एक्सप्रेसिव मोड

परिचय

एक्सप्रेसिव मोड एजेंट को ऐसी स्पीच देने में सक्षम बनाता है जो इरादे, भावना और जोर को दर्शाती है। यह यूज़र की आवाज़ और उनकी बातों के अनुसार रीयल टाइम में ढलता है। यह कन्वर्सेशनल स्टैक में दो सिस्टम-लेवल सुधारों पर आधारित है:

1. Eleven v4 Turbo — ElevenAgents में उपलब्ध सबसे भावनात्मक रूप से बुद्धिमान और संदर्भ-सचेत टेक्स्ट टू स्पीच मॉडल।
2. एक नया टर्न-टेकिंग सिस्टम — कम रुकावटों के साथ ज़्यादा सटीक समय पर जवाब।

जब आप अपने एजेंट के TTS मॉडल के रूप में Eleven v4 Turbo चुनते हैं, तो एक्सप्रेसिव मोड अपने-आप चालू हो जाता है।

Eleven v4 Turbo

Eleven v4 Turbo, Eleven v4 का रीयल-टाइम वेरिएंट है। इसकी औसत इन्फ़रेंस लेटेंसी ~100ms है और इसे लाइव, आगे-पीछे होने वाले संवाद के लिए ऑप्टिमाइज़ किया गया है। यह अलग-अलग टर्न के बीच बातचीत का संदर्भ बनाए रखता है और हर बातचीत के टोन और इरादे के अनुसार प्रस्तुति ढालता है।

• संदर्भ-सचेत प्रस्तुति: एजेंट बातचीत के संदर्भ के आधार पर टोन ढालते हैं — यूज़र के चिंतित लगने पर शांत तरीके से जवाब देते हैं या स्पष्टता ज़रूरी होने पर ज़्यादा सीधे जवाब देते हैं।
• स्पष्ट भावनात्मक नियंत्रण: अपने ब्रांड की आवाज़ और अनुपालन आवश्यकताओं के अनुरूप प्रस्तुति के लिए, सटीक ट्रिगर से लेकर व्यापक स्थितियों तक, सिस्टम प्रॉम्प्ट नियमों से मार्गदर्शन दें।
• 90+ भाषाओं का समर्थन: Flash मॉडल की ~32 भाषाओं से बढ़ाकर।
• एक्सप्रेसिव टैग: LLM प्रस्तुति के खास पलों को नियंत्रित करने के लिए [laughs], [whispers] या [sighs] जैसे टैग आउटपुट कर सकता है।

टर्न-टेकिंग सिस्टम

नया टर्न-टेकिंग सिस्टम Scribe v2 Realtime के रीयल-टाइम संकेतों — जिनमें भावनात्मक संकेत और बोलने के पैटर्न शामिल हैं — का उपयोग करके तय करता है कि एजेंट को कब बोलना, रुकना या इंतज़ार करना चाहिए। इससे एजेंट ज़्यादा स्वाभाविक ढंग से जवाब दे पाते हैं, खासकर भावनात्मक स्थितियों में।

उदाहरण के लिए, “हाँ” एक पूर्ण स्वीकृति हो सकता है या आगे बोलते रहने का संकेत। ट्रांसक्रिप्ट के साथ-साथ इसे कैसे कहा गया था (प्रोसोडी जैसे स्पीच संकेत) का विश्लेषण करके सिस्टम एजेंट के जवाब का समय ज़्यादा स्वाभाविक रूप से तय करता है।

टर्न-टेकिंग व्यवहार को टर्न ईगरनेस सेटिंग से और बेहतर ढंग से ट्यून किया जा सकता है।

कॉन्फ़िगरेशन

एक्सप्रेसिव मोड चालू करना

सिस्टम प्रॉम्प्ट के उदाहरण

सिस्टम प्रॉम्प्ट में प्राकृतिक भाषा के निर्देशों से अपने एजेंट की भावनात्मक प्रस्तुति का मार्गदर्शन करें। मॉडल इन्हें संदर्भ के अनुसार समझता है, इसलिए हर स्थिति के लिए स्पष्ट टैग ज़रूरी नहीं हैं।

व्यापक मार्गदर्शन

You are a customer support agent. When a user sounds frustrated or upset, respond
in a calm, reassuring tone. When delivering good news, allow your tone to reflect
genuine warmth. Maintain a professional but approachable delivery throughout.

खास ट्रिगर

You are a conversational AI agent with expressive speech capabilities.
Tone guidelines:
- When a user expresses frustration, use a calm and empathetic tone
- When explaining technical steps, use a clear and measured pace
- When a user shares good news, respond with warmth and enthusiasm
- When handling complaints, remain composed and solution-oriented

एक्सप्रेसिव टैग इस्तेमाल करना

संदर्भ-सचेत प्रस्तुति के अलावा, LLM खास पलों को नियंत्रित करने के लिए स्पष्ट टैग आउटपुट कर सकता है। आम टैग में शामिल हैं:

• [laughs] — स्पीच में हँसी जोड़ता है
• [whispers] — फुसफुसाने के लिए आवाज़ कम करता है
• [sighs] — आह भरने का भाव जोड़ता है
• [slow] — स्पीच की गति धीमी करता है
• [excited] — प्रस्तुति में उत्साह जोड़ता है

हर टैग सामान्य प्रस्तुति पर लौटने से पहले स्पीच के अगले लगभग 4-5 शब्दों को प्रभावित करता है।

You can also use expressive tags in your responses for precise control:
- [laughs] for moments of humor
- [whispers] for confidential or intimate moments
- [sighs] for resignation or relief
- [slow] when emphasizing important information
Example: "That's great to hear! [laughs] I'm glad we could sort that out for you."

सर्वोत्तम तरीके

सीमाएं

FAQ

संबंधित सुविधाएं