Modo expressivo
Crie agentes de voz que adaptam o tom, o ritmo e a expressão emocional com base no contexto da conversa.
Visão geral
O modo expressivo permite que os agentes emitam fala que reflete intenção, emoção e ênfase, adaptando-se em tempo real à forma como os usuários soam e ao que dizem. Ele é baseado em duas melhorias no nível do sistema para a pilha de conversação:
- Eleven v4 Turbo — o modelo de Text to Speech mais inteligente emocionalmente e atento ao contexto disponível no ElevenAgents.
- Um novo sistema de gerenciamento de turnos — respostas com temporização mais precisa e menos interrupções.
O modo expressivo é ativado automaticamente quando você seleciona o Eleven v4 Turbo como modelo de TTS do seu agente.
Eleven v4 Turbo
O Eleven v4 Turbo é a variante em tempo real do Eleven v4, com latência mediana de ~100 ms, otimizada para diálogos ao vivo de ida e volta. Ele mantém o contexto da conversa entre os turnos e adapta a emissão para corresponder ao tom e à intenção de cada interação.
- Emissão atenta ao contexto: os agentes adaptam o tom com base no contexto da conversa — respondendo com mais calma quando um usuário parece preocupado ou de forma mais direta quando a clareza é importante.
- Controle emocional explícito: oriente a emissão por meio de regras no prompt do sistema, desde gatilhos precisos até cenários mais amplos, para alinhá-la à voz da marca e aos requisitos de conformidade.
- Suporte a mais de 90 idiomas: ampliado de ~32 idiomas nos modelos Flash.
- Tags expressivas: o LLM pode gerar tags como
[laughs],[whispers]ou[sighs]para controlar momentos específicos da emissão.
O preço do ElevenAgents apresenta uma única tarifa por minuto de chamada para todos os planos, sem tarifa separada por modelo de TTS. Minutos adicionais de chamada custam US$ 0,08 por minuto, e o uso de LLM é cobrado separadamente. Consulte os preços do ElevenAgents.
Sistema de gerenciamento de turnos
O novo sistema de gerenciamento de turnos usa sinais em tempo real do Scribe v2 Realtime — incluindo indícios emocionais e padrões de fala — para determinar quando um agente deve falar, pausar ou esperar. Isso ajuda os agentes a responder de forma mais natural, especialmente em situações emocionalmente intensas.
Por exemplo, “sim” pode ser uma confirmação completa ou uma introdução para continuar falando. Ao analisar como isso foi dito (indícios de fala, como a prosódia), além da transcrição, o sistema ajusta o tempo da resposta do agente de forma mais natural.
O comportamento de gerenciamento de turnos pode ser ajustado ainda mais com a configuração de disposição para assumir o turno.
Configuração
Ativar o modo expressivo
Selecione o modelo de TTS
Defina o modelo de TTS do seu agente como Eleven v4 Turbo (eleven_v4_turbo). O modo expressivo é ativado automaticamente com esse modelo. Para desativá-lo, defina expressive_mode como false.
Atualizar pelo painel
Atualizar pela CLI
Atualizar pela API
- Abra seu agente no painel e selecione sua voz em Vozes para abrir o painel Voz do agente.
- Em Família de modelos de TTS, selecione V4 Turbo. A opção Modo expressivo é ativada, e as Tags de áudio sugeridas abaixo dela listam as tags que seu agente pode usar.
- Clique em Publicar para salvar suas alterações.
Exemplos de prompt do sistema
Oriente a expressão emocional do seu agente com instruções em linguagem natural no prompt do sistema. O modelo interpreta essas instruções de acordo com o contexto, portanto não são necessárias tags explícitas para cada situação.
Orientação ampla
Gatilhos específicos
Usar tags expressivas
Além da emissão atenta ao contexto, o LLM pode gerar tags explícitas para controlar momentos específicos. Tags comuns incluem:
[laughs]— Adiciona risadas à fala[whispers]— Diminui o volume para sussurrar[sighs]— Adiciona uma qualidade de suspiro[slow]— Desacelera a fala[excited]— Adiciona entusiasmo à emissão
Cada tag afeta aproximadamente as próximas 4 a 5 palavras da fala antes de retornar à emissão normal.
Boas práticas
Combine a emissão com o contexto
Oriente seu agente a adequar a expressão emocional à situação. Um cliente frustrado deve ouvir uma resposta calma e empática. Um usuário compartilhando boas notícias deve ouvir um tom genuinamente caloroso. Um tom inadequado prejudica a confiança.
Use regras no prompt do sistema para manter a consistência
Defina diretrizes claras de tom no prompt do sistema em vez de depender apenas do julgamento do modelo. Isso garante uma emissão consistente, alinhada à voz da sua marca e aos requisitos de conformidade.
Teste em todos os idiomas
A expressão emocional pode variar entre idiomas. Teste seu agente em cada idioma de destino para garantir que a nuance emocional seja transmitida como esperado, especialmente em idiomas cujas convenções de conversa são diferentes.
Combine com as configurações de disposição para assumir o turno
Combine o modo expressivo com configurações adequadas de disposição para assumir o turno. O modo paciente dá mais espaço aos usuários em conversas emocionalmente sensíveis, enquanto o modo ávido funciona bem para interações rápidas.
Monitore e refine
Use análises de conversa para acompanhar como os usuários respondem à emissão expressiva. Refine suas diretrizes de tom com base nos resultados das conversas e no feedback dos usuários.
Limitações
- Os efeitos das tags expressivas duram aproximadamente 4 a 5 palavras antes de retornar à emissão normal.
- A expressividade pode variar entre vozes e idiomas.
Perguntas frequentes
O modo expressivo custa mais?
Não. O preço do ElevenAgents apresenta uma única tarifa por minuto de chamada para todos os planos, sem tarifa separada para o modo expressivo ou o modelo de TTS: minutos adicionais de chamada custam US$ 0,08 por minuto, com o uso de LLM cobrado separadamente. Consulte os preços do ElevenAgents.
Como ativo o modo expressivo?
No painel Voz do agente, selecione V4 Turbo em Família de modelos de TTS. O modo expressivo é ativado automaticamente com esse modelo. Para desativá-lo, desligue a opção Modo expressivo ou defina conversation_config.tts.expressive_mode como false pela API ou CLI.
Como funciona o sistema de gerenciamento de turnos?
O sistema usa sinais em tempo real do Scribe v2 Realtime, incluindo indícios emocionais e padrões de fala, para prever quando o agente deve responder. Ele analisa tanto a transcrição quanto a forma como as palavras foram pronunciadas (prosódia) para ajustar naturalmente o tempo das respostas.
Posso usar o modo expressivo com meu Clone de Voz Profissional?
Clones de Voz Profissionais são compatíveis com o Eleven v4. Se um PVC ainda não foi treinado no Eleven v4, abra Minhas vozes, encontre a voz e clique no botão de mais ao lado de Eleven v4 para iniciar o ajuste fino. Consulte Eleven v4 para ver as configurações de voz, incluindo Intensidade do clone para Clones de Voz Profissionais.
Quantos idiomas o Eleven v4 Turbo oferece suporte?
O Eleven v4 Turbo oferece suporte a mais de 90 idiomas, ampliado de ~32 nos modelos Flash.
Como ele se compara a outros modelos de TTS no ElevenAgents?
O Eleven v4 Turbo oferece maior variedade emocional do que Flash e Multilingual v2, com a capacidade de adaptar a emissão com base no contexto da conversa. Ele oferece suporte a mais de 90 idiomas, em comparação com ~32 do Flash.