Tecnologia de IA de voz

Barge-in: como a IA de voz lida com interrupções de quem liga

O que é barge-in, por que interrupções são difíceis ao telefone e como escrever respostas, ajustar opções e testar ligações para um agente de voz soar natural.

Equipe editorial do Call · Publicado em · Leitura de 6 min

Numa conversa comum, as pessoas se interrompem o tempo todo: para corrigir um detalhe, para dizer "sim, esse mesmo" ou simplesmente porque já entenderam. Um sistema telefônico que insiste em terminar a frase parece rígido, e logo quem liga começa a falar por cima dele ou desiste. O barge-in é o recurso que permite a um agente de voz lidar bem com isso.

Pessoa falando em um headset de telefone durante uma ligação
Imagem ilustrativa

Este artigo explica o que é o barge-in, por que é mais difícil do que parece, como projetar respostas e configurações que funcionem com ele e como testá-lo. Faz parte de um grupo de guias sobre IA de voz; para ver o quadro mais amplo, consulte Como a IA de voz funciona e Troca de turnos em agentes de voz.

O que significa barge-in

Um agente de voz normalmente trabalha em um ciclo: ouvir, entender, responder, falar. Sem barge-in, o agente para de ouvir enquanto fala, então tudo o que a pessoa disser durante a resposta se perde. Com barge-in, o sistema continua ouvindo durante a própria fala. Quando detecta que a pessoa começou a falar, interrompe o áudio, descarta o restante da resposta planejada e trata a interrupção como o próximo turno.

O que acontece quando alguém interrompe

  1. O agente está falandoA resposta está sendo reproduzida enquanto o sistema continua ouvindo.
  2. Fala detectadaO sistema decide que o som na linha é uma pessoa falando.
  3. A reprodução paraO agente se cala rapidamente para que as duas vozes não se sobreponham por muito tempo.
  4. Interrupção capturadaO que a pessoa diz é transcrito como um novo turno.
  5. Nova respostaO agente responde à interrupção, e não à frase que estava no meio.

Por que importa ao telefone

Interromper não é só falta de educação. Traz informação. Quem corta com "não, terça-feira" está corrigindo um erro. Quem diz "sim, sim" quer que você ande mais rápido. Quem não diz nada, mas suspira, provavelmente está perdendo a paciência. Um sistema que ignora esses sinais produz ligações que se alongam e terminam mal.

Motivos comuns pelos quais as pessoas interrompem

  • Para corrigirO agente errou uma data, um nome ou um número.
  • Para responder antesA pessoa conhece a pergunta e responde antes de ela terminar.
  • Para pularO agente está repetindo algo que a pessoa já sabe.
  • Para redirecionarA pessoa quer algo completamente diferente.
  • Para confirmarUm sim ou não rápido, que não precisa da frase inteira.

Permitir interrupções também permite escrever respostas mais curtas, porque você não precisa se preocupar que uma resposta longa prenda quem liga. Isso combina bem com a forma como as pessoas escutam ao telefone.

Por que é mais difícil do que parece

A ideia é simples, mas uma linha telefônica é um canal ruidoso e imperfeito. Vários problemas precisam ser resolvidos ao mesmo tempo.

Esses problemas puxam em direções opostas. Um detector muito sensível reage rápido, mas dispara falsas interrupções. Um cauteloso é calmo, mas parece pouco responsivo. Bons sistemas combinam a detecção acústica com verificações de quanto o som dura e do que contém. Detecção de atividade de voz e Qualidade do áudio telefônico explicam dois dos componentes.

Projetando respostas que funcionem com interrupções

As configurações sozinhas não tornam uma conversa natural. A redação das respostas do agente importa pelo menos tanto.

Escrevendo para ser interrompido

Difícil de interromper bemFácil de interromper bem
ExtensãoParágrafos longos com vários pontosUma ou duas frases curtas
OrdemContexto primeiro, resposta por últimoA resposta primeiro, os detalhes depois
OpçõesLê uma lista longaOferece duas ou três e pergunta qual
ConfirmaçõesRepete tudo no finalConfirma o dado principal assim que é dado
TomFormal e rebuscadoSimples e conversacional

Quando o agente confirmar informações, torne-as interrompíveis por concepção. Por exemplo, "Sua consulta é na terça às dez. Está certo?" convida a um sim rápido antes mesmo de a pergunta terminar. Evite frases em que a palavra decisiva vem por último.

