As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Práticas recomendadas de voz agente

A voz agente do Amazon Connect combina reconhecimento avançado de fala (ASR) com vozes expressivas e de som natural para oferecer uma experiência completa de inteligência artificial por voz. O ASR avançado fornece conversas naturais e de baixa latência em tempo real, enquanto o mecanismo de voz oferece uma fala realista em mais de 50 localidades. Juntos, esses componentes possibilitam interações perfeitas e humanas entre os chamadores e os agentes de IA do Amazon Connect. Este guia aborda a configuração e as melhores práticas para ambos os componentes, para que você possa aproveitar ao máximo a experiência completa de voz agente.

Este guia aborda:

Práticas recomendadas de reconhecimento avançado de fala (ASR)

A preferência do modelo de fala ASR avançado é um reconhecedor de streaming projetado para conversas naturais e de baixa latência em tempo real. Em vez de confiar apenas em uma janela fixa de silêncio, ele avalia a fala do chamador enquanto ele fala e prevê quando o chamador termina — o final do turno (EOT).

Sintaxe do atributo de sessão

Os controles nesta seção são definidos com atributos de sessão padrão do Lex V2 no x-amz-lex namespace. Você os define ao iniciar uma conversa e pode substituí-los em uma função do Lambda (por exemplo, para relaxar a detecção somente ao coletar um valor confidencial).

Defina o escopo de cada atributo para uma intenção e um espaço:

x-amz-lex:audio:<setting>:<intentName>:<slotToElicit>

Faça:

Não faça:

Barge-in (interromper o comportamento)

Barge-in permite que o chamador interrompa uma mensagem que o bot está reproduzindo. Ele é ativado por padrão, o que geralmente é o que você deseja para uma conversa natural. Você o controla com:

x-amz-lex:allow-interrupt:<intentName>:<slotToElicit>

Padrão: true

Desative barge-in (false) quando:

Mantenha o barge-in ativado quando:

Exemplo

Para um agente de IA de autoatendimento, deixe o barge-in on anywhere por padrão. Desative-o somente quando uma solicitação precisar ser ouvida na íntegra — por exemplo, uma isenção de responsabilidade legal ou de conformidade. Defina os atributos ao iniciar a conversa. Mantenha o padrão ativado com uma *:* entrada e desative o barge-in somente com a intenção de reproduzir o aviso:

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:allow-interrupt:*:*": "true",
      "x-amz-lex:allow-interrupt:Disclaimer:*": "false"
    }
  }
}

A entrada específica da intenção e do slot tem precedência sobre a *:* padrão, portanto, o chamador pode interromper em qualquer lugar, exceto enquanto a intenção está falando. Disclaimer Se, em vez disso, você definir o atributo de isenção de responsabilidade em uma função do Lambda, defina-o antes que o prompt de isenção de responsabilidade seja reproduzido. Redefina-o para true depois para que o resto da conversa permaneça interrompido.

End-of-turn afinação

O ASR avançado termina um turno quando uma das condições é atendida primeiro:

Valores mais altos fazem com que o bot espere mais e termine os turnos de forma mais conservadora (menos cortes prematuros, um pouco mais de latência). Valores mais baixos terminam mais cedo (menor latência, maior chance de interromper um chamador que faz uma pausa). O limite de confiança é a alavanca principal; o tempo limite de silêncio só importa quando a confiança ainda não terminou o turno.

Out-of-range comportamento:

Escolhendo valores

Exemplo

Detecção conservadora de fim de turno para o AccountNumber slot da VerifyIdentity intenção:

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:audio:end-confidence-threshold:VerifyIdentity:AccountNumber": "0.9",
      "x-amz-lex:audio:end-timeout-ms:VerifyIdentity:AccountNumber": "7000"
    }
  }
}

Um único padrão para cada intenção e slot:

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:audio:end-confidence-threshold:*:*": "0.8",
      "x-amz-lex:audio:end-timeout-ms:*:*": "800"
    }
  }
}

Dicas de idioma para reconhecimento multilíngue

O ASR avançado reconhece vários idiomas na mesma conversa sem saber quais idiomas esperar. Ele detecta o idioma da fala do chamador, para que o chamador possa começar em inglês e mudar para o espanhol e a transcrição segue. Esse é o comportamento padrão e não precisa de configuração.

