Agentes de voz ao vivo são burros #Shorts
Read the Portuguese translation →
Author: Rodrigo Celoto · Watch on YouTube
Video authored by the channel shown, not by IANIA; all rights belong to the creator. Transcript and summary generated automatically; the original-language content is preserved.
Original language: Portuguese
Original video: Agentes de voz ao vivo são burros #Shorts · Channel: Rodrigo Celoto · 01:02 · Watch on YouTube
Topics: AI agents, Multimodal models
Summary
Section titled “Summary”O vídeo explica como um agente de IA pode conversar por voz ao vivo sem que o modelo de voz seja responsável por consultar informações. A voz responde imediatamente para manter a conversa fluindo e, ao mesmo tempo, envia a pergunta transcrita ao harness. O harness usa o mesmo modelo, instruções e ferramentas do agente de chat para consultar a agenda e retornar os horários exatos. A voz fala a resposta e pode parar quando a pessoa a interrompe.
Key points
Section titled “Key points”- Uma conversa por ligação exige respostas imediatas, ao contrário de uma mensagem de voz.
- O modelo de voz conversa ao vivo, mas pode não ter acesso a dados como a agenda da clínica.
- A pergunta é transcrita e encaminhada ao harness enquanto a voz mantém a conversa.
- O harness executa um turno normal com o mesmo modelo, as mesmas instruções e ferramentas do agente de chat.
- O agente consulta a agenda e devolve a resposta em texto para a voz.
- A voz comunica os horários exatos e interrompe a fala quando a pessoa a interrompe.
Chapters
Section titled “Chapters”| Start | Chapter | Summary |
|---|---|---|
| 00:00 | Como funciona uma conversa de voz ao vivo | O vídeo apresenta a diferença entre o agente de chat, o harness e o modelo de voz. |
| 00:31 | A pergunta passa pelo harness | A voz mantém a conversa enquanto o harness recebe a pergunta transcrita e consulta a agenda. |
| 01:02 | A voz responde e lida com interrupções | A voz fala os horários retornados pelo agente e para quando Ana a interrompe. |
Quotes
Section titled “Quotes”Uma mensagem de voz pode esperar, uma ligação não. — 00:00
Conversa bem, mas não sabe nada da clínica. — 00:00
Quem fala não é quem pensa. — 01:02
Concepts and entities
Section titled “Concepts and entities”AI agent, Harness, live voice model, speech transcription, Ana
Full transcript (original language)
Section titled “Full transcript (original language)”00:00 Como um agente de IA conversa ao vivo? Uma mensagem de voz pode esperar, uma ligação não. Você liga para um agente de IA. Será que quem fala com você é quem pensa? Veja quem faz o quê. Embaixo está o agente do chat, o harness, o software em volta do modelo. Em cima, a novidade, a voz, um modelo que ouve e fala ao vivo. Conversa bem, mas não sabe nada da clínica.
00:31 Ana liga e pergunta se tem horário na quinta. O áudio vai direto para a voz. A voz não sabe a agenda, mas responde na hora, para a conversa não parar. Ao mesmo tempo, ela passa a pergunta para o harness, já transcrita. O harness roda um turno normal, o mesmo modelo, as mesmas instruções e ferramentas. O modelo consulta a agenda e responde em texto, como faria no chat. O harness devolve a resposta para a voz,
01:02 com os horários exatos. A voz fala a resposta com as próprias palavras, sem mudar os horários. Ana interrompe no meio da frase e a voz para na hora. Ninguém espera a vez. Isso é um agente de voz ao vivo. A voz conversa e cada resposta vem do mesmo agente de texto. Quem fala não é quem pensa.