O que é um Agente de Voz com IA? A Arquitetura de 5 Camadas por trás de Cada Chamada Real (2026)
Um agente de voz com IA é software que mantém uma conversa ao vivo e falada, por telefone, num navegador ou dentro de uma aplicação, combinando reconhecimento de fala, um modelo de linguagem e voz sintetizada. Se já ligou para um banco recentemente e o robô do "prima 1 para faturação" começou subitamente a responder a perguntas de acompanhamento como uma pessoa, isso é um agente de voz, não o antigo IVR. Temos implementado agentes de voz no Retell, Vapi e OpenAI Realtime nos últimos 18 meses, por isso a perspetiva aqui provém de construções práticas, não de marketing de fornecedores.
Resposta Rápida:
- Um agente de voz com IA é software que mantém uma conversa em tempo real por telefone ou web utilizando STT, um LLM e TTS.
- Diferencia-se do IVR (sem árvores de menu), chatbots (apenas texto) e assistentes de voz (comandos de turno único).
- A sensação de tempo real exige manter-se abaixo de um orçamento de resposta de ~700ms, combinando speech-to-text, LLM e text-to-speech.
- A maioria dos agentes de voz em produção em 2026 são construídos sobre pipelines de streaming como o OpenAI Realtime, Deepgram Voice Agent, Retell ou Vapi.
O que é um Agente de Voz com IA?
Um agente de voz com IA é software que tem uma conversa falada em tempo real com uma pessoa. Ouve áudio, converte a fala em texto usando speech-to-text (STT), envia esse texto para um large language model (LLM) que decide o que dizer e quais ferramentas chamar, e depois transforma a resposta novamente em áudio com text-to-speech (TTS). Todo o ciclo corre continuamente, com gestão de turnos, tratamento de interrupções e a capacidade de disparar chamadas API reais a meio da conversa.
Esta última parte é onde os agentes de voz ganham o seu nome. Não se limitam a falar, eles fazem coisas. Imagine isto: liga para reagendar uma consulta. O agente diz: "Claro, que dia lhe convém?". Você responde. Ele consulta a sua API de calendário, encontra horários disponíveis, lê-os, marca o que escolher e envia-lhe a confirmação por SMS. São quatro chamadas de ferramentas numa única chamada de 90 segundos.
As quatro capacidades essenciais a garantir:
- Ouvir em tempo real, as transcrições parciais chegam enquanto ainda está a falar, não depois de parar.
- Compreender a intenção, o LLM analisa o que realmente quer, não apenas palavras-chave.
- Responder por voz, prosódia natural, pausas e a capacidade de ser interrompido a meio da frase.
- Tomar ações, chamadas de função para o seu CRM, calendário, sistema de marcações ou qualquer coisa com uma API.
Um agente de voz com IA não é um chatbot com microfone, é um pipeline em tempo real que tem de ouvir, pensar e falar dentro do tempo que um humano espera antes de ficar desconfortável. O que é surpreendentemente curto. Mais sobre isso daqui a pouco.
Como Funcionam Realmente os Agentes de Voz com IA: A Arquitetura de 5 Camadas
Um agente de voz com IA em produção opera em cinco camadas: a telefonia move o áudio para dentro e para fora, o STT transforma a fala em texto, um LLM com chamada de ferramentas decide a resposta e quaisquer ações, o TTS transforma a resposta novamente em voz, e um orquestrador conduz todo o pipeline, gerindo turnos, streaming, interrupções e estado. Cada camada é um modelo ou serviço separado, competindo contra um relógio de 700ms.
Eis cada camada, pela ordem do fluxo de áudio:
- Telefonia / transporte, Twilio, Telnyx, troncos SIP ou WebRTC. Esta é a camada aborrecida mas crítica que leva uma chamada telefónica (ou áudio do navegador) para a sua stack e de volta para quem liga. Uma má escolha de codec ou uma rota SIP ruidosa, e o resto do seu belo pipeline soará como uma chamada Skype de 2007.
- Speech-to-text (STT / ASR), Deepgram Nova-3, AssemblyAI Universal-2, OpenAI Whisper, NVIDIA Canary Qwen 2.5B, Kimi-Audio. Estes transformam o áudio em streaming em texto enquanto o utilizador ainda está a falar. A parte difícil não é a precisão da transcrição, é o endpointing (decidir quando o utilizador terminou o seu pensamento).
