Agente de voz

Agente de voz e URA com IA em português

Com a Intedge IA, sua central atende por voz com IA: o cliente fala, a IA entende, decide a resposta e responde falando. Transcrição, texto e voz na mesma API, processados no Brasil.

Como funciona

Ouvir: o áudio do cliente vai para a transcrição rápida e volta como texto.
Pensar: o texto vai para a IA de texto, numa conversa com memória, com as instruções do seu agente.
Falar: a resposta vai para o serviço de voz e volta como áudio.
Responder: sua plataforma toca o áudio para o cliente.

Latência de referência

Etapa	Tempo aproximado
Voz, frase curta	~0,2 s
Transcrição rápida, áudio de poucos segundos	menos de 1 s
Transcrição rápida, ligação de 2 minutos	~7 s

Vozes disponíveis

`voice`	Como é
`int`	Feminina, tom acolhedor
`int-neutro`	Masculina, tom neutro
`int-grave`	Masculina, tom grave

Exemplo em Python

Transcrição e voz usam a biblioteca oficial da OpenAI (só muda o endereço); a IA de texto usa uma thread, que guarda a memória da conversa no servidor.

import requests
from openai import OpenAI

BASE, CHAVE = "https://intedge.ia.br", "SUA_CHAVE"
client = OpenAI(base_url=f"{BASE}/v1", api_key=CHAVE)
thread_id = None  # a primeira mensagem cria a conversa

def atender(audio_do_cliente: str) -> str:
    global thread_id
    # 1) ouvir: fala -> texto
    with open(audio_do_cliente, "rb") as f:
        pergunta = client.audio.transcriptions.create(
            model="transcricao-rapida", file=f, language="pt").text

    # 2) pensar: resposta da IA, com memória da conversa
    corpo = {"message": pergunta}
    if thread_id:
        corpo["thread_id"] = thread_id
    r = requests.post(f"{BASE}/api/ia/chat.php", json=corpo,
                      headers={"Authorization": f"Bearer {CHAVE}"}).json()
    thread_id = r["thread_id"]

    # 3) falar: texto -> áudio
    with client.audio.speech.with_streaming_response.create(
            model="voz", voice="int", input=r["response"]) as fala:
        fala.stream_to_file("resposta.mp3")
    return "resposta.mp3"

Use agent_id na conversa para aplicar as instruções de um agente seu (tom, regras, roteiro).

Como é cobrado

Cada etapa consome Ints do mesmo saldo pré-pago, sem mensalidade: a transcrição por segundo de áudio, a IA de texto por token e a voz por caractere.

Perguntas frequentes

O que é preciso para montar um agente de voz?

Três serviços em sequência: transcrição (fala do cliente em texto), IA de texto (decide a resposta) e voz (resposta em áudio). A Intedge IA oferece os três na mesma conta e com a mesma chave de API.

Qual é a latência?

Como referência: a voz gera uma frase curta em cerca de 0,2 segundo e a transcrição rápida de um áudio de poucos segundos leva menos de 1 segundo. O tempo da resposta da IA de texto depende do tamanho da resposta e do modelo escolhido.

As vozes falam português do Brasil?

Sim. As vozes são em português, com 3 opções de voz, e a velocidade da fala pode ser ajustada.

Funciona com a minha URA ou plataforma de telefonia?

A integração é por API HTTP: sua plataforma envia o áudio para transcrição, a pergunta para a IA e recebe o áudio da resposta. Qualquer sistema que faça chamadas HTTP consegue integrar.

A conversa sai do Brasil?

Não. Transcrição, IA de texto e voz rodam em servidores próprios no Brasil.

Veja também

Monte seu agente de voz

Crie sua conta gratuita e teste a voz e a transcrição pela API.

Criar conta gratuita Entrar