A maioria das IAs de voz ainda fala como um walkie-talkie. Você fala, espera, ela responde e, se você tentar interromper, ela continua falando ou perde o fio da meada.
Não é assim que as pessoas conversam. Em uma ligação real, os dois lados ouvem e falam ao mesmo tempo. Dizemos "uhum" enquanto a outra pessoa ainda está no meio da frase. Interrompemos para corrigir um detalhe. Fazemos pausas para pensar sem passar a vez.
Os modelos de voz full duplex foram criados para lidar com esse tipo de conversa. Veja como eles funcionam, por que são importantes para a experiência do cliente e como o Maven Voice os coloca para trabalhar em chamadas de suporte reais.
O que significa "full duplex"
O termo vem das telecomunicações. Ele descreve como um canal lida com tráfego nos dois sentidos.
- Half duplex: os dados trafegam nos dois sentidos, mas um de cada vez. O walkie-talkie é o exemplo clássico. Aperte para falar, solte para ouvir e diga "câmbio" para o outro lado saber que é a vez dele.
- Full duplex: os dados trafegam nos dois sentidos ao mesmo tempo. Uma ligação telefônica é full duplex. Você consegue ouvir a outra pessoa enquanto fala.
A maioria dos agentes de voz atuais se comporta como sistemas half duplex, mesmo operando em linhas telefônicas full duplex. O agente espera o silêncio, conclui que a pessoa terminou de falar, gera uma resposta e a reproduz. Enquanto fala, ele praticamente não ouve.
Um modelo de voz full duplex continua ouvindo enquanto fala. Ele processa o áudio recebido e produz o áudio de saída em paralelo, o que permite reagir a quem liga em tempo real.
Como funcionam os modelos de voz full duplex
Para entender o que muda, comece pela forma como a maioria dos agentes de voz é construída hoje. A abordagem mais comum é um pipeline em cascata:
- Speech-to-text transcreve o áudio de quem liga.
- Detecção de turno espera uma pausa longa o bastante para concluir que a pessoa terminou.
- Um modelo de linguagem lê a transcrição e escreve uma resposta.
- Text-to-speech converte essa resposta de volta em áudio.
Cada transferência acrescenta atraso, e cada etapa descarta informação. A transcrição elimina tom, hesitação e ênfase. A detecção de turno faz suposições com base no silêncio: quem faz uma pausa para procurar o número da conta é interrompido, e quem fala rápido enfrenta um silêncio constrangedor.
Os modelos full duplex eliminam essa cadeia. Eles trabalham diretamente com áudio nos dois sentidos, o chamado speech-to-speech, e executam a escuta e a fala como dois fluxos contínuos. Isso viabiliza alguns comportamentos que fazem diferença em uma chamada ao vivo:
- Interrupção (barge-in). Quando quem liga interrompe com "Não, o outro endereço", o modelo para, absorve a correção e se ajusta. Ele não termina um roteiro que a pessoa já rejeitou.
- Sinais de escuta (backchannels). Pequenas expressões como "entendi" ou "certo" mostram que o agente está acompanhando, sem tomar a vez.
- Troca de turnos natural. O modelo interpreta entonação e contexto, além do silêncio, e consegue distinguir uma pausa para pensar de um raciocínio concluído.
- Sinais paralinguísticos. Frustração, confusão e urgência aparecem na forma como algo é dito. Um modelo que ouve o áudio diretamente consegue reagir a isso, enquanto uma transcrição apagaria esses sinais.
Por que isso importa para a experiência do cliente
O suporte por telefone é onde a qualidade da conversa aparece mais rápido. Quem liga geralmente está estressado, fazendo várias coisas ao mesmo tempo ou ligando porque o autoatendimento já falhou. Cada pausa constrangedora ou correção atropelada custa paciência.
O full duplex muda alguns pontos que importam para um líder de suporte:
- Menos escalonamentos por frustração. As pessoas apertam zero quando se sentem ignoradas. Um agente que lida com interrupções e correções as mantém na conversa.
- Chamadas mais rápidas. Quem liga pode se adiantar, confirmar dados no meio da frase e pular etapas desnecessárias.
- Captura de dados mais precisa. Números de conta, endereços e detalhes de pedidos costumam chegar em partes, com correções. Ouvir continuamente facilita acertar logo na primeira vez.
- Uma experiência de marca com som humano. A voz continua sendo o canal que os clientes usam para os problemas mais urgentes. O jeito como o agente soa passa a ser o jeito como a empresa soa.
O que torna o Maven Voice diferente
Uma voz natural é só metade do trabalho. Em uma chamada de suporte, o agente também precisa entender o problema, executar ações nos seus sistemas e respeitar suas políticas. O Maven Voice combina conversa full duplex com o raciocínio e as integrações da plataforma Maven AGI.
Speech-to-speech em produção. O Maven Voice executa modelos voz a voz em chamadas corporativas ao vivo, preservando o tom e o ritmo desde a primeira palavra de quem liga. Nossa parceira IBEX afirmou que a Maven foi a primeira a levar speech-to-speech para produção completa em uso corporativo.
Escolha do motor sem reconstruir nada. O Maven Voice funciona com os principais provedores de voz, incluindo OpenAI e Phonic. Você escolhe o motor ideal para o seu caso de uso. A Maven cuida da orquestração, do raciocínio e da integração, então trocar ou adicionar um motor não significa começar do zero.
Conversas que terminam em ação. O Maven Voice se conecta aos sistemas que sustentam sua equipe de suporte. Ele pode verificar um pedido e enviar um item de reposição, bloquear um cartão e emitir outro ou remarcar um agendamento, tudo na mesma chamada.
Feito para o áudio caótico do mundo real. Testamos o Maven Voice em metrôs, aeroportos e estádios. Nem sempre as pessoas ligam de um lugar silencioso, e seu agente precisa ouvi-las mesmo assim.
57 idiomas, com troca no meio da chamada. Quem liga pode mudar de idioma durante a conversa, e o Maven Voice acompanha.
Integra-se à sua central de atendimento. Os clientes ligam para os mesmos números. O Maven Voice funciona com seu roteamento e suas plataformas atuais e, quando é preciso um humano, transfere a chamada com todo o contexto para que a pessoa nunca precise se repetir.
Segurança de nível corporativo. A redação nativa de áudio e texto protege informações sensíveis em trânsito e em repouso, com respaldo de 15 certificações e avaliações, incluindo ISO 42001 e PCI-DSS 4.0 Level 1.
Clientes de voz como a Papaya Pay já usam o Maven Voice para oferecer suporte telefônico 24/7, mantendo a qualidade e o controle em suas mãos.
Ouça você mesmo
A forma mais rápida de entender a voz full duplex é conversar com ela. Interrompa. Mude de ideia no meio da frase. Troque de idioma. Depois, veja o agente resolver o problema de ponta a ponta.
** Agende uma demonstração do Maven Voice ** e descubra como suas chamadas podem soar.
Veja nas suas próprias conversas.
Solicite uma demonstração personalizada gratuita.