- LLM + chamada de ferramentas, GPT-4o, Claude 4, Gemini 2.0. Os mesmos modelos que usa em todo o lado, agora com um orçamento de latência mais apertado e esquemas estruturados de chamada de função apontados para a pesquisa no seu CRM, a sua API de marcações e a sua ferramenta de "transferir para humano". O orquestrador escolhe qual chamar com base na conversa.
- Text-to-speech (TTS), ElevenLabs Flash, Cartesia Sonic, OpenAI TTS, Deepgram Aura. O texto da resposta entra token por token; o TTS sintetiza áudio em blocos para que a voz comece a tocar antes de o LLM terminar a sua frase.
- Orquestrador, Retell, Vapi, Bland, LiveKit Agents, OpenAI Realtime, ou Pipecat open-source. O maestro que faz streaming entre as quatro camadas, lida com barge-in (você a falar por cima do agente), recupera de erros e mantém o estado da conversa. Se quiser um confronto direto sobre qual plataforma orquestradora se adapta melhor, o artigo de comparação aborda isso.
Um agente de voz não é um modelo, são cinco componentes a competir contra um relógio de 700ms.
Existem dois sabores arquitetónicos que vale a pena conhecer: em cascata (o pipeline de 5 camadas acima, onde STT → LLM → TTS são modelos separados) e end-to-end speech-to-speech (um modelo trata do áudio de entrada e saída, como a API OpenAI Realtime). End-to-end é mais rápido e natural; em cascata é mais controlável e barato. A maioria das stacks de produção em 2026 ainda são em cascata.
O que Significa Realmente "Streaming" Aqui?
O streaming é a chave. O STT emite transcrições parciais a cada poucas centenas de milissegundos, o LLM faz streaming de tokens à medida que os gera, e o TTS sintetiza áudio bloco a bloco que pode ser cancelado se o utilizador interromper. O resultado parece uma conversa; sem streaming, parece um rádio bidirecional.
Eis uma configuração ilustrativa de agente (estilo Retell / Vapi, a sintaxe exata difere por plataforma):
{
"voice": { "provider": "cartesia", "voice_id": "sonic-en-female" },
"stt": { "provider": "deepgram", "model": "nova-3", "language": "en" },
"llm": { "provider": "openai", "model": "gpt-4o", "temperature": 0.3 },
"tools": [
{ "name": "lookup_order", "url": "https://api.example.com/orders" },
{ "name": "book_slot", "url": "https://api.example.com/calendar/book" },
{ "name": "transfer_to_human" }
],
"interruption_sensitivity": 0.7,
"endpointing_ms": 400
}
O Orçamento de Latência de 500-700ms (E Por que Sente Isso)
Os humanos esperam uma resposta em aproximadamente 600-700 milissegundos numa conversa natural. Estique isso para mais de um segundo e a chamada parece uma má ligação móvel; após 1,2 segundos, os utilizadores começam a falar por cima do agente ou a desligar. É por isso que a arquitetura do agente de voz é fundamentalmente um problema de latência, não um problema de inteligência.
A divisão do orçamento numa stack saudável parece isto:
| Camada | Latência típica | Notas |
|---|---|---|
| Telefonia / rede | 50-200 ms | depende da rota SIP, qualidade WebRTC |
| Speech-to-text (streaming) | 100-500 ms | endpointing domina |
| LLM time-to-first-token | 200-2.000 ms | a variável imprevisível |
| Text-to-speech time-to-first-audio | 75-800 ms | streaming TTS é a chave |
| Alvo realista end-to-end | 600-1.200 ms | >1.200 ms é onde os utilizadores começam a desligar |
"Where the 700ms voice agent budget gets spent"
Tabela de dados
| "Milliseconds" | "Low end" | "High end" |
|---|---|---|
| "Telephony / network" | 50 | 200 |
| "Speech-to-text" | 100 | 500 |
| "LLM time-to-first-token" | 200 | 2000 |
| "Text-to-speech" | 75 | 800 |
Nas nossas construções, o LLM time-to-first-token é a maior variável única, vimos oscilar entre 200ms (GPT-4o num bom dia) e 2 segundos completos (janela de contexto mais longa, modelo frio). É também onde reside a maior parte do seu custo por minuto, razão pela qual a desagregação real do custo por minuto da execução desta stack merece uma análise própria.
