Melhorando o reconhecimento de fala em ligações: correções práticas
Por que o reconhecimento de fala sofre em linhas telefônicas e o que ajuda: áudio mais claro, ajustes de idioma e vocabulário, perguntas bem pensadas e testes.
Um agente de voz é tão bom quanto o que ele ouve. Se o reconhecimento de fala transforma "terça às dez" em "teça às vez", tudo o que vem depois dá errado, por melhor que seja o modelo de linguagem. O mesmo vale para transcrições e resumos de ligações: um erro na etapa de reconhecimento se espalha por todas as etapas seguintes.

Este guia explica por que a fala ao telefone é difícil, quais erros são mais comuns e quais correções valem seu tempo. Para o contexto do pipeline, veja Como funciona a IA de voz: STT, LLM e TTS e, para o lado do áudio, Por que o áudio telefônico é difícil para o reconhecimento de fala.
Por que a fala ao telefone é difícil
Uma ligação espreme a voz humana por um canal estreito. As frequências altas e baixas são cortadas, o sinal é comprimido e pacotes podem se perder no caminho. Some a isso o ambiente de quem liga: trânsito, uma televisão, vento, um viva-voz numa cozinha. Os sistemas de reconhecimento são treinados com muita fala, mas condições assim ainda elevam as taxas de erro.
O que prejudica o reconhecimento
- Banda estreitaO áudio telefônico carrega menos detalhes que gravações comuns, então sons parecidos se confundem.
- Ruído de fundoCarros, multidões e máquinas competem com a voz.
- Microfones ruinsViva-voz, headsets baratos e microfones distantes acrescentam eco.
- Estilo de falaFala rápida, resmungos e sotaques desconhecidos são mais difíceis.
- Palavras rarasNomes, marcas, nomes de ruas e jargões que o sistema viu poucas vezes.
- Fala sobrepostaInterrupções, conversas paralelas e duas pessoas falando.
Erros típicos
Espere problemas com homófonos, dígitos lidos em grupos, nomes soletrados, datas e horários e palavras curtas no início de uma frase. Saber quais erros você tem facilita corrigi-los. Veja Como acertar nomes, números e endereços por voz.
Comece pelo básico
Antes de mudar qualquer coisa sofisticada, confira o simples.
Um checklist básico, em ordem
- Verifique o áudioOuça gravações de ligações reais. Se você não entende um trecho, o sistema também não entenderá.
- Defina o idiomaEscolha o idioma que os clientes usam ou ative a detecção automática se eles variarem.
- Ajuste as pausasRegule por quanto tempo o silêncio dura antes de o sistema decidir que o cliente terminou.
- Ajuste o tratamento de ruídoDeixe o sistema mais ou menos sensível ao som de fundo.
- Teste com vozes reaisExperimente falantes, dispositivos e lugares diferentes.
Idioma e detecção
Se a maioria dos clientes fala um idioma, defina-o explicitamente. A detecção automática é útil quando os clientes variam, mas pode levar algumas palavras para se firmar, e falas curtas como "sim" podem ser mal avaliadas. Para uma linha multilíngue, leia Atendimento telefônico multilíngue com IA. Sotaques e dialetos também importam; veja Sotaques e dialetos na IA de voz.
Pausas e alternância de turnos
Se o sistema corta as pessoas no meio da frase, aumente o limite de silêncio para que espere mais. Se parecer lento para responder, diminua. Clientes mais velhos e pessoas ditando números fazem mais pausas; teste com eles. Um limite que serve a uma troca ágil pode frustrar quem pensa em voz alta. Veja Detecção de atividade de voz e Alternância de turnos em agentes de voz.
Sensibilidade ao ruído
Uma rua barulhenta pode enganar o sistema, fazendo-o ouvir fala onde não há, ou esconder uma fala baixa. Teste em um ambiente ruidoso, não só em um escritório, e ajuste a sensibilidade passo a passo.
Desenhe perguntas fáceis de reconhecer
Muitas vezes a melhoria mais barata não está no reconhecedor, mas no que o agente pergunta.
- Pergunte uma coisa por vez. "Qual é o seu nome?" gera uma resposta mais limpa do que "Nome, telefone e motivo?".
- Ofereça uma forma de responder em poucas palavras, como sim ou não, ou uma escolha entre duas opções.
- Diga aos clientes como fornecer números: "Diga os dígitos um de cada vez."
- Evite perguntas abertas longas quando uma pergunta fechada curta resolve.
- Dê tempo ao cliente para responder antes de o agente falar de novo.
Confirme o que importa
Para nomes, telefones, datas, endereços e qualquer coisa com consequências, repita o que ouviu e peça ao cliente que confirme. "Tenho terça-feira, dia 4, às dez da manhã. Está certo?" é muito mais confiável do que supor. Ofereça outra forma de fornecer informações difíceis, como uma mensagem enviada depois para a pessoa completar, quando isso for permitido.