Se você já sabe quais idiomas seus chamadores usam, você pode direcionar o reconhecimento para eles com dicas de idioma. As dicas ajudam mais quando dois idiomas soam semelhantes. Eles também ajudam quando enunciados curtos — uma única palavra, um dígito, um yes/no — dão pouco ao modelo com que trabalhar. Você os configura com:

x-amz-lex:audio:locale-override:<intentName>:<slotToElicit>

Padrão: sem dicas — O ASR avançado detecta o idioma sozinho.

Defina o escopo do atributo da mesma forma que os outros controles nesta seção. Use *:* para influenciar cada turno da conversa ou nomeie uma intenção e um espaço para influenciar apenas os turnos em que você conhece o idioma esperado.

Formato de valor

Defina o valor para os códigos de idioma que você deseja usar, provavelmente primeiro. Use uma lista separada por vírgulas, opcionalmente entre colchetes e aspas, se isso for mais fácil de produzir a partir do seu fluxo ou da função Lambda. O ASR avançado ignora os espaços em branco circundantes e trata os sublinhados como hífens, portanto, são equivalentes. pt_BR pt-BR

A tabela a seguir mostra exemplos de valores de atributos e os idiomas para os quais cada um deles influencia o Advanced ASR.

Validação

Exemplo

O exemplo a seguir distorce o reconhecimento de uma linha cujos chamadores falam espanhol ou inglês, sendo o espanhol o idioma mais comum:

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:audio:locale-override:*:*": "es,en-US"
    }
  }
}

Faça

Não

Lidando com chamadas de ferramentas de longa duração

Quando um agente de IA ou Lambda faz uma chamada de ferramenta de longa duração (uma pesquisa de back-end, uma API externa, uma invocação de modelo) antes que o bot esteja pronto para ouvir, o chamador fica em silêncio. Para o chamador, pode parecer que o bot parou ou falou sobre ele quando finalmente responde.

Mitigações:

Referência rápida de atributos de sessão ASR

Erros comuns de ASR

Práticas recomendadas para mensagens de voz

A voz agente do Amazon Connect oferece conversão de texto em fala expressiva e com som natural em mais de 50 localidades. O mecanismo normaliza automaticamente o texto escrito em fala natural. Na maioria dos casos, você pode passar o texto como está e obter ótimos resultados sem nenhuma formatação especial.

Formatação de texto

Regras gerais

Passe um texto natural e bem pontuado. Frases completas com capitalização e pontuação normais produzem o melhor ritmo e entonação.

Faça:

Não faça:

Normalização automática

O mecanismo lê formatos escritos comuns como fala natural. Na maioria das vezes, você não precisa reformatá-los:

Etiquetas de controle de fala

O mecanismo de voz deduz automaticamente o ritmo e a emoção apropriados a partir do conteúdo da transcrição. Use tags de controle somente para casos de uso específicos em que o padrão não seja satisfatório. Todas as tags são colocadas diretamente na transcrição.

Velocidade

Controle a taxa de fala. Intervalo: 0,6 (lento) a 1,5 (rápido). Padrão: 1.0.

<speed ratio="0.85"/>This call may be recorded for quality purposes.

Para redefinir a velocidade depois de diminuir a velocidade:

<speed ratio="0.85"/>Important notice.<speed ratio="1.0"/>Now, how can I help?

Volume

Controle o volume. Alcance: 0,5 (silencioso) a 2,0 (alto). Padrão: 1.0.

<volume ratio="0.5"/>I'll speak softly for this part.

Pausas

Insira pausas. Especifique a duração em segundos (s) ou milissegundos (ms).

Your balance is $1,234.<break time="500ms"/>Your next payment is due June 15th.

Use pausas para:

Feitiço

Força a leitura caractere por caractere de códigos, IDs, números de telefone ou qualquer sequência de caracteres que deva ser falada letra por letra.

Your confirmation code is <spell>TKT4829XB</spell>.

Para sequências longas, adicione um espaço dentro do invólucro da etiqueta ortográfica para inserir pausas:

Your phone number is <spell>(415)</spell><break time="200ms"/><spell>5551212</spell>.

Formatos alternativos (sem tags):

Emotion

O modelo naturalmente deduz o tom emocional do conteúdo — não são necessárias tags na maioria dos casos. As etiquetas de emoção são um recurso beta e funcionam de forma mais confiável quando a emoção corresponde à transcrição.

