Conversa ao vivo

Fale, digite, interrompa. Como uma conversa.

Voz e texto na mesma linha do tempo, sem trocar de modo. Ela acompanha o contexto, aceita interrupção no meio da frase e responde em voz alta.

~930 mspor turno de conversa

1 palavrabasta para interromper

0instalação

Ouvindo · voz e texto00:00

interrupção no meio da fraseMesmo contexto nos dois modos

Barge-in

Interromper é a parte difícil

Quase toda assistente de voz aceita interrupção no papel. O que separa uma boa de uma ruim é o que acontece com o áudio que já foi enviado e ainda não chegou aos seus ouvidos.

Parar de gerar não é parar de falar

Quando você fala por cima, o sistema precisa fazer duas coisas: parar de produzir áudio novo e jogar fora o que já está no caminho.

Esvaziar só a nossa fila não basta, o que já foi pela rede está esperando no seu navegador. Vai junto uma ordem de descarte, e o reprodutor larga o que tinha guardado. Sem isso, ela continua falando por mais um ou dois segundos depois de você pedir para parar.

Uma única palavra basta, e ela volta a ouvir em 160 ms.

VoiceSpeak

O prazo de emissão é de vinte e quatro horas úteis, contadas a partir da…

Você

Não, eu quis dizer o A3.

interrompeu em 0,9 s · fila descartada

VoiceSpeak

Ah, o A3. Esse sai em até dois dias úteis.

930 ms

Turno completo

Da sua última palavra à primeira dela, abaixo de um segundo.

160 ms

Para voltar a ouvir

Depois da interrupção. Uma palavra basta para disparar.

14 ms

Latência da rede, mediana

Medido com 1000 pacotes: jitter de 3,2 ms, nenhum perdido.

Downloads ou plugins

Navegador e o microfone que você já usa.

Uma conversa, duas portas de entrada

Não existem “modo voz” e “modo texto” por baixo. Existe uma conversa, e você entra por onde for mais prático naquele segundo.

Ditar é mais rápido para explicar. Digitar é melhor para um nome próprio, um código ou um número que você não quer repetir três vezes. Trocar no meio não custa nada, e ela responde em voz alta de qualquer jeito, a menos que você peça o contrário.

Você · voz

Manda o contrato pro jurídico.

Você · texto

[email protected]

digitado, não vale a pena ditar e-mail

VoiceSpeak

Enviado. Quer que eu cobre a nota também?

Ela não fala em cima de você, nem se ouve

Dois detalhes que separam uma conversa fluida de um rádio amador.

Primeiro: quando você começa a falar, os últimos 200 ms de áudio antes do início entram no reconhecimento. Sem isso, “Oi, tudo bem?” chegava como “Maravilha, tudo bem?”. A primeira palavra era decapitada.

Segundo: ela sabe quando a própria fala ainda está tocando e ignora o próprio som nessa janela. No navegador isso é quase de graça, porque o cancelamento de eco do sistema já resolveu o grosso.

E não há leito de som artificial na linha, como num telefone: aqui você vê a página, então o silêncio não soa morto.

cancelamento de econo hardware do navegadorativo

supressão de ruídoantes de o áudio sair da sua máquinaativo

anel de 200 msa primeira palavra não se perdeativo

Widget

Coloque no seu site em três linhas

Um trecho de HTML na sua página, e o visitante conversa com o seu agente sem instalar nada nem criar conta.

<!-- o widget roda na nossa origem: o seu site nunca hospeda -->
<iframe
  src="https://voicespeak.app/widget/voz?canal=SEU_CANAL"
  allow="microphone"
  style="border:0;width:280px;height:120px">
</iframe>

<!-- allow="microphone" NÃO é opcional:
     sem ele o navegador nega o microfone e a conversa sai muda -->

# só os domínios da sua lista conseguem embutir o widget.
# lista vazia = ninguém embute, de propósito.

curl -X PUT https://api.voicespeak.app/v1/embed/origens \
  -H "Authorization: Bearer sk_live_…" \
  -H "Content-Type: application/json" \
  -d '{ "origens": ["https://certificadoradigital.com",
                    "https://app.suaempresa.com"] }'

# substitui a lista inteira. um domínio que sai para de funcionar na hora.

# do SEU backend, para o visitante já ser reconhecido pelo nome.
# a chave sk_live_ nunca vai ao navegador.

curl -X POST https://api.voicespeak.app/v1/voz-web/sessao \
  -H "Authorization: Bearer sk_live_…" \
  -d '{
    "canal_id": "…",
    "visitante": {
      "nome": "Thays Wanderley",
      "empresa": "Kroma Tech",
      "telefone": "5511949859991"
    }
  }'

# devolve um bilhete de 60 s, de uso único, para a página abrir a conversa.

Na prática

Quem usa assim

Atendimento no seu site

O visitante clica e fala. Sem formulário, sem espera, sem “seu protocolo é”. E quando ele diz o telefone, a conversa se costura ao histórico dele.

Trabalhar com documentos falando

Perguntar coisas a um contrato de quarenta páginas em vez de usar Ctrl+F. A resposta vem falada, com a citação do trecho.

Enquanto as mãos estão ocupadas

Dirigindo, cozinhando, na esteira, no laboratório. É o uso em que a conversa por voz não é conveniência, é a única entrada disponível.

Treino e simulação

Ensaiar uma negociação difícil, uma entrevista ou uma apresentação com alguém que não se cansa de repetir.

Perguntas frequentes

Preciso instalar alguma coisa?

Não. Roda no navegador, pelo microfone que você já usa em videochamada. A única permissão pedida é a do microfone, e ela é pedida quando você aperta o botão de falar, não ao abrir a página.

Como funciona a interrupção no meio da frase?

Você fala por cima e ela para. Não é só parar de gerar: o áudio que já saiu e ainda não foi ouvido é descartado. Sem isso, ela continuaria falando por mais dois segundos depois de você mandar parar, que é exatamente a sensação de conversar com uma máquina.

Por que soa melhor no navegador que no telefone?

Porque o navegador entrega cancelamento de eco e supressão de ruído em hardware, e não há eco de linha para tratar. No telefone, o híbrido da linha devolve a voz dela para o microfone, e para não se transcrever, ela precisa de um limiar alto, que acaba engolindo quem fala baixo. No navegador esse problema simplesmente não existe.

Alternar entre voz e texto perde o contexto?

Não. É uma conversa só. Você fala uma pergunta, digita a correção, volta a falar, e ela acompanha, porque não existem dois modos por baixo: existe uma conversa com duas portas de entrada.

Dá para colocar isso no meu site?

Dá. É um trecho de HTML que embute o widget na sua página, com a lista de domínios autorizados definida por você. Só os domínios da sua lista conseguem embutir, quem tentar de fora recebe uma recusa do próprio navegador. Ver API.

Quanto custa uma conversa dessas?

É contada em minutos de áudio processado, como a transcrição. O plano gratuito inclui o suficiente para testar de verdade; o Plus e o Pro trazem volume mensal e o Business negocia por contrato.

Continua em

RecursoAgente de vozAtende, entende o pedido e resolve, na agenda, no CRM e no catálogo.RecursoVozes sintéticasFala com respiração e entonação, a 85 ms do primeiro áudio.RecursoTranscrição em tempo realTexto no mesmo instante, com pontuação e separação de quem falou o quê.RecursoAPIStreaming por WebSocket, webhooks com HMAC e SDKs para JS, Python e Go.

Aperte o botão e fale com ela

Sem instalar nada. Se ela te interromper mal ou demorar a responder, você saberá em trinta segundos, e é esse o teste que importa.