Voz

Voz é o primeiro canal da plataforma. O agente atende chamadas em tempo real, com reconhecimento de fala (STT), síntese de voz (TTS), detecção de silêncio (VAD) e suporte a interrupção (barge-in).

Como funciona

Quando um cliente inicia uma chamada de voz, a plataforma:

1. Captura o áudio do microfone do cliente (via WebRTC ou telefone).
2. Transcreve a fala em texto (STT — Deepgram).
3. Envia o texto ao agente (agent-runtime), que processa e responde.
4. Sintetiza a resposta em áudio (TTS — Cartesia) e toca para o cliente.
5. Enquanto o agente responde, o cliente pode interromper (barge-in) a qualquer momento — o agente pausa e escuta o novo pedido.

Legendas e eventos ao vivo

Durante a chamada, o cliente vê legendas ao vivo do que está sendo falado (tanto do cliente quanto do agente). Em conversas de usuários identificados, a plataforma também exibe:

• O raciocínio do agente em tempo real.
• As ferramentas sendo acionadas (qual ferramenta, com quais argumentos, qual o resultado).

Isso aparece com um selo "voz" para diferenciar do chat de texto.

Números telefônicos

A plataforma oferece duas formas de conectar o agente ao telefone:

Número gerenciado (SIP managed)

A plataforma provisiona um número telefônico para você (de uma operadora parceira). Quando alguém liga, a chamada entra diretamente no agente.

• A contratação é feita pelo painel (auto-serviço).
• O número é seu enquanto a assinatura estiver ativa.
• O custo do número é separado do consumo de créditos da plataforma.

SIP trunk (tronco SIP)

Se você já tem uma operadora e números próprios, pode conectar um tronco SIP. A plataforma gera credenciais SIP que você configura no seu PABX ou operadora para rotear chamadas para o agente.

Chamada pelo chat web

No próprio chat web do painel, há um botão de microfone ao lado do campo de texto. Clicar nele inicia uma chamada de voz WebRTC com o agente.

A conversa de voz continua o mesmo histórico do chat de texto — o agente sabe o que foi discutido antes. As configurações de modelo e raciocínio selecionadas na barra lateral também valem para a chamada.

O botão de chamada só aparece quando o agente tem voz habilitada (voice_enabled: true no especialista).

Atendimento público (sem login)

Além das conversas de usuários identificados da sua organização, a voz pode atender visitantes anônimos: você embute um widget de voz nas páginas do seu site e qualquer pessoa fala com o agente na hora, sem cadastro.

Esse modo é mais restrito:

• Um agente público dedicado (com public: true).
• Ferramentas limitadas ao que está liberado para acesso anônimo.
• Conversa isolada por visitante.
• Controles contra abuso (origens permitidas, limite por visitante).

Veja o guia Agente público (atendimento anônimo).

Requisitos

• Navegador: Chrome, Edge ou Firefox (desktop e mobile).
• Microfone e alto-falante: para chamadas WebRTC.
• Conexão: banda larga ou 4G/5G estável.

Para chamadas telefônicas, qualquer telefone fixo ou celular funciona.

Preço

O uso de voz é cobrado por minuto combinado (STT + TTS) ao valor de US$ 0,10/min (100.000 créditos por minuto). A cobrança é arredondada para o minuto inteiro (mínimo 1 minuto).

Perguntas frequentes

O agente entende qualquer idioma? Depende do modelo de STT configurado. Por padrão, o português brasileiro é suportado.

Posso interromper o agente enquanto ele fala? Sim. O barge-in permite que o cliente interrompa a qualquer momento. O agente pausa, escuta o novo pedido e responde.

A transcrição fica salva? Sim. O histórico da conversa fica disponível no painel, com a transcrição completa do que foi falado.

Preciso de um número de telefone para testar? Não. Você pode testar a voz pelo próprio chat web, usando o microfone do computador ou celular.