Você está aqui:
Mensagens de voz do WhatsApp
As mensagens de voz do WhatsApp permitem que os usuários do WhatsApp interajam com seu agente do Agentforce usando voz, em vez de texto. O Agentforce transcreve mensagens de voz em texto, as processa como mensagens digitadas e responde automaticamente no mesmo formato usado para cada mensagem. Os usuários do WhatsApp podem alternar entre voz e texto durante a mesma conversa.
Como as mensagens de voz funcionam
Quando um usuário do WhatsApp envia uma mensagem de voz, o Agentforce a processa nestas etapas.
- Baixa o arquivo de áudio e o transcreve para texto por meio da Camada do Einstein Trust.
- Processa o texto transcrito usando o mecanismo de raciocínio do agente.
- Gera uma resposta.
- Envia a resposta como:
- Uma mensagem de voz quando as respostas de voz estão ativadas.
- Uma mensagem de texto, ou outro formato de resposta disponível, quando as respostas de voz não estão ativadas.
Como as respostas de voz e texto funcionam
Quando as respostas de voz estão ativadas, o Agentforce responde automaticamente no mesmo formato que cada mensagem recebida: uma mensagem de voz em obtém uma mensagem de voz, uma mensagem de texto em obtém uma mensagem de texto.
| Mensagem do usuário do WhatsApp | Resposta do agente |
|---|---|
| Mensagem de voz | Mensagem de voz (quando as respostas de voz estão ativadas) |
| Mensagem de voz | Mensagem de texto (quando as respostas de voz estão desativadas) |
Os usuários do WhatsApp podem alternar entre voz e texto durante a conversa, e o Agentforce combina o tipo de resposta para cada turno. Não há nenhuma configuração para que o agente sempre responda com voz.
Se as respostas de voz estiverem desativadas, o agente ainda poderá transcrever e processar as mensagens de voz recebidas, mas responderá com texto.
Formatos e limites de arquivo
As mensagens de voz oferecem suporte aos seguintes formatos e limites de arquivo.
| Propriedade | Usuário do WhatsApp para agente | Usuário do agente para WhatsApp |
|---|---|---|
| Formato de áudio | OGG (áudio/ogg) | OGG (áudio/ogg) |
| Tamanho do arquivo | Até 2 MB | Até 5 MB |
| Duração | Sobre 1 minuto | Sobre 1 minuto |
As mensagens de voz usam o formato de áudio OGG com o tipo audio/ogg MIME. As extensões de arquivo com suporte são .ogg, .oga e .ogx.
Se uma mensagem de voz exceder os limites de tamanho ou duração de arquivo suportados, o Agentforce não a processará.
As mensagens de voz oferecem suporte aos seguintes limites de texto.
| Propriedade | Usuário do WhatsApp para agente | Usuário do agente para WhatsApp |
|---|---|---|
| Comprimento do texto | 2.000 caracteres após a transcrição | 3.000 caracteres antes da síntese de fala |
Se uma resposta do agente exceder o comprimento de texto suportado, o Agentforce enviará a resposta como texto em vez de voz.
Considerações e limitações
- Tempo de resposta
Mensagens de voz levam mais tempo para serem processadas do que mensagens de texto, pois o Agentforce transcreve o áudio recebido e gera a voz para a resposta. O tempo de resposta típico é de 12 a 17 segundos. Respostas mais longas do agente podem levar mais de 20 segundos. Mantenha as respostas dos agentes concisas para reduzir o tempo de resposta.
- Qualidade do áudio
A transcrição de voz e a síntese de fala dependem da qualidade do áudio. Ruído de segundo plano, longos períodos de silêncio ou fala pouco clara podem reduzir a precisão da transcrição. Se o Agentforce não conseguir transcrever com precisão uma mensagem de voz, ele pedirá para o usuário do WhatsApp repetir a mensagem ou enviá-la como texto.
- Suporte de canal
As mensagens de voz funcionam apenas no WhatsApp. Outros canais de mensagens não oferecem suporte a mensagens de voz.
- Detecção de idioma
Mantenha cada conversa em um único idioma que corresponda ao idioma que o usuário do WhatsApp usa e ao idioma configurado para o agente. Alterar idiomas durante uma sessão pode afetar a detecção de idioma para respostas subsequentes.
- Configuração de idioma do subagente
Se seu agente usar subagentes, configure cada subagente para usar o mesmo idioma que o agente. Se um subagente responder em um idioma diferente, o agente usará seu idioma configurado para a resposta de voz, o que pode resultar em pronúncia incorreta ou em um sotaque indesejado.
Por exemplo, se um agente em inglês usar um subagente configurado para espanhol, o agente poderá pronunciar a resposta do subagente em espanhol usando a pronúncia em inglês.
- Requisitos do agente
Seu agente deve ser criado no Agentforce Builder e usar o mecanismo de raciocínio Atlas. Não há suporte para agentes criados no criador legado.
- Mensagens de escalação
Quando uma conversa é passada com sucesso para um agente humano, a mensagem de transferência corresponde ao formato de entrada do usuário do WhatsApp. Se o usuário do WhatsApp tiver enviado uma mensagem de voz, a mensagem de transferência será enviada como voz. Se o usuário do WhatsApp tiver enviado uma mensagem de texto, a mensagem de transferência será enviada como texto. Se a transferência falhar, a mensagem sempre será enviada como texto.
- Renderização de voz no WhatsApp
As respostas de voz aparecem como anexos de áudio em vez de mensagens de voz devido aos requisitos de formato do WhatsApp.
- Respostas com correspondência de turnos
O Agentforce responde com uma mensagem de voz apenas quando o usuário do WhatsApp envia uma mensagem de voz. As mensagens de texto recebem respostas de texto. Não é possível configurar o agente para sempre responder com voz.
- Mocionamento baseado em transcrição
Motivos Agentforce sobre o texto transcrito, não o áudio original. Ele não interpreta tom, emoção, sons de segundo plano ou outras dicas que não sejam de fala.
- Limites de mensagens de voz
Os usuários do WhatsApp podem enviar uma mensagem de voz por turno de conversa. Não há suporte para várias mensagens de voz na mesma mensagem.
- Entradas multimodais
As mensagens de voz têm suporte apenas para áudio. Imagens, arquivos e outras entradas multimodais não têm suporte na mesma mensagem.
- Processamento de dados
Transcrição de mensagem de voz e síntese de fala usando o Agentforce Speech Foundations. Para obter informações sobre como seus dados são processados, consulte Infraestrutura e Subprocessadores.