Duas outras coisas consomem o seu orçamento silenciosamente. Endpointing é quando o STT decide que o utilizador acabou de falar, configure-o demasiado agressivo e o agente interrompe-o; demasiado laxo e fica ali awkwardly. O tratamento de Barge-in exige que os blocos TTS sejam canceláveis a meio da reprodução, caso contrário o agente continua a falar por cima de si. Ambas são preocupações ao nível do orquestrador.
Se a sua stack demorar mais de 1,2 segundos para responder, os seus utilizadores já estão a decidir que está avariado.
Agente de Voz com IA vs IVR vs Chatbot vs Assistente de Voz
Estes quatro são confundidos constantemente. Um agente de voz com IA tem conversas de voz abertas e em tempo real com uso de ferramentas. IVR é um menu telefónico linear. Um chatbot é apenas texto. Um assistente de voz como Alexa ou Siri lida com comandos de voz curtos e de turno único. As diferenças resumem-se à modalidade de entrada, inteligência, tempo real e o que cada um substitui.
| Atributo | Agente de Voz com IA | IVR | Chatbot | Assistente de Voz |
|---|---|---|---|---|
| Modalidade de entrada | Voz em tempo real (aberta) | Menu de voz ou teclado DTMF | Apenas texto | Voz (comandos de turno único) |
| Compreensão | LLM + NLU + ferramentas | Correspondência de palavras-chave/menu | LLM ou regras | NLU, limitado por intenção |
| Saída | Streaming TTS, prosódia natural | Prompts pré-gravados | Texto | Respostas de voz curtas |
| Conversa em tempo real | Sim | Não (menu linear) | Sim (texto) | Sim (turno único) |
| Chamadas de Ferramenta / API | Sim (chamada de função) | Limitado (encaminhamento DTMF) | Sim | Limitado (skills/intenções) |
| Substitui | Agentes telefónicos em chamadas delimitadas | Árvores telefónicas | Chat ao vivo nível 1 | Comandos de dispositivo "Olá [nome]" |
| Taxa de resolução típica | 40-80% (dependente do caso de uso) | 10-25% | 30-60% (texto) | Alta para comandos únicos |
| Modo de falha | Alucinação, bloqueio de latência | Loops de menu sem saída | Mau encaminhamento, fadiga de texto | "Não sei" fora do domínio |
A distinção real: os agentes de voz são os únicos dos quatro que fazem voz em tempo real, aberta, multi-turno com uso de ferramentas. O IVR é um menu. Um chatbot é uma janela de texto. Um assistente de voz responde a comandos. Um agente de voz tem uma conversa.
Então, a Alexa é um Agente de Voz com IA?
Não. Assistentes de voz como Alexa, Siri e Google Assistant são motores de comando de jardim murado e turno único. São otimizados para "definir um temporizador de 10 minutos", não para "negociar uma janela de entrega com o meu empreiteiro enquanto consulto o meu histórico de encomendas". Problema diferente, stack diferente.
Para Que São Usados os Agentes de Voz com IA
Os agentes de voz justificam o seu investimento em quatro categorias de chamadas de alto volume: suporte inbound (desvio de FAQ, consulta de encomendas, reposição de passwords), vendas outbound e qualificação (marcação de consultas, qualificação de leads, limpeza de listas), agendamento de consultas (consultas de calendário, reagendamento, confirmações) e inquéritos e follow-ups (chamadas NPS, recuperação de churn, recolha de feedback). O padrão é o mesmo: alto volume de chamadas, gama estreita de intenções, resolução orientada por ferramentas.
Suporte inbound. Esta é a vitória mais fácil. Os agentes respondem às mesmas 20 perguntas o dia todo, consultam o estado de uma encomenda, repõem uma password e encaminham o material genuinamente difícil para um humano. A matemática funciona porque as chamadas de nível 1 representam 60-80% do volume inbound na maioria dos contact centers, segundo dados de automação de contact center da McKinsey.
Vendas outbound e qualificação. Marcação de consultas, qualificação de leads e limpeza de listas. É aqui que a conformidade se torna complicada, a voz outbound nos EUA aciona TCPA (regras de consentimento), A2P 10DLC (pontes SMS) e STIR/SHAKEN (atestação de ID de chamador). Não é um lugar para lançar rápido e partir coisas. Se estiver curioso sobre o panorama mais amplo de ferramentas de IA de voz + vídeo, existe um guia adjacente.
