrania głosu.

Konfiguracja

Włączanie trybu ekspresyjnego

1

Wybierz model TTS

Ustaw model TTS agenta na Eleven v4 Turbo (eleven_v4_turbo). Tryb ekspresyjny włącza się automatycznie z tym modelem. Aby go wyłączyć, ustaw expressive_mode na false.

  1. Otwórz agenta w panelu i wybierz jego głos w sekcji Głosy, aby otworzyć panel Głos agenta.
  2. W sekcji Rodzina modeli TTS wybierz V4 Turbo. Przełącznik Tryb ekspresyjny zostanie włączony, a poniżej w sekcji Sugerowane tagi audio znajdziesz tagi, których może używać agent.
  3. Kliknij Opublikuj, aby zapisać zmiany.

Włączanie trybu ekspresyjnego

2

Kieruj emocjonalnym sposobem mówienia w prompcie systemowym

Dodaj instrukcje do promptu systemowego agenta, aby określić, jak ma dostosowywać ton. Możesz użyć ogólnych wskazówek lub konkretnych wyzwalaczy.

Przykłady promptów systemowych

Kieruj emocjonalnym sposobem mówienia agenta za pomocą instrukcji w języku naturalnym w prompcie systemowym. Model interpretuje je kontekstowo, więc nie musisz używać 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 ekspresyjnych

Oprócz sposobu mówienia świadomego kontekstu LLM może generować jawne tagi, aby kontrolować konkretne momenty. Typowe tagi to:

  • [laughs] — Dodaje śmiech do wypowiedzi
  • [whispers] — Obniża głośność, tworząc szept
  • [sighs] — Dodaje westchnienie
  • [slow] — Spowalnia tempo mowy
  • [excited] — Dodaje wypowiedzi podekscytowanie

Każdy tag wpływa na około kolejne 4–5 słów wypowiedzi, 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

Wskaż agentowi, by dopasowywał emocjonalny sposób mówienia do sytuacji. Sfrustrowany klient powinien usłyszeć spokojną, empatyczną odpowiedź. Użytkownik dzielący się dobrą wiadomością powinien usłyszeć prawdziwe ciepło. Niedopasowany ton podważa zaufanie.

Zdefiniuj jasne wytyczne dotyczące tonu w prompcie systemowym, zamiast polegać wyłącznie na ocenie modelu. Zapewnia to spójny sposób mówienia zgodny z głosem marki i wymogami zgodności.

Ekspresyjny sposób mówienia może różnić się między językami. Testuj agenta w każdym języku docelowym, aby upewnić się, że niuanse emocjonalne są odbierane zgodnie z zamierzeniem, zwłaszcza w językach o innych normach rozmowy.

Połącz tryb ekspresyjny z odpowiednimi ustawieniami chęci zabrania głosu. Tryb cierpliwy daje użytkownikom więcej przestrzeni w emocjonalnie wrażliwych rozmowach, a tryb chętny sprawdza się w szybkich interakcjach.

Korzystaj z analityki rozmów, aby śledzić reakcje użytkowników na ekspresyjny sposób mówienia. Udoskonalaj wytyczne dotyczące tonu na podstawie wyników rozmów i opinii użytkowników.

Ograniczenia

  • Efekty tagów ekspresyjnych trwają około 4–5 słów, po czym sposób mówienia wraca do normy.
  • Ekspresyjność może różnić się między głosami i językami.

FAQ

Nie. Cennik ElevenAgents podaje jedną stawkę za minutę rozmowy dla każdego planu, bez osobnej stawki za tryb ekspresyjny ani model TTS: dodatkowe minuty rozmów kosztują 0,08 USD za minutę, a użycie LLM jest rozliczane osobno. Zobacz cennik ElevenAgents.

W panelu Głos agenta wybierz V4 Turbo w sekcji Rodzina modeli TTS. Tryb ekspresyjny włącza się automatycznie z tym modelem. Aby go wyłączyć, wyłącz przełącznik Tryb ekspresyjny lub ustaw conversation_config.tts.expressive_mode na false przez API albo CLI.

System wykorzystuje sygnały w czasie rzeczywistym z Scribe v2 Realtime, w tym wskazówki emocjonalne i wzorce mowy, aby przewidzieć, kiedy agent powinien odpowiedzieć. Analizuje zarówno transkrypcję, jak i sposób wypowiedzenia słów (prozodię), aby naturalnie dopasować czas odpowiedzi.

Professional Voice Clones są obsługiwane w Eleven v4. Jeśli PVC nie został jeszcze wytrenowany w Eleven v4, otwórz Moje głosy, znajdź głos i kliknij przycisk plus obok Eleven v4, aby rozpocząć dostrajanie. Zobacz Eleven v4, aby poznać ustawienia głosu, w tym Clone Strength dla Professional Voice Clones.

Eleven v4 Turbo obsługuje ponad 90 języków, w porównaniu z ~32 w modelach Flash.

Eleven v4 Turbo oferuje większy zakres emocjonalny niż Flash i Multilingual v2 oraz możliwość dostosowania sposobu mówienia do kontekstu rozmowy. Obsługuje ponad 90 języków, w porównaniu z ~32 w Flash.

Powiązane funkcje

Przebieg rozmowy

Skonfiguruj chęć zabrania głosu, limity czasu i obsługę przerwań

Obsługa wielu głosów

Używaj różnych głosów w rozmowach wielu postaci i nauce języków

Kontrola prędkości

Dostosuj ogólne tempo mówienia agenta

Przewodnik po promptach systemowych

Zoptymalizuj zachowanie agenta dzięki skutecznym promptom