Expressiver Modus
Erstellen Sie Voice Agents, die Tonfall, Timing und emotionale Ausdrucksweise an den Gesprächskontext anpassen.
Überblick
Der expressive Modus ermöglicht Agents eine Sprachwiedergabe, die Absicht, Emotionen und Betonung widerspiegelt. Dabei passt sie sich in Echtzeit daran an, wie Nutzer klingen und was sie sagen. Er basiert auf zwei systemweiten Verbesserungen des Konversations-Stacks:
- Eleven v4 Turbo — das emotional intelligenteste, kontextbewussteste Text to Speech-Modell in ElevenAgents.
- Ein neues System für Sprecherwechsel — präziser getimte Antworten mit weniger Unterbrechungen.
Der expressive Modus wird automatisch aktiviert, wenn Sie Eleven v4 Turbo als TTS-Modell Ihres Agents auswählen.
Eleven v4 Turbo
Eleven v4 Turbo ist die Echtzeitvariante von Eleven v4 mit einer medianen Inferenzlatenz von etwa 100 ms, optimiert für Live-Dialoge mit schnellem Wechsel. Es behält den Gesprächskontext über mehrere Gesprächswechsel hinweg bei und passt die Wiedergabe an Tonfall und Absicht jedes Austauschs an.
- Kontextbewusste Wiedergabe: Agents passen ihren Tonfall an den Gesprächskontext an — sie reagieren ruhiger, wenn ein Nutzer besorgt klingt, oder direkter, wenn Klarheit wichtig ist.
- Explizite Emotionssteuerung: Steuern Sie die Wiedergabe über Regeln im System Prompt — von präzisen Auslösern bis zu umfassenderen Szenarien —, um Markenstimme und Compliance-Anforderungen einzuhalten.
- Unterstützung für über 90 Sprachen: Erweitert von etwa 32 Sprachen in Flash-Modellen.
- Ausdrucks-Tags: Das LLM kann Tags wie
[laughs],[whispers]oder[sighs]ausgeben, um bestimmte Momente der Wiedergabe zu steuern.
Die ElevenAgents-Preise enthalten für jeden Tarif einen einheitlichen Minutenpreis pro Anruf, ohne separaten Preis nach TTS- Modell. Zusätzliche Gesprächsminuten kosten 0,08 $ pro Minute, die LLM-Nutzung wird separat abgerechnet. Siehe ElevenAgents-Preise.
System für Sprecherwechsel
Das neue System für Sprecherwechsel nutzt Echtzeitsignale von Scribe v2 Realtime — einschließlich emotionaler Hinweise und Sprachmuster —, um zu bestimmen, wann ein Agent sprechen, pausieren oder warten soll. So reagieren Agents natürlicher, besonders in emotional aufgeladenen Situationen.
Zum Beispiel kann „ja“ eine vollständige Bestätigung sein oder den Beginn einer fortgesetzten Aussage markieren. Indem das System neben dem Transkript auch analysiert, wie etwas gesagt wurde — etwa anhand von Sprachmerkmalen wie Prosodie —, timt es die Antwort des Agents natürlicher.
Das Verhalten bei Sprecherwechseln kann mit der Einstellung für Antwortbereitschaft weiter angepasst werden.
Konfiguration
Expressiven Modus aktivieren
TTS-Modell auswählen
Setzen Sie das TTS-Modell Ihres Agents auf Eleven v4 Turbo (eleven_v4_turbo). Der expressive Modus wird mit diesem Modell automatisch aktiviert. Um ihn zu deaktivieren, setzen Sie expressive_mode auf false.
Über das Dashboard aktualisieren
Über die CLI aktualisieren
Über die API aktualisieren
- Öffnen Sie Ihren Agent im Dashboard und wählen Sie unter Stimmen Ihre Stimme aus, um das Bedienfeld Agent-Stimme zu öffnen.
- Wählen Sie unter TTS-Modellfamilie V4 Turbo aus. Der Schalter Expressiver Modus wird aktiviert. Die darunter angezeigten Vorgeschlagenen Audio-Tags führen Tags auf, die Ihr Agent verwenden kann.
- Klicken Sie auf Veröffentlichen, um Ihre Änderungen zu speichern.
Beispiele für System Prompts
Steuern Sie die emotionale Wiedergabe Ihres Agents durch natürlichsprachliche Anweisungen im System Prompt. Das Modell interpretiert diese kontextbezogen, daher sind explizite Tags nicht für jede Situation erforderlich.
