ElevenLabs mellora a súa tecnoloxía para crear axentes de voz avanzados

A líder en xeración de voz mediante IA, ElevenLabs, vén de anunciar un importante salto evolutivo coa presentación de Conversational AI 2.0, unha nova versión da súa plataforma dirixida a crear axentes de voz avanzados para empresas. A ferramenta está deseñada para mellorar interaccións como a atención ao cliente, centros de chamadas ou campañas comerciais, cun enfoque centrado na naturalidade, a intelixencia contextual e a seguridade. O lanzamento prodúcese apenas catro meses despois da versión inicial.
Un dos aspectos máis destacados é o novo modelo de toma de quendas na conversa, que recoñece pausas, vacilacións e marcadores de discurso para saber cando falar e cando escoitar. Isto permite unha interacción máis fluída e humana, crucial para sectores como o da atención ao cliente.
Outra novidade é a detección automática de idioma, que permite conversas multilingües sen configuración previa. Isto facilita a implementación de axentes en contornos globais, garantindo respostas no mesmo idioma empregado polo usuario durante a interacción.
No eido empresarial, a integración dun sistema de xeración aumentada por recuperación (RAG) permite ao axente consultar bases de datos externas para ofrecer respostas actualizadas e contextuais, mantendo a confidencialidade e con latencia mínima. Este sistema resulta especialmente útil en sectores regulados como o sanitario ou o financeiro.
Ademais, Conversational AI 2.0 soporta multimodalidade (voz e texto combinados) e a posibilidade de empregar diferentes personaxes ou voces nun mesmo axente, o que o fai axeitado para contidos creativos, formación ou campañas personalizadas.
Para operacións a gran escala, engádese agora o soporte para chamadas saíntes por lotes, o que permite realizar múltiples chamadas automatizadas en paralelo, ideais para enquisas, notificacións ou mensaxes personalizadas, cunha infraestrutura orientada á eficiencia e a escalabilidade.
A plataforma cumpre cos estándares de seguridade e privacidade máis esixentes, incluíndo a opción de manter os datos na UE, algo cada vez máis demandado por empresas que operan baixo a lexislación europea.
Esta nova versión establece un novo estándar nas interaccións por voz grazas á súa capacidade para comprender e responder de xeito contextual, natural e en tempo real, convidando ás empresas a explorar as posibilidades que ofrece a súa infraestrutura para transformar a experiencia dixital dos seus clientes.