<emotion value="sympathetic"/>I understand this is frustrating. Let me investigate that for you.

Emoções primárias: neutral angry excitedcontent,sad,, scared e.

Risada

Insira [laughter] para produzir uma risada natural.

Oh, I've actually heard that one before! [laughter] Alright, let's get this sorted out.

Referência de tag

Etiquetas malformadas

Configuração de voz multilíngue

A voz agente do Amazon Connect inclui vozes multilíngues que podem falar vários idiomas e alternar entre eles sem problemas durante uma conversa. Um chamador pode começar em inglês, mudar para o espanhol e o agente segue, sem necessidade de alterações de fluxo ou interrupções. No bloco Definir voz, essas vozes são rotuladas como vozes poliglotas. Este guia usa o termo vozes multilíngues para descrevê-las. Esta seção aborda como configurar vozes multilíngues e o que observar.

Vozes multilíngues

Vozes multilíngues alternam nativamente entre os idiomas suportados em uma única conversa. Use uma voz multilíngue quando sua central de atendimento precisar lidar com chamadores que falam idiomas diferentes ou trocam de idioma no meio da chamada.

Configuração

Etapa 1: Crie seu bot Amazon Lex na localidade da voz multilíngue

Se você usa uma voz multilíngue, só precisa de uma única localidade de bot do Amazon Lex. Crie seu bot na localidade que corresponda à voz multilíngue (por exemplo, en-US ou en-GB). Você não precisa adicionar todos os idiomas suportados pela voz multilíngue como uma localidade separada no Amazon Lex.

Faça:

Não faça:

Se você precisar oferecer suporte a um idioma que não esteja na lista de idiomas suportados pela voz multilíngue (por exemplo, tailandês ou tagalo), crie um bot separado para esse local e use uma voz específica do local. Consulte Usando uma voz agente não multilíngue em um local que não seja o inglês.

Etapa 2: combine a localização do bot Lex com o bloco Set Voice

O atributo de idioma definido no bloco Set Voice deve corresponder à localidade do seu bot Lex. Se eles não corresponderem, o bloco Obter entrada do cliente retornará um erro. Atualize o idioma do bloco Set Voice para corresponder à localização do seu bot.

Para vozes multilíngues criadas em uma localidade em inglês:

First-turn saudação

No primeiro turno, o agente de IA não recebeu nenhuma entrada do chamador. Sem entrada, o agente não consegue detectar o idioma do chamador. A voz fala o texto de saudação configurado no bloco Obter entrada do cliente. Se você quiser que o bot cumprimente o chamador em um idioma específico, certifique-se de que a mensagem de saudação nesse bloco esteja escrita nesse idioma.

Por exemplo, se sua base de chamadas principal fala espanhol, configure a saudação Get Customer Input em espanhol:

Hola, gracias por llamar. ¿Cómo puedo ayudarle hoy?

Após o primeiro turno, o agente de IA assume o controle, detecta e segue o idioma do chamador pelo resto da conversa.

Etapa 3: adicionar instruções de tratamento de linguagem ao prompt do sistema do agente de IA

Adicione uma seção de tratamento de idiomas ao prompt do sistema do seu agente de IA. Esta seção orienta o comportamento multilíngue. O agente de IA detecta o idioma do chamador a partir da transcrição e responde nesse idioma.

Modelo (personalize para seu caso de uso):

You are connected to a multilingual voice that supports the following languages: English, German, Spanish, French, Hindi, Italian, Japanese, Norwegian, Portuguese, and Russian.

Language handling rules:
Detect the language of the caller's input from the transcription.
If the caller speaks in one of the supported languages listed above, respond in that same language.
If the caller speaks a language not in the supported list, respond in English and politely let them know you can assist in the supported languages.
Always respond in one language at a time. Do not mix languages in a single response unless the caller mixes first.
If the caller switches languages mid-conversation, follow their lead immediately.
When responding in any non-English language, always use proper accent marks, diacritics, and locale-appropriate formatting (for example, é, ñ, ü, ç). This ensures the voice engine produces natural pronunciation.
Keep English brand names, product names, codes, and identifiers in English. Do not translate them.

