Tecnologia de fala
Latência de voz
Também chamado de: latência de resposta · latência de turno
Latência de voz é o atraso de ida e volta entre quem liga terminar sua frase e o agente começar a responder. É a soma dos tempos de speech-to-text, modelo de linguagem e text-to-speech. Latência abaixo de um segundo é o padrão para uma conversa natural.
As pessoas percebem pausas maiores do que cerca de 500–800 ms. Alta latência faz um agente parecer robótico e leva quem liga a falar por cima dele. Minimizar a latência é um desafio central de engenharia na voice AI em tempo real.
Termos relacionados
Speech-to-textTecnologia que transcreve áudio falado em texto em tempo real. O STT é como um agente de voz entende o que quem liga está dizendo.Text-to-speechTecnologia que converte texto escrito em áudio falado natural. O TTS é o que dá voz a um agente de voz com IA.EndpointingDetectar quando quem liga terminou de falar para que o agente saiba que é a vez dele de responder. Um endpointing ruim causa pausas ou interrupções constrangedoras.Barge-inA capacidade de quem liga interromper o agente no meio da frase e fazê-lo parar e ouvir — essencial para uma conversa natural e sem frustração.
Veja Latência de voz em uma ligação real.
Agende uma demonstração de 30 minutos e veja o Finn conduzir ligações de entrada e de saída de ponta a ponta — sem nenhuma stack para montar.
Try Finn for free