Allgemeine Hinweise
Spezifische Auslöser
Ausdrucks-Tags verwenden
Zusätzlich zur kontextbewussten Wiedergabe kann das LLM explizite Tags ausgeben, um bestimmte Momente zu steuern. Häufige Tags sind:
[laughs]— Fügt der Sprache Lachen hinzu[whispers]— Verringert die Lautstärke für Flüstern[sighs]— Fügt einen seufzenden Klang hinzu[slow]— Verlangsamt die Sprachwiedergabe[excited]— Verleiht der Wiedergabe Begeisterung
Jeder Tag beeinflusst ungefähr die nächsten 4–5 gesprochenen Wörter, bevor die normale Wiedergabe fortgesetzt wird.
Best Practices
Wiedergabe an den Kontext anpassen
Leiten Sie Ihren Agent dazu an, seine emotionale Wiedergabe an die Situation anzupassen. Ein frustrierter Kunde sollte eine ruhige, einfühlsame Antwort hören. Ein Nutzer, der gute Nachrichten teilt, sollte echte Wärme hören. Ein unpassender Tonfall untergräbt Vertrauen.
Regeln im System Prompt für Konsistenz verwenden
Definieren Sie in Ihrem System Prompt klare Richtlinien für den Tonfall, statt sich nur auf das Urteil des Modells zu verlassen. So bleibt die Wiedergabe konsistent und entspricht Ihrer Markenstimme sowie Compliance-Anforderungen.
Sprachübergreifend testen
Die ausdrucksstarke Wiedergabe kann je nach Sprache variieren. Testen Sie Ihren Agent in jeder Zielsprache, damit die emotionale Nuance wie beabsichtigt ankommt — besonders in Sprachen mit anderen Gesprächsnormen.
Mit Einstellungen für Antwortbereitschaft kombinieren
Kombinieren Sie den expressiven Modus mit passenden Einstellungen für die Antwortbereitschaft. Der geduldige Modus gibt Nutzern in emotional sensiblen Gesprächen mehr Raum, während der eifrige Modus für schnelle Interaktionen geeignet ist.
Überwachen und iterieren
Nutzen Sie Gesprächsanalysen, um nachzuverfolgen, wie Nutzer auf die ausdrucksstarke Wiedergabe reagieren. Verfeinern Sie Ihre Richtlinien für den Tonfall anhand von Gesprächsergebnissen und Nutzerfeedback.
Einschränkungen
- Die Wirkung von Ausdrucks-Tags hält ungefähr 4–5 Wörter an, bevor die normale Wiedergabe fortgesetzt wird.
- Die Ausdrucksstärke kann je nach Stimme und Sprache variieren.
FAQ
Kostet der expressive Modus mehr?
Nein. Die ElevenAgents-Preise enthalten für jeden Tarif einen einheitlichen Minutenpreis pro Anruf, ohne separaten Preis für den expressiven Modus oder das TTS-Modell: Zusätzliche Gesprächsminuten kosten 0,08 $ pro Minute, die LLM-Nutzung wird separat abgerechnet. Siehe ElevenAgents-Preise.
Wie aktiviere ich den expressiven Modus?
Wählen Sie im Bedienfeld Agent-Stimme unter TTS-Modellfamilie V4 Turbo aus. Der expressive Modus wird mit diesem Modell automatisch aktiviert. Um ihn zu deaktivieren, schalten Sie den Schalter Expressiver Modus aus oder setzen conversation_config.tts.expressive_mode über die API oder CLI auf false.
Wie funktioniert das System für Sprecherwechsel?
Das System nutzt Echtzeitsignale von Scribe v2 Realtime, einschließlich emotionaler Hinweise und Sprachmuster, um vorherzusagen, wann der Agent antworten soll. Es analysiert sowohl das Transkript als auch die Art, wie Wörter gesprochen wurden (Prosodie), um Antworten natürlich zu timen.
Kann ich den expressiven Modus mit meinem Professional Voice Clone verwenden?
Professional Voice Clones werden in Eleven v4 unterstützt. Wenn ein PVC noch nicht für Eleven v4 trainiert wurde, öffnen Sie My Voices, suchen Sie die Stimme und klicken Sie auf die Plus-Schaltfläche neben Eleven v4, um das Finetuning zu starten. Siehe Eleven v4 für Stimmeinstellungen, einschließlich Clone Strength für Professional Voice Clones.
Wie viele Sprachen unterstützt Eleven v4 Turbo?
Eleven v4 Turbo unterstützt über 90 Sprachen, erweitert von etwa 32 in Flash-Modellen.
Wie verhält sich dies im Vergleich zu anderen TTS-Modellen in ElevenAgents?
Eleven v4 Turbo bietet eine größere emotionale Bandbreite als Flash und Multilingual v2 und kann die Wiedergabe an den Gesprächskontext anpassen. Es unterstützt über 90 Sprachen, verglichen mit etwa 32 bei Flash.