Usando uma voz agente não multilíngue em um local que não seja o inglês

Se você estiver usando uma voz agente que não seja multilíngue (por exemplo, uma voz tailandesa, coreana ou portuguesa), defina explicitamente o atributo de idioma para que o sistema encaminhe para o mecanismo ASR correto.

Opção A: definir bloqueio de voz

Opção B: Definir bloco de atributos de contato

Se o bloco Definir voz não expor a configuração de idioma da sua configuração, você poderá definir o idioma usando o bloco Definir atributos de contato antes do bloco Obter entrada do cliente:

Restringindo a idiomas específicos

Se sua central de atendimento oferecer suporte apenas a um subconjunto de idiomas, simplifique a solicitação:

You support English and Spanish on this line only.
Detect the language of the caller's input.
If the caller speaks English or Spanish, respond in that language.
If the caller speaks any other language, respond in English: I apologize, but I can only assist in English or Spanish. How can I help you today?
If the caller switches between English and Spanish, follow their lead.
Use proper accent marks when responding in Spanish (á, é, í, ó, ú, ñ, ü).
Keep brand names and codes in English.

Solicitação do sistema para agentes de IA do Amazon Connect

Quando os agentes de IA do Amazon Connect gerarem um texto que será falado, adicione essas instruções de formatação de fala ao prompt do sistema do seu agente. Copie e cole o bloco abaixo diretamente na configuração do prompt.

Aviso de formatação de saída de fala

Speech Output Formatting
Everything you output will be spoken aloud by text-to-speech.
Follow these rules:

GENERAL FORMATTING
Use full sentences with normal capitalization. Always end with . ? or !
Use conventional written forms for numbers, dates, acronyms, symbols.
Do NOT use markdown, bullet points, headers, bold, raw JSON, emoji, or special characters.
Write plain prose only.

SPELLING OUT CODES AND IDS
For codes or IDs that must be read character-by-character, except for phone numbers, wrap in <spell> tags:
Example: Your confirmation code is <spell>TKT4829XB</spell>. Was that the account ending in <spell>1234</spell>?

THINGS TO AVOID
Do not output bullet points, numbered lists, or structured formatting.
Do not use asterisks, hashtags, or markdown syntax.
Do not include internal thoughts, reasoning, or meta-commentary.
Do not use parentheses, brackets, curly braces, or quotation marks.

NATURALNESS
Respond as if speaking directly to the caller.
Keep responses concise. Avoid long monologues.
Use natural transitions like: Let me check that for you. Or: Here is what I found.

Complemento multilíngue

Se seu bot usa uma voz multilíngue, adicione o seguinte ao prompt do sistema para ativar respostas em vários idiomas:

Language Handling
You are connected to a multilingual voice that supports: English, German,
Spanish, French, Hindi, Italian, Japanese, Norwegian, Portuguese, and Russian.

Detect the language of the caller input from the transcription. If the
caller speaks in one of the supported locales, respond in that language.
If the caller speaks a language not in the supported list, respond in
English and politely let them know you can assist in English.

Always respond in one language at a time. Do not mix multiple languages
in a single response. If the caller switches languages mid-conversation,
follow their lead and switch your responses to match.

When responding in a non-English language, always use proper accent marks,
diacritics, and locale-appropriate formatting. This ensures the voice
engine produces natural, native-sounding pronunciation.

Exemplos de contact centers

Saudação IVR

Hi, thanks for calling. How can I help you today?

Sem necessidade de tags — o mecanismo lida com saudações conversacionais naturalmente.

Aviso legal (desacelerado)

<speed ratio="0.85"/>This call may be recorded for quality assurance purposes. By continuing, you consent to recording.

Emparelhe com a barcaça desativada no nível do fluxo.

Lendo o número de uma conta

Com etiquetas ortográficas:

Your account number is <spell>1234</spell> <spell>5678</spell> <spell>9012</spell>.

Sem etiquetas ortográficas:

Your account number is 1 2 3 4, 5 6 7 8, 9 0 1 2.

Confirmação com código de referência

I've created your ticket. Your reference number is <spell>TKT4829XB</spell>. Is there anything else I can help with?

Opções de menu

Press 1 for billing.<break time="500ms"/>Press 2 for technical support.<break time="500ms"/>Press 3 to speak with an agent.

Soletrar o nome de um cliente

Let me confirm — your last name is Smith, spelled <spell>SMITH</spell>. Is that correct?

Erros comuns de conversão de texto em fala