Agendamento de consultas. Provavelmente o caso de uso mais limpo. O agente lê o seu calendário Cal.com ou Acuity através de uma chamada de ferramenta, oferece os próximos três horários, marca um, envia uma confirmação. Saúde, salões, dentistas, reparação automóvel, em qualquer lugar onde as marcações acontecem por telefone. Se gere um restaurante, eis como isso se desenrola nesse vertical específico, reservas, cancelamentos e lista de espera no mesmo agente.
Inquéritos e follow-up pós-chamada. Chamadas NPS outbound, recolha de feedback, recuperação de churn. Apostas mais baixas, barreira de conformidade mais baixa (a relação de cliente existente geralmente cobre o consentimento) e fácil de medir o sucesso.
Pode Realmente Substituir a Minha Equipa de Suporte?
Resposta curta: não, e quem lhe vender isso está a vender ilusões. Os agentes de voz não substituem a sua equipa, eles captam os 60-80% das chamadas que não precisam de um humano, para que os humanos possam fazer o trabalho que realmente exige presença humana.
O que os Agentes de Voz com IA NÃO São (4 Equívocos que Afundam Projetos)
A maioria dos projetos de agentes de voz falhados falha devido a uma das quatro suposições erradas: que é apenas um chatbot com microfone, que o LLM é mágico, que é automaticamente mais barato que humanos, ou que vai substituir toda a sua equipa. Cada um destes quebra o projeto numa fase diferente, arquitetura, definição de expectativas, matemática de ROI ou gestão de mudança. Vamos redefinir cada um.
Equívoco 1: É um Chatbot Com Microfone
Áudio em tempo real é uma disciplina de engenharia diferente. Endpointing, barge-in, prosódia, gestão de buffers de streaming e tratamento de jitter de qualidade SIP não existem no mundo dos chatbots. Uma equipa que lança um chatbot de texto funcional em duas semanas gastará dois meses a fazer um agente de voz parecer natural. Tratar um agente de voz como um chatbot com microfone é a forma mais rápida de lançar algo em que os utilizadores desligam.
Equívoco 2: É Mágico
Não é. É GPT-4o (ou Claude, ou Gemini) envolvido em canalização de voz. As mesmas alucinações, os mesmos limites de janela de contexto, os mesmos riscos de injeção de prompts, agora em formato áudio, o que é mais difícil de registar e rever. A "magia" está na cola de engenharia, não no modelo.
Equívoco 3: É Sempre Mais Barato Que Humanos
Em volumes de chamadas muito baixos, digamos, menos de 500 chamadas por mês, o custo por minuto mais o investimento de configuração geralmente excede o custo de um humano a tempo parcial ou um bom chatbot. A matemática do TCO só funciona em volume. Se estiver a dimensionar isto para o seu negócio, se é mesmo a jogada certa para o seu negócio percorre a economia do Ano 1 com números reais.
Equívoco 4: Substitui Toda a Sua Equipa
Não substitui. É uma camada de desvio para tráfego de nível 1. Os humanos que mantém lidam com escalamentos, chamadores zangados, casos complexos e situações onde empatia e julgamento importam. Planeie essa estrutura organizacional desde o primeiro dia ou acabará com uma stack que funciona e uma equipa que está miserável.
Quando NÃO Implementar um Agente de Voz com IA (Limites Honestos)
Existem cinco cenários onde um agente de voz é a ferramenta errada: chamadas emocionais ou sensíveis (luto, más notícias médicas, linhas de crise), baixo volume de chamadas (menos de ~500 chamadas/mês onde o TCO de configuração excede as poupanças), fluxos de trabalho fortemente regulamentados sem maturidade de conformidade, operações multi-acento ou em línguas de poucos recursos, e qualquer fluxo de trabalho que genuinamente necessite de contexto visual. Lance no errado e atrasará o projeto seis meses.
1. Chamadas emocionais, sensíveis ou de alta responsabilidade. Notificações de luto, entrega de mau prognóstico médico, linhas de crise, triagem de saúde mental. Mesmo a prosódia TTS de última geração ainda não lá chegou, e o custo de marca de uma má chamada aqui é enorme. Apenas humanos.
2. Volume inferior a 500 chamadas por mês. Configuração, configuração, ajuste de prompts e custos por minuto geralmente não compensam abaixo de algumas centenas de chamadas por mês. Use um humano, use um chatbot, ou reveja em volume mais elevado. Se estiver a pesar opções, deve construir, comprar SaaS ou contratar uma agência detalha a decisão.