Ajude o sistema com suas palavras
Os erros de reconhecimento costumam se concentrar em palavras próprias do seu negócio: nomes de produtos, de funcionários, de lugares, termos médicos ou técnicos. Maneiras de ajudar incluem:
- Mantenha uma lista dos termos mal ouvidos e observe se melhoram.
- Onde o sistema permitir vocabulário personalizado ou dicas, adicione os termos importantes.
- Garanta que suas fontes de conhecimento escrevam os nomes de forma consistente, para que as etapas seguintes consigam relacioná-los.
- Ensine um dicionário de pronúncia para o modo como o agente fala essas palavras em voz alta; isso afeta a saída de voz, não o reconhecimento, mas ajuda o cliente a entender e a responder do mesmo modo.
Note a distinção entre ouvir e falar. Um dicionário de pronúncia altera como uma palavra é lida em voz alta, não como é ouvida.
Trate a falha com elegância
Até um sistema bem ajustado ouve errado às vezes. Desenhe a alternativa: depois de uma tentativa fracassada, reformule a pergunta; depois de uma segunda, ofereça outro caminho, como uma pessoa, um retorno ou um recado. Nunca faça o cliente passar três vezes pela mesma mensagem. Uma saída elegante protege o relacionamento quando a tecnologia falha.
Meça e teste
Sem medição, você não sabe se uma mudança ajudou. Monte um pequeno conjunto de testes com ligações reais, com consentimento e permissão registrada: talvez cinquenta trechos curtos que cubram suas vozes, dispositivos e ruídos típicos. Para cada um, compare o que foi dito com o que foi reconhecido e conte os erros que importaram, como um dígito errado, e não cada palavra pequena.
Uma revisão mensal do reconhecimento
- Ouça uma amostra de ligações reais, incluindo as que falharam.
- Liste as cinco palavras ou frases mais mal ouvidas.
- Veja se a redação, as configurações ou o vocabulário podem resolvê-las.
- Teste de novo os mesmos trechos depois de cada mudança.
- Inclua amostras ruidosas e com sotaque, não só as limpas.
- Registre as mudanças e os resultados para não repetir um experimento.
Veja Como testar um agente de IA de voz antes do lançamento e Como avaliar as conversas de um agente de voz.
Fazendo no Call
O Call permite ajustar a escuta de cada agente de IA nas configurações de voz. Na seção do transcritor, você escolhe o idioma, ou o detecta automaticamente, e move um limite de silêncio e um controle de sensibilidade ao ruído. Um aviso na página informa quais configurações as ligações ao vivo usam hoje. Aumente o limite de silêncio se o agente cortar os clientes no meio da frase.
- Dicionário de pronúncia. Ensine à voz de IA como ler nomes, lugares e palavras que ela lê errado; isso muda o que é falado, não o que é reconhecido.
- Transcrições. Leia a transcrição de uma ligação sob a gravação e identifique os falantes depois da ligação para ver quem disse o quê.
- Qualidade da chamada. As ligações com um agente de IA são pontuadas depois de terminarem, com motivos e citações, para que as ligações fracas sejam fáceis de achar.
- Correções. Você pode corrigir uma resposta em um registro de ligação e salvar a resposta corrigida no conhecimento do agente.
O reconhecimento do Call depende da ligação e da linha telefônica, então teste em linhas reais. Veja Como usar o histórico e os resumos de chamadas no Call e Como pesquisar transcrições de chamadas no Call.
Perguntas frequentes
Por que o reconhecimento de fala ao telefone é menos preciso do que no meu smartphone?
As linhas telefônicas carregam um áudio mais estreito e comprimido do que um microfone moderno, e os clientes costumam estar em lugares barulhentos ou no viva-voz. O software tem menos com que trabalhar, então ocorrem mais erros.
Devo definir um idioma ou usar a detecção automática?
Se quase todos os clientes usam um idioma, defina-o. Use a detecção automática quando os clientes variarem e teste respostas curtas como sim e não, que podem ser detectadas errado.
Como melhorar o reconhecimento de nomes e números?
Peça um item por vez, diga aos clientes como falar os dígitos, confirme repetindo e adicione termos importantes ao vocabulário onde o sistema permitir.
Um dicionário de pronúncia melhora o que o agente ouve?
Não. Ele melhora como o agente pronuncia as palavras em voz alta. Pode ajudar o cliente a entender o agente, mas o reconhecimento é uma configuração separada.
Como saber se uma mudança ajudou?
Mantenha um conjunto fixo de trechos de ligações reais, conte os erros que importam antes e depois e execute o mesmo conjunto após cada mudança. Uma ligação com sorte não prova nada.