Configurações e compensações

A maioria dos sistemas de voz oferece uma configuração que permite ou impede interrupções, e alguns oferecem controles mais finos sobre a sensibilidade da detecção. Desativar as interrupções pode fazer sentido em casos restritos, como uma declaração exigida por lei que precisa ser ouvida por inteiro. Nos demais casos, mantê-las ativadas costuma ser melhor para quem liga.

Uma configuração relacionada é quanto tempo de silêncio leva ao fim da ligação. Curto demais, e quem procura um documento é cortado. Longo demais, e uma ligação interrompida prende uma linha. Ajuste-a ao que seus clientes fazem: alguém conferindo um número de pedido precisa de mais tempo do que alguém que diz sim.

SituaçãoAbordagem sugerida
Aviso ou roteiro obrigatórioNão permita interrupção apenas nessa parte e mantenha-a curta
Perguntas rápidas de sim ou nãoPermita interrupções e aceite a resposta antecipada
Pessoas em linhas móveis barulhentasTeste com cuidado os disparos falsos; mantenha as respostas curtas
Idosos ou pessoas que falam mais devagarPermita pausas generosas antes de o sistema decidir que o turno acabou
Ligações ativasTeste o eco do próprio agente e as secretárias eletrônicas

Idosos e pessoas com diferenças de fala merecem atenção especial. Podem fazer pausas mais longas, falar mais devagar ou se repetir. Se o sistema entrar cedo demais, falará por cima delas. Veja Recepcionista com IA: clientes idosos para ideias.

Testando o barge-in

Teste com ligações reais, não apenas gravações limpas. Monte um conjunto de cenários e rode-o após cada mudança de configurações ou de prompts.

Casos de teste de barge-in

  • Interrompa no primeiro segundo de uma resposta e confira se o início das suas palavras é capturado
  • Interrompa perto do fim e verifique se ele não repete a frase já concluída
  • Diga um "hum-hum" discreto durante uma resposta longa e veja se o agente continua
  • Tussa, bata no telefone ou deixe um cachorro latir e veja se o agente para
  • Ligue de um carro, de uma rua e com o viva-voz
  • Fique em silêncio e verifique quanto tempo a ligação espera
  • Corrija um detalhe no meio da frase, como uma data, e confira se a correção é usada

Registre com que rapidez o agente para e se alguma palavra se perde. Para um método de teste mais amplo, veja Testes de IA de voz e, para o atraso entre a última palavra de quem liga e a resposta do agente, Latência da IA de voz.

Barge-in no Call

No Call, as configurações de voz de um agente incluem uma chave chamada Permitir interrupções, que deixa quem liga falar por cima do agente. Ela vem ativada por padrão. Ao lado há uma configuração de quantos segundos de silêncio encerram a ligação, além de limites para ligações simultâneas e para a ligação mais longa. Elas ficam na página de voz do agente, junto com a voz e o prompt.

Nas ligações ativas de IA, o ruído de fundo é filtrado e o agente só para de falar quando a pessoa realmente diz algo; a própria voz do agente voltando pela linha não é tomada como fala da pessoa. As respostas seguem uma regra de uma ou duas frases curtas e faladas, o que combina com interrupções. Experimente o agente com a chamada de teste no seu próprio telefone e depois consulte os detalhes da ligação para ver quanto cada lado falou e com que frequência os dois falaram ao mesmo tempo.

Perguntas frequentes

O que é barge-in em um agente de voz?

É a capacidade de quem liga interromper o agente enquanto ele fala. O agente para, escuta e responde ao que a pessoa disse.

Por que meu agente de voz às vezes para sem motivo?

Ruído de fundo, um eco da própria voz ou uma tosse podem ser confundidos com fala. Respostas mais curtas, áudio melhor e configurações de sensibilidade cuidadosas reduzem isso.

Devo desativar as interrupções?

Raramente. Elas são úteis para ligações naturais. Desativá-las pode servir para uma declaração curta e obrigatória que precisa ser ouvida por inteiro.

O que é um backchannel?

Um som pequeno, como "hum-hum" ou "certo", que mostra que o ouvinte está acompanhando. Um bom agente não o trata como pedido para parar.

Como tornar as respostas mais fáceis de interromper?

Mantenha-as curtas, coloque a resposta primeiro e peça confirmações rápidas. Evite listas longas e deixar a palavra-chave para o final.

Como testar o barge-in direito?

Faça ligações reais de lugares diferentes, interrompa em momentos diferentes, acrescente ruído e silêncio e confira se alguma palavra se perdeu. Repita após cada mudança.

Ajuste as configurações de interrupção no Call

No console de demonstração você pode experimentar chamadas recebidas em uma simulação.

Guias relacionados