3. Fluxos de trabalho fortemente regulamentados sem capacidade de conformidade. Voz outbound nos EUA cai sob TCPA (consentimento), A2P 10DLC (pontes SMS) e STIR/SHAKEN / ATIS-1000074 (atestação de ID de chamador). Saúde adiciona HIPAA, chamadas na UE adicionam GDPR. Se não tiver recursos legais e de conformidade, não lance voz outbound ainda.
4. Operações multi-acento ou em línguas de poucos recursos. A taxa de erro de palavras (WER) do STT dispara acima de 15% em sotaques não principais e muitas línguas de poucos recursos, segundo o Hugging Face Open ASR Leaderboard. A precisão de grau de produção requer ajuste específico de sotaque, o que a maioria das plataformas ainda não oferece.
5. Fluxos de trabalho visuais ou de partilha de ecrã. Qualquer coisa onde o utilizador precise de ver algo, percorrer uma UI, rever um documento, comparar opções visualmente, a voz é a modalidade errada. A forma mais rápida de perder confiança num lançamento de agente de voz é implementá-lo num tipo de chamada que os humanos ainda deveriam estar a tratar.
A Stack de Agente de Voz com IA de 2026 (Num Relance)
A stack de agente de voz de 2026 não ficou mais inteligente ano após ano, ficou mais rápida. O tempo TTS para o primeiro áudio inferior a 100ms é agora padrão, o STT em streaming com diarização é requisito básico, e os modelos speech-to-speech como OpenAI Realtime e Gemini Live estão a começar a colapsar o pipeline em cascata num único modelo. As equipas de produção ainda executam principalmente stacks em cascata para controlo e previsibilidade de custos.
STT em 2026. NVIDIA Canary Qwen 2.5B lidera o Open ASR Leaderboard com WER médio inferior a 7%; Kimi-Audio reporta 1,28% de WER no LibriSpeech clean. Deepgram Nova-3 e AssemblyAI Universal-2 são os padrões de produção, ambos fazem streaming, ambos diarizam, ambos fazem endpointing razoavelmente bem out-of-the-box.
LLM em 2026. GPT-4o, Claude 4 e Gemini 2.0 suportam todos chamada de função de grau de produção com latência estável. Modelos speech-to-speech (OpenAI Realtime, Gemini Live) saltam completamente as camadas STT e TTS, menor latência, prosódia mais natural, mas menos controlo sobre a estrutura da chamada de ferramenta e mais caros por minuto. Em cascata ainda é o padrão de produção.
TTS em 2026. ElevenLabs Flash e Turbo, Cartesia Sonic (tempo para o primeiro byte inferior a 100ms), OpenAI TTS e Deepgram Aura. TTS em streaming com blocos canceláveis é o que faz o barge-in parecer natural. A stack de 2026 não ficou mais inteligente, ficou mais rápida. Tempo TTS para o primeiro áudio inferior a 100ms é o que faz os agentes de voz finalmente parecerem uma conversa real.
Orquestradores em 2026. Retell, Vapi, Bland, LiveKit Agents, OpenAI Realtime e Pipecat open-source. Cada um faz compromissos diferentes, BYOK vs bundled, otimização de latência vs amplitude de funcionalidades, OSS vs gerido. Para um confronto direto dos três orquestradores mais populares, o artigo de comparação aprofunda-se. E se estiver a dimensionar um orçamento, quanto custa realmente uma stack como esta em 2026 geralmente situa-se na gama de $0,05-0,30/minuto dependendo dos modelos que escolher.
Como a Techsy Aborda Isto
Construímos agentes de voz no Retell, Vapi e OpenAI Realtime para cargas de trabalho de produção, agendamento, desvio de suporte, qualificação outbound, e a perspetiva neste post é o que realmente aprendemos ao implementá-los, não pontos de venda de fornecedores. A escolha da plataforma depende inteiramente do caso de uso. BYOK plus controlo apertado de latência favorece uma stack; tempo mais rápido para piloto favorece outra; OSS-com-orquestração-personalizada favorece uma terceira. Não escolhemos um vencedor aqui porque a resposta certa muda por projeto. Se quiser uma construção dimensionada para o seu volume de chamadas específico, necessidades de conformidade e CRM existente, a nossa equipa pode dimensionar um agente de voz face aos seus constrangimentos reais.
