Apresentando a IA Conversacional Multimodal

Hoje, a ElevenLabs tem o prazer de anunciar uma grande melhoria na nossa plataforma de Conversational AI: a chegada da multimodalidade real de texto e voz. Nossos agentes de IA agora entendem e processam linguagem falada e texto digitado ao mesmo tempo. Essa novidade foi criada para tornar as interações mais naturais, flexíveis e eficazes em diversas situações.

Superando Limitações das Interações Apenas por Voz

Apesar da voz ser uma forma poderosa e intuitiva de comunicação, agentes de IA apenas por voz podem enfrentar desafios em algumas situações. Observamos problemas comuns em implantações empresariais, como:

• Imprecisões na Transcrição: Capturar dados alfanuméricos específicos, como e-mails, IDs ou códigos de rastreamento apenas por voz pode ser difícil. Erros podem causar problemas sérios, como buscar registros de clientes errados.
• Experiência do Usuário para Entradas Complexas: Pedir para o usuário informar longas sequências de números, como dados de cartão de crédito, pode ser frustrante e gerar erros.

O Poder da Multimodalidade: Texto e Voz Juntos

Ao permitir que os agentes processem texto e voz, damos ao usuário a liberdade de escolher o método de entrada que preferir. Essa abordagem híbrida torna as conversas mais fluidas e robustas. O usuário pode falar normalmente e, quando precisar de mais precisão ou achar mais prático, pode digitar o texto na mesma interação.

Principais Benefícios

A chegada da multimodalidade de texto e voz traz várias vantagens importantes:

• Mais Precisão nas Interações: Permite que o usuário digite informações difíceis de falar ou que podem gerar erros na transcrição.
• Melhor Experiência do Usuário: Oferece flexibilidade, tornando as interações mais naturais e menos limitadas, especialmente para dados sensíveis ou complexos.
• Maior Taxa de Conclusão de Tarefas: Reduz erros e frustrações, aumentando o sucesso das interações.
• Conversas Mais Naturais: Permite alternar facilmente entre tipos de entrada, como em uma conversa humana.

Principais Funcionalidades

Nossa IA Conversacional multimodal inclui as seguintes funções:

• Processamento Simultâneo: Os agentes interpretam e respondem a entradas de voz e texto ao mesmo tempo, em tempo real.
• Configuração Fácil: A entrada de texto pode ser ativada facilmente nas configurações do widget.
• Modo Apenas Texto: Os agentes podem ser configurados para funcionar como chatbots tradicionais, só com texto, se necessário.

Integração e Implantação Simples

Essa nova funcionalidade multimodal já é compatível em toda a nossa plataforma:

• Widget: Pode ser implementado com uma única linha de HTML.
• SDKs: Suporte completo para desenvolvedores que querem integrar de forma avançada.
• WebSocket: Comunicação bidirecional em tempo real com recursos multimodais.

Baseado em uma Plataforma de Referência

As interações multimodais aproveitam todas as inovações já presentes na nossa plataforma de Conversational AI:

• Vozes de Referência no Mercado: Acesso às vozes de mais alta qualidade em mais de 32 idiomas.
• Modelos Avançados de Fala: Utilizando nossas tecnologias de ponta em speech-to-text e text-to-speech.
• Infraestrutura Global: Já disponível em todo lugar com infraestrutura Twilio e SIP trunking.

Como Começar

Para usar a multimodalidade de texto e voz com seus agentes de Conversational AI da ElevenLabs,acesse as configurações do seu widget.:

1. Ative a opção "Permitir entrada de texto".
2. Acreditamos que a multimodalidade texto+voz vai ampliar muito as possibilidades e a experiência dos usuários de

Conversational AI. Estamos animados para ver como nossos usuários vão aproveitar esse novo recurso.