Hoppa till navigering
KonfigureraRöst och språk

Expressivt läge

Bygg röstagenter som anpassar ton, timing och känslomässig leverans utifrån samtalskontexten.

Översikt

Expressivt läge gör det möjligt för agenter att leverera tal som speglar avsikt, känsla och betoning, och som anpassas i realtid efter hur användare låter och vad de säger. Det bygger på två förbättringar på systemnivå i samtalsstacken:

  1. Eleven v4 Turbo — den mest känslomässigt intelligenta och kontextmedvetna Text to Speech-modellen som finns i ElevenAgents.
  2. Ett nytt system för turordning — mer exakt tajmade svar med färre avbrott.

Expressivt läge aktiveras automatiskt när du väljer Eleven v4 Turbo som agentens TTS-modell.

Eleven v4 Turbo

Eleven v4 Turbo är realtidsvarianten av Eleven v4, med en medianlatens för inferens på cirka 100 ms, optimerad för direkta dialoger fram och tillbaka. Den behåller samtalskontexten mellan turerna och anpassar leveransen efter tonen och avsikten i varje utbyte.

  • Kontextmedveten leverans: Agenter anpassar tonen efter samtalskontexten — de svarar lugnare när en användare låter orolig och mer direkt när tydlighet är viktigt.
  • Tydlig känslomässig kontroll: Styr leveransen med regler i systemprompten, från exakta utlösare till bredare scenarier, så att den följer varumärkets röst och efterlevnadskrav.
  • Stöd för över 90 språk: Utökat från cirka 32 språk i Flash-modellerna.
  • Expressiva taggar: LLM:en kan skapa taggar som [laughs], [whispers] eller [sighs] för att styra specifika delar av leveransen.

ElevenAgents prissättning anger ett samtalspris per minut för varje plan, utan separat pris per TTS- modell. Extra samtalsminuter kostar 0,08 USD per minut, och LLM-användning debiteras separat. Se ElevenAgents prissättning.

System för turordning

Det nya systemet för turordning använder realtidssignaler från Scribe v2 Realtime — inklusive känslomässiga signaler och talmönster — för att avgöra när en agent ska tala, pausa eller vänta. Det hjälper agenter att svara mer naturligt, särskilt i känslomässigt laddade situationer.

Till exempel kan ”ja” vara en komplett bekräftelse eller en inledning till att fortsätta tala. Genom att analysera hur det sades (talsignaler som prosodi) utöver transkriptionen kan systemet tajma agentens svar mer naturligt.

Beteendet för turordning kan finjusteras ytterligare med inställningen iver för turordning.

Konfiguration

Aktivera expressivt läge

1

Välj TTS-modell

Ställ in agentens TTS-modell på Eleven v4 Turbo (eleven_v4_turbo). Expressivt läge aktiveras automatiskt med denna modell. Ställ in expressive_mode på false för att stänga av det.

  1. Öppna agenten i instrumentpanelen och välj din röst under Röster för att öppna panelen Agentröst.
  2. Välj V4 Turbo under TTS-modellfamilj. Växeln Expressivt läge aktiveras, och Föreslagna audiotaggar under den visar taggar som agenten kan använda.
  3. Klicka på Publicera för att spara ändringarna.

Aktivera expressivt läge

2

Styr den känslomässiga leveransen i systemprompten

Lägg till instruktioner i agentens systemprompt för att styra hur agenten anpassar sin ton. Du kan använda bred vägledning eller specifika utlösare.

Exempel på systemprompter

Styr agentens känslomässiga leverans med instruktioner på naturligt språk i systemprompten. Modellen tolkar dem utifrån sammanhanget, så explicita taggar krävs inte i varje situation.

Bred vägledning

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.

Specifika utlösare

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

Använda expressiva taggar

Utöver kontextmedveten leverans kan LLM:en skapa explicita taggar för att styra specifika ögonblick. Vanliga taggar är:

  • [laughs] — Lägger till skratt i talet
  • [whispers] — Sänker volymen för viskning
  • [sighs] — Lägger till en suckande ton
  • [slow] — Saktar ner talet
  • [excited] — Gör leveransen mer entusiastisk

Varje tagg påverkar ungefär de nästa 4–5 orden innan leveransen återgår till normalt läge.

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."

Bästa praxis

Vägled agenten att anpassa sin känslomässiga leverans till situationen. En frustrerad kund bör få ett lugnt och empatiskt svar. En användare som delar goda nyheter bör höra genuin värme. En ton som inte passar situationen urholkar förtroendet.

Definiera tydliga riktlinjer för tonen i systemprompten i stället för att enbart förlita dig på modellens omdöme. Det säkerställer en konsekvent leverans som följer varumärkets röst och efterlevnadskrav.

Expressiv leverans kan variera mellan språk. Testa agenten på varje målspråk för att säkerställa att den känslomässiga nyansen blir som avsett, särskilt på språk med andra samtalsnormer.

Kombinera expressivt läge med lämpliga inställningar för iver för turordning. Tålmodigt läge ger användare mer utrymme i känslomässigt känsliga samtal, medan ivrigt läge fungerar för snabba interaktioner.

Använd samtalsanalys för att följa hur användare reagerar på expressiv leverans. Förfina riktlinjerna för tonen utifrån samtalsresultat och användarfeedback.

Begränsningar

  • Effekterna av expressiva taggar varar i ungefär 4–5 ord innan leveransen återgår till normalt läge.
  • Expressiviteten kan variera mellan röster och språk.

Vanliga frågor

Nej. ElevenAgents prissättning anger ett samtalspris per minut för varje plan, utan separat pris för expressivt läge eller TTS-modellen: extra samtalsminuter kostar 0,08 USD per minut och LLM-användning debiteras separat. Se ElevenAgents prissättning.

Välj V4 Turbo under TTS-modellfamilj i panelen Agentröst. Expressivt läge aktiveras automatiskt med denna modell. Stäng av det genom att stänga av växeln Expressivt läge, eller ställ in conversation_config.tts.expressive_mode på false via API eller CLI.

Systemet använder realtidssignaler från Scribe v2 Realtime, inklusive känslomässiga signaler och talmönster, för att förutsäga när agenten ska svara. Det analyserar både transkriptionen och hur orden uttalades (prosodi) för att tajma svar naturligt.

Professional Voice Clones stöds i Eleven v4. Om en PVC ännu inte har tränats på Eleven v4 öppnar du Mina röster, hittar rösten och klickar på plusknappen bredvid Eleven v4 för att starta finjustering. Se Eleven v4 för röstinställningar, inklusive Clone Strength för Professional Voice Clones.

Eleven v4 Turbo stöder över 90 språk, utökat från cirka 32 i Flash-modellerna.

Eleven v4 Turbo erbjuder ett större känslomässigt omfång än Flash och Multilingual v2, med möjlighet att anpassa leveransen utifrån samtalskontexten. Den stöder över 90 språk jämfört med cirka 32 för Flash.

Relaterade funktioner

Samtalsflöde

Konfigurera iver för turordning, tidsgränser och hantering av avbrott

Stöd för flera röster

Använd olika röster för samtal med flera karaktärer och språkundervisning

Hastighetskontroll

Justera agentens övergripande talhastighet

Guide till systemprompter

Optimera agentens beteende med effektiv promptning