Perguntas Frequentes
Como funcionam os agentes de voz com IA?
Fazem streaming de áudio através de cinco camadas: a telefonia move a chamada para dentro e para fora, o STT transcreve fala para texto em tempo real, um LLM com chamada de ferramentas decide o que dizer e quais APIs acionar, o TTS sintetiza a resposta como áudio em streaming, e um orquestrador gere turnos, interrupções e estado. Todo o ciclo tem de terminar bem abaixo de 1,2 segundos.
Os agentes de voz com IA podem substituir agentes humanos?
Não, e trate com suspeita quem afirmar o contrário. Os agentes de voz desviam os 40-80% das chamadas que seguem padrões previsíveis, FAQs, consultas, agendamentos simples, para que os agentes humanos se possam focar em chamadas complexas, emocionais ou de alto valor. O resultado realista é uma equipa menor e melhor paga a lidar com os casos que genuinamente precisam de um humano, não um contact center vazio.
É legal usar um agente de voz com IA?
Depende da jurisdição e direção. Agentes de voz inbound que respondem às chamadas dos seus próprios clientes são geralmente aceitáveis. Voz outbound nos EUA é governada por TCPA (consentimento), A2P 10DLC (pontes SMS) e STIR/SHAKEN (atestação de ID de chamador). Chamadas na UE adicionam GDPR. Saúde adiciona HIPAA. Consulte sempre a sua equipa jurídica, isto não é aconselhamento jurídico.
Como difere um agente de voz com IA de um chatbot?
Um chatbot é apenas texto e tolera respostas lentas; os utilizadores esperarão dois ou três segundos por uma resposta digitada. Um agente de voz tem de responder em menos de 700ms, lidar com interrupções, gerir buffering de áudio e lidar com prosódia. O LLM subjacente é frequentemente idêntico, a engenharia em torno dele é completamente diferente.
Quanto custa um agente de voz com IA?
As stacks de produção situam-se tipicamente na gama de $0,05-0,30 por minuto, mais um custo de configuração único que varia wildy com a complexidade do caso de uso. A variação vem do LLM que usa, do fornecedor TTS e se traz as suas próprias chaves. Para a desagregação real por minuto por stack, veja o artigo de preços, os números aqui são ilustrativos.
Qual é a latência que devo esperar?
Uma stack moderna bem construída situa-se entre 600ms e 1,2 segundos end-to-end, sendo o time-to-first-token do LLM a maior variável. Acima de 1,2 segundos, o abandono sobe acentuadamente, os utilizadores começam a falar por cima do agente ou a desligar. TTS em streaming e ajuste agressivo de thresholds de endpointing são as principais alavancas para se manter dentro do orçamento.
Como construo um?
A alto nível: escolha um orquestrador (Retell, Vapi, Bland, LiveKit Agents ou OpenAI Realtime), ligue-o a um LLM e às suas ferramentas, e aponte-o para um número de telefone via Twilio ou a telefonia bundled do orquestrador. Configure STT, TTS e thresholds de endpointing, depois itere nos prompts. A comparação direta de orquestradores cobre as diferenças específicas da plataforma.
Devo construir o meu próprio ou comprar um agente de voz SaaS?
Depende do volume, necessidades de personalização e postura de conformidade. Casos de uso padrão de baixo volume favorecem SaaS. Alto volume, fluxos de trabalho personalizados ou ambientes de conformidade estritos frequentemente favorecem uma construção ou uma stack híbrida. O quadro de decisão completo com economia do Ano 1 está no guia build-vs-buy.
Conclusão
Três coisas a retirar. Um, um agente de voz é um pipeline de streaming em tempo real, cinco camadas, orçamento inferior a 700ms, não um chatbot com áudio aparafusado. Dois, o valor real não é substituir a sua equipa; é captar os 60-80% das chamadas que não precisam de um humano para que os seus humanos possam fazer trabalho que realmente exige um. Três, acerte nos básicos (orçamento de latência, limites honestos, conformidade) antes de se tornar sofisticado com vozes personalizadas ou grafos de chamada de função de 12 ferramentas.
Se está a tentar descobrir se um agente de voz se adapta ao seu negócio, a nossa equipa constrói-os nas plataformas acima. Fale connosco sobre o seu caso de uso, sem tapete rolante de demonstrações, apenas uma conversa honesta de dimensionamento.