表现力模式
构建可根据对话上下文调整语气、时机和情感表达的语音智能体。
概览
表现力模式让智能体能够输出体现意图、情感和重点的语音，并根据用户的声音和表达内容实时调整。它基于对话系统的两项系统级改进：
- Eleven v4 Turbo — ElevenAgents 中情感理解和上下文感知能力最强的文本转语音模型。
- 全新轮次交接系统 — 响应时机更准确，打断更少。
为智能体选择 Eleven v4 Turbo 作为 TTS 模型后，将自动启用表现力模式。
Eleven v4 Turbo
Eleven v4 Turbo 是 Eleven v4 的实时版本，中位推理延迟约为 100ms，专为实时往返对话优化。它能在多轮对话中保持上下文，并调整表达方式以匹配每次交流的语气和意图。
- 上下文感知表达：智能体会根据对话上下文调整语气——用户听起来担忧时，回应会更平静；需要清晰说明时，表达会更直接。
- 显式情感控制：通过系统提示词规则引导表达，从精确触发条件到更广泛的场景均可设置，以符合品牌声音和合规要求。
- 支持 90+ 种语言：相比 Flash 模型约 32 种语言有大幅扩展。
- 表现力标签：LLM 可输出
[laughs]、[whispers]或[sighs]等标签，控制特定时刻的表达。
ElevenAgents 定价为所有套餐提供统一的每分钟通话费率，不因 TTS 模型而单独定价。额外通话分钟数为每分钟 $0.08，LLM 使用量另行计费。请参阅 ElevenAgents 定价。
轮次交接系统
全新轮次交接系统利用来自 Scribe v2 Realtime 的实时信号——包括情感线索和语音模式——判断智能体应在何时说话、暂停或等待。这有助于智能体做出更自然的回应，尤其是在情绪强烈的情境中。
例如，“嗯”既可以是完整的确认，也可能是准备继续说话的开场。系统除了分析转录文本，还会分析说话方式（如韵律等语音线索），从而更自然地把握智能体的回应时机。
还可通过 轮次积极度 设置进一步微调轮次交接行为。
配置
启用表现力模式
系统提示词示例
通过系统提示词中的自然语言指令引导智能体的情感表达。模型会结合上下文理解这些指令，因此并非每种情况都需要明确标签。
宽泛指导
具体触发条件
使用表现力标签
除了上下文感知表达外，LLM 还可以输出显式标签来控制特定时刻。常见标签包括：
[laughs]— 在语音中加入笑声[whispers]— 降低音量以耳语[sighs]— 加入叹息感[slow]— 放慢语速[excited]— 让表达更兴奋
每个标签大约会影响接下来 4-5 个词，之后恢复正常表达。
最佳实践
让表达匹配上下文
引导智能体根据情境调整情感表达。面对沮丧的客户，应给出平静且富有同理心的回应；用户分享好消息时，应表现出真诚的温暖。语气不匹配会损害信任。
使用系统提示词规则保持一致性
在系统提示词中定义清晰的语气指南，而不是完全依赖模型判断。这样可确保表达始终符合品牌声音和合规要求。
跨语言测试
不同语言中的表现力表达可能有所不同。请针对每种目标语言测试智能体，确保情感细微差别能如预期传达，尤其是在对话习惯不同的语言中。
结合轮次积极度设置
将表现力模式与合适的 轮次积极度 设置搭配使用。在情感敏感的对话中，耐心模式可为用户留出更多表达空间；积极模式则适合快节奏互动。
监控并迭代
使用对话分析了解用户对表现力表达的反应。根据对话结果和用户反馈优化语气指南。
限制
- 表现力标签的效果大约持续 4-5 个词，之后会恢复正常表达。
- 不同音色和语言的表现力可能有所差异。
常见问题
表现力模式的费用更高吗？
不会。ElevenAgents 定价为所有套餐提供统一的每分钟通话费率，表现力模式和 TTS 模型均不单独收费：额外通话分钟数为每分钟 $0.08，LLM 使用量另行计费。请参阅 ElevenAgents 定价。
如何启用表现力模式？
在 智能体音色 面板的 TTS 模型系列 下选择 V4 Turbo。该模型会自动启用表现力模式。如需关闭，可关闭 表现力模式 开关，或通过 API 或 CLI 将 conversation_config.tts.expressive_mode 设为 false。
轮次交接系统如何运作？
系统利用来自 Scribe v2 Realtime 的实时信号，包括情感线索和语音模式，预测智能体应在何时回应。它会同时分析转录文本和词语的说话方式（韵律），以自然地把握回应时机。
我可以将表现力模式用于专业语音克隆吗？
Eleven v4 Turbo 支持多少种语言？
Eleven v4 Turbo 支持 90+ 种语言，相比 Flash 模型约 32 种语言有所扩展。
与 ElevenAgents 中的其他 TTS 模型相比如何？
Eleven v4 Turbo 的情感表现范围比 Flash 和 Multilingual v2 更广，并可根据对话上下文调整表达。它支持 90+ 种语言，而 Flash 约支持 32 种。