Modo expressivo
Crie agentes de voz que adaptam o tom, o ritmo e a expressão emocional com base no contexto da conversa.
Visão geral
O modo expressivo permite que os agentes produzam fala que reflete intenção, emoção e ênfase, adaptando-se em tempo real à forma como os usuários soam e ao que dizem. Ele se baseia em duas melhorias no nível do sistema da pilha de conversação:
- Eleven v4 Turbo — o modelo de Text to Speech mais inteligente emocionalmente e sensível ao contexto disponível no ElevenAgents.
- Um novo sistema de alternância de turnos — respostas com tempo mais preciso e menos interrupções.
O modo expressivo é ativado automaticamente quando você seleciona Eleven v4 Turbo como o modelo de TTS do seu agente.
Eleven v4 Turbo
Eleven v4 Turbo é a variante em tempo real do Eleven v4, com latência mediana de inferência de ~100 ms, otimizada para diálogos ao vivo com trocas rápidas. Ele mantém o contexto da conversa entre os turnos e adapta a expressão para corresponder ao tom e à intenção de cada interação.
- Expressão sensível ao contexto: os agentes adaptam o tom com base no contexto da conversa — respondendo com mais calma quando um usuário parece preocupado ou de forma mais direta quando a clareza é importante.
- Controle emocional explícito: oriente a expressão com regras no prompt do sistema, de gatilhos precisos a cenários mais amplos, para alinhá-la à voz da marca e aos requisitos de conformidade.
- Suporte a mais de 90 idiomas: ampliado dos ~32 idiomas dos modelos Flash.
- Tags expressivas: o LLM pode gerar tags como
[laughs],[whispers]ou[sighs]para controlar momentos específicos da expressão.
A precificação do ElevenAgents apresenta uma única tarifa por minuto de chamada para todos os planos, sem tarifa separada por modelo de TTS. Minutos adicionais de chamada custam US$ 0,08 por minuto, e o uso de LLM é cobrado separadamente. Consulte a precificação do ElevenAgents.
Sistema de alternância de turnos
O novo sistema de alternância de turnos usa sinais em tempo real do Scribe v2 Realtime — incluindo pistas emocionais e padrões de fala — para determinar quando um agente deve falar, pausar ou esperar. Isso ajuda os agentes a responder de forma mais natural, especialmente em situações carregadas de emoção.
Por exemplo, “sim” pode ser uma confirmação completa ou uma introdução para continuar falando. Ao analisar como isso foi dito (pistas da fala, como a prosódia), além da transcrição, o sistema define o momento da resposta do agente de forma mais natural.
O comportamento de alternância de turnos pode ser ajustado ainda mais com a configuração de disposição para assumir o turno.
Configuração
Como ativar o modo expressivo
Selecione o modelo de TTS
Defina o modelo de TTS do seu agente como Eleven v4 Turbo (eleven_v4_turbo). O modo expressivo é ativado automaticamente com esse modelo. Para desativá-lo, defina expressive_mode como false.
Atualizar pelo painel
Atualizar pela CLI
Atualizar pela API
- Abra seu agente no painel e selecione sua voz em Vozes para abrir o painel Voz do agente.
- Em Família de modelos de TTS, selecione V4 Turbo. A opção Modo expressivo será ativada, e as Tags de áudio sugeridas abaixo dela listarão as tags que seu agente pode usar.
- Clique em Publicar para salvar as alterações.
Exemplos de prompt do sistema
Oriente a expressão emocional do seu agente por meio de instruções em linguagem natural no prompt do sistema. O modelo interpreta essas instruções de acordo com o contexto, portanto, não são necessárias tags explícitas para cada situação.
Orientação ampla
Gatilhos específicos
Como usar tags expressivas
Além da expressão sensível ao contexto, o LLM pode gerar tags explícitas para controlar momentos específicos. Tags comuns incluem:
[laughs]— Adiciona risadas à fala[whispers]— Reduz o volume para sussurrar[sighs]— Adiciona um tom de suspiro[slow]— Diminui a velocidade da fala[excited]— Adiciona entusiasmo à expressão
Cada tag afeta aproximadamente as próximas 4 a 5 palavras da fala antes de retornar à expressão normal.
Boas práticas
Adapte a expressão ao contexto
Oriente seu agente a adequar sua expressão emocional à situação. Um cliente frustrado deve ouvir uma resposta calma e empática. Um usuário compartilhando boas notícias deve ouvir um tom genuinamente acolhedor. Um tom inadequado prejudica a confiança.
Use regras no prompt do sistema para manter a consistência
Defina diretrizes claras de tom no prompt do sistema em vez de depender apenas do julgamento do modelo. Isso garante uma expressão consistente e alinhada à voz da sua marca e aos requisitos de conformidade.
Teste em vários idiomas
A expressão pode variar entre idiomas. Teste seu agente em cada idioma de destino para garantir que a nuance emocional tenha o efeito desejado, especialmente em idiomas cujas normas de conversação são diferentes.
Combine com as configurações de disposição para assumir o turno
Combine o modo expressivo com configurações adequadas de disposição para assumir o turno. O modo paciente dá aos usuários mais espaço em conversas emocionalmente sensíveis, enquanto o modo ávido funciona bem para interações rápidas.
Monitore e faça ajustes
Use a análise de conversas para acompanhar como os usuários respondem à expressão do agente. Aperfeiçoe suas diretrizes de tom com base nos resultados das conversas e no feedback dos usuários.
Limitações
- Os efeitos das tags expressivas duram aproximadamente 4 a 5 palavras antes de retornar à expressão normal.
- A expressividade pode variar entre vozes e idiomas.
Perguntas frequentes
O modo expressivo custa mais?
Não. A precificação do ElevenAgents apresenta uma única tarifa por minuto de chamada para todos os planos, sem tarifa separada para o modo expressivo ou o modelo de TTS: minutos adicionais de chamada custam US$ 0,08 por minuto, e o uso de LLM é cobrado separadamente. Consulte a precificação do ElevenAgents.
Como ativo o modo expressivo?
No painel Voz do agente, selecione V4 Turbo em Família de modelos de TTS. O modo expressivo é ativado automaticamente com esse modelo. Para desativá-lo, desligue a opção Modo expressivo ou defina conversation_config.tts.expressive_mode como false pela API ou CLI.
Como funciona o sistema de alternância de turnos?
O sistema usa sinais em tempo real do Scribe v2 Realtime, incluindo pistas emocionais e padrões de fala, para prever quando o agente deve responder. Ele analisa tanto a transcrição quanto a forma como as palavras foram faladas (prosódia) para definir o momento das respostas naturalmente.
Posso usar o modo expressivo com minha Clonagem Profissional de Voz?
As Clonagens Profissionais de Voz são compatíveis com o Eleven v4. Se uma PVC ainda não estiver treinada no Eleven v4, abra Minhas vozes, encontre a voz e clique no botão de mais ao lado de Eleven v4 para iniciar o ajuste fino. Consulte Eleven v4 para ver as configurações de voz, incluindo Intensidade da clonagem para Clonagens Profissionais de Voz.
Quantos idiomas o Eleven v4 Turbo oferece?
O Eleven v4 Turbo oferece suporte a mais de 90 idiomas, ampliado dos ~32 idiomas dos modelos Flash.
Como ele se compara a outros modelos de TTS no ElevenAgents?
O Eleven v4 Turbo oferece uma faixa emocional maior do que Flash e Multilingual v2, com capacidade de adaptar a expressão com base no contexto da conversa. Ele oferece suporte a mais de 90 idiomas, em comparação com ~32 do Flash.