Modo expresivo
Crea agentes de voz que adapten el tono, el ritmo y la expresión emocional según el contexto de la conversación.
Resumen
El modo expresivo permite a los agentes generar voz que refleje la intención, la emoción y el énfasis, adaptándose en tiempo real a cómo suenan los usuarios y a lo que dicen. Se basa en dos mejoras a nivel de sistema de la capa conversacional:
- Eleven v4 Turbo: el modelo de Texto a Voz con mayor inteligencia emocional y conciencia del contexto disponible en ElevenAgents.
- Un nuevo sistema de toma de turnos: respuestas con un ritmo más preciso y menos interrupciones.
El modo expresivo se activa automáticamente al seleccionar Eleven v4 Turbo como modelo de TTS de tu agente.
Eleven v4 Turbo
Eleven v4 Turbo es la variante en tiempo real de Eleven v4, con una latencia de inferencia media de ~100 ms, optimizada para diálogos en directo de ida y vuelta. Mantiene el contexto conversacional entre turnos y adapta la entonación al tono y la intención de cada intercambio.
- Entonación adaptada al contexto: los agentes adaptan el tono según el contexto de la conversación; responden con más calma cuando un usuario suena preocupado o de forma más directa cuando la claridad es importante.
- Control emocional explícito: guía la entonación mediante reglas en el prompt de sistema, desde activadores precisos hasta situaciones más generales, para ajustarla a la voz de tu marca y a los requisitos de cumplimiento normativo.
- Compatibilidad con más de 90 idiomas: ampliada desde los ~32 idiomas de los modelos Flash.
- Etiquetas expresivas: el LLM puede generar etiquetas como
[laughs],[whispers]o[sighs]para controlar momentos concretos de la entonación.
Los precios de ElevenAgents establecen una tarifa única por minuto de llamada para todos los planes, sin tarifas independientes según el modelo de TTS. Los minutos de llamada adicionales cuestan 0,08 $ por minuto y el uso del LLM se factura por separado. Consulta los precios de ElevenAgents.
Sistema de toma de turnos
El nuevo sistema de toma de turnos utiliza señales en tiempo real de Scribe v2 Realtime, incluidas pistas emocionales y patrones de habla, para determinar cuándo debe hablar, hacer una pausa o esperar un agente. Esto ayuda a los agentes a responder de forma más natural, especialmente en situaciones con mucha carga emocional.
Por ejemplo, «sí» puede ser una confirmación completa o una introducción para seguir hablando. Al analizar cómo se ha dicho (pistas del habla como la prosodia), además de la transcripción, el sistema calcula de forma más natural el momento de respuesta del agente.
El comportamiento de toma de turnos puede ajustarse aún más con la configuración de disposición a tomar el turno.
Configuración
Activar el modo expresivo
Selecciona el modelo de TTS
Configura el modelo de TTS de tu agente como Eleven v4 Turbo (eleven_v4_turbo). El modo expresivo se activa automáticamente con este modelo. Para desactivarlo, configura expressive_mode como false.
Actualizar desde el panel de control
Actualizar mediante la CLI
Actualizar mediante la API
- Abre tu agente en el panel de control y selecciona tu voz en Voces para abrir el panel Voz del agente.
- En Familia de modelos de TTS, selecciona V4 Turbo. Se activará el interruptor Modo expresivo y, debajo, aparecerán las Etiquetas de audio sugeridas que puede usar tu agente.
- Haz clic en Publicar para guardar los cambios.
Ejemplos de prompts de sistema
Guía la entonación emocional de tu agente mediante instrucciones en lenguaje natural en el prompt de sistema. El modelo las interpreta según el contexto, por lo que no se necesitan etiquetas explícitas para cada situación.
Indicaciones generales
Activadores específicos
Uso de etiquetas expresivas
Además de la entonación adaptada al contexto, el LLM puede generar etiquetas explícitas para controlar momentos concretos. Algunas etiquetas habituales son:
[laughs]— Añade risas a la voz[whispers]— Reduce el volumen para susurrar[sighs]— Añade un tono de suspiro[slow]— Ralentiza la entonación[excited]— Añade entusiasmo a la entonación
Cada etiqueta afecta aproximadamente a las siguientes 4-5 palabras antes de volver a la entonación normal.
Buenas prácticas
Adapta la entonación al contexto
Indica a tu agente que adapte su entonación emocional a la situación. Un cliente frustrado debería escuchar una respuesta calmada y empática. Un usuario que comparte buenas noticias debería percibir una calidez auténtica. Un tono inadecuado erosiona la confianza.
Usa reglas en el prompt de sistema para mantener la coherencia
Define pautas de tono claras en el prompt de sistema en lugar de depender únicamente del criterio del modelo. Así garantizas una entonación coherente con la voz de tu marca y los requisitos de cumplimiento normativo.
Haz pruebas en distintos idiomas
La entonación expresiva puede variar entre idiomas. Prueba tu agente en cada idioma objetivo para asegurarte de que el matiz emocional se transmite como pretendes, especialmente en idiomas con normas conversacionales diferentes.
Combínalo con la configuración de disposición a tomar el turno
Combina el modo expresivo con la configuración adecuada de disposición a tomar el turno. El modo paciente da más espacio a los usuarios en conversaciones emocionalmente sensibles, mientras que el modo ágil funciona bien en interacciones rápidas.
Supervisa e itera
Usa los análisis de conversaciones para seguir cómo responden los usuarios a la entonación expresiva. Perfecciona tus pautas de tono según los resultados de las conversaciones y los comentarios de usuarios.
Limitaciones
- Los efectos de las etiquetas expresivas duran aproximadamente 4-5 palabras antes de volver a la entonación normal.
- La expresividad puede variar entre voces e idiomas.
Preguntas frecuentes
¿El modo expresivo cuesta más?
No. Los precios de ElevenAgents establecen una tarifa única por minuto de llamada para todos los planes, sin tarifas independientes para el modo expresivo ni el modelo de TTS: los minutos de llamada adicionales cuestan 0,08 $ por minuto y el uso del LLM se factura por separado. Consulta los precios de ElevenAgents.
¿Cómo activo el modo expresivo?
En el panel Voz del agente, selecciona V4 Turbo en Familia de modelos de TTS. El modo expresivo se activa automáticamente con este modelo. Para desactivarlo, apaga el interruptor Modo expresivo o configura conversation_config.tts.expressive_mode como false mediante la API o la CLI.
¿Cómo funciona el sistema de toma de turnos?
El sistema utiliza señales en tiempo real de Scribe v2 Realtime, incluidas pistas emocionales y patrones de habla, para predecir cuándo debe responder el agente. Analiza tanto la transcripción como la forma en que se pronunciaron las palabras (prosodia) para responder en el momento adecuado de forma natural.
¿Puedo usar el modo expresivo con mi clon de voz profesional?
Los clones de voz profesionales son compatibles con Eleven v4. Si un PVC todavía no se ha entrenado con Eleven v4, abre Mis voces, busca la voz y haz clic en el botón más junto a Eleven v4 para iniciar el ajuste fino. Consulta Eleven v4 para ver la configuración de voz, incluida la intensidad del clon para clones de voz profesionales.
¿Cuántos idiomas admite Eleven v4 Turbo?
Eleven v4 Turbo admite más de 90 idiomas, frente a los ~32 de los modelos Flash.
¿Cómo se compara con otros modelos de TTS de ElevenAgents?
Eleven v4 Turbo ofrece un mayor rango emocional que Flash y Multilingual v2, con la capacidad de adaptar la entonación según el contexto de la conversación. Admite más de 90 idiomas, frente a los ~32 de Flash.