Modelos de interação para comunicação natural entre humanos e IA

Estamos trabalhando nessa categoria há anos. Neste post, mostramos o que já lançamos e as decisões de pesquisa e produto por trás disso.

Nosso produto principal - ElevenAgents com Conversacional v3

Nosso produto principal — ElevenAgents com Conversacional v3

Modo Expressivo — Mark — Atendimento de Empréstimo Pessoal (Pânico) — launch asset.mp4

O que é preciso para um modelo de interação funcionar

Três fatores precisam funcionar juntos para que um sistema de interação seja eficiente e crie conversas naturais e envolventes:

Três fatores precisam funcionar juntos para que um sistema de interação seja eficiente e proporcione conversas naturais e envolventes:

• Resposta em menos de um segundo.Os ElevenAgents são otimizados para respostas em menos de 100ms em nossos testes internos, com meta de até 200ms para integrações telefônicas. O Flash v2.5, nosso modelo mais rápido de Transformar Texto em Áudio, tem inferência de cerca de 75ms.*
• Alternância de fala que lida com interrupções.Para evitar interrupções precoces, é preciso um sistema de alternância de fala que considere tanto os silêncios quanto o que está sendo dito.
• Entrega expressiva e natural.O modelo precisa responder com o tom, ritmo e emoção adequados para cada momento.

O que já lançamos

O que já lançamos

Eleven v3 Conversacional.Nossa versão conversacional do v3, lançada no ElevenAgents em fevereiro de 2026 com troca de turnos integrada. O modelo de troca de turnos é ativado por padrão quando o v3 Conversacional é escolhido como modelo de TTS.

Troca de turnos especulativa.Um recurso separado do v3 Conversacional que antecipa a geração de resposta do LLM durante períodos de silêncio do usuário, reduzindo a latência percebida.

Flash v2.5.Nosso modelo de Transformar Texto em Áudio mais rápido, feito para uso em tempo real com baixa latência, com inferência em cerca de 75ms.*

Scribe v2.Nosso modelo de Speech to Text com precisão líder no setor.

Modo Expressivo do ElevenAgents.Permite que agentes usem tags expressivas como [risos], [sussurra], [suspiro] e [devagar] para controlar a entrega no contexto.

Modo Expressivo do ElevenAgents.Permite que agentes usem tags expressivas como [risos], [sussurros], [suspiros] e [devagar] para controlar a entrega no contexto.

Para onde estamos indo

Muitas conversas com IA ainda parecem consultas. Conversas reais não são assim. Nosso trabalho é diminuir essa distância.

Muitas conversas com IA ainda parecem consultas. Conversas reais não são assim. Nosso trabalho é diminuir essa distância.