Áudios no WhatsApp: a IA entende e consegue responder por voz?

A IA entende áudios do WhatsApp?

Sim. Primeiro o áudio é convertido em texto, o que se chama transcrição. A partir daí, a IA trata como uma mensagem digitada: entende o que o cliente quer, procura a resposta no seu catálogo e nas suas políticas e responde.

A qualidade depende da gravação. Fala clara num dialeto comum é bem transcrita. Muito barulho de fundo, um carro na estrada, várias pessoas falando ou gíria local muito rápida podem gerar uma palavra errada, e uma palavra errada no nome de um produto ou num número muda a resposta. Por isso a transcrição deve ficar visível para sua equipe, não escondida dentro do sistema.

Como funciona a transcrição de áudios numa conversa com o cliente?

Do lado do cliente, nada muda: ele segura o botão e fala, como faria com um amigo. Por trás, os passos são simples.

• O áudio chega à caixa de entrada da sua empresa como qualquer outra mensagem.
• Ele é convertido em texto, no idioma ou dialeto do cliente.
• A IA lê o texto e responde com seus próprios preços, produtos e políticas.
• Sua equipe pode ler a transcrição ao lado do áudio, então ninguém precisa ouvir cada áudio para acompanhar a conversa.

Quando responder por voz ajuda?

Responder um áudio com outro áudio soa natural. O cliente escolheu falar, então ouvir uma voz de volta mantém o mesmo ritmo. Funciona melhor em momentos curtos e humanos.

• Explicar uma etapa que levaria várias linhas para digitar, como retirar um pedido.
• Pedir desculpas ou tranquilizar um cliente chateado, quando o tom diz mais que as palavras.
• Clientes que têm dificuldade para digitar, como clientes mais velhos ou quem escreve árabe com dificuldade.
• Quebrar um ciclo de mal-entendidos depois que duas ou três mensagens de texto deram errado.

Quando a resposta por voz atrapalha?

Áudio é fácil de enviar e difícil de conferir. Uma regra que funciona para a maioria das lojas: voz para explicar, texto para tudo que tenha um número.

• Preços, números de pedido, dados de conta e prazos de entrega: o áudio é mal ouvido e esquecido, o texto pode ser copiado e conferido.
• Reclamações e disputas: você precisa de um registro que dá para ler e citar, não de um áudio para ouvir de novo.
• Clientes numa reunião, no trabalho ou num lugar movimentado, que não podem ouvir som.
• Respostas longas: um áudio de um minuto leva um minuto para ser ouvido, enquanto o mesmo texto é lido em segundos.

Qual dialeto e qual voz suas respostas devem usar?

Combine com seu mercado principal. Uma loja saudita respondendo com uma voz saudita soa local; a mesma mensagem com um sotaque forte de outra região soa como uma central de atendimento distante. Se seus clientes vêm de muitos países, o árabe moderno padrão é a escolha neutra, e inglês ou turco para os clientes que escrevem nesses idiomas.

Escolha uma voz e mantenha. Os clientes passam a reconhecê-la, como reconhecem a pessoa que costuma atender o telefone da loja. Prefira uma fala calma e simples a um tom animado de propaganda; numa conversa de suporte, entusiasmo logo soa falso.

É seguro deixar a IA processar os áudios dos clientes?

Um áudio pode conter um nome, um endereço, um telefone ou um dado de saúde ou de pagamento, então trate-o como qualquer dado de cliente. Antes de ativar qualquer coisa, faça perguntas diretas ao fornecedor e espere respostas diretas.

No Yusr, cada empresa fica separada de todas as outras no banco de dados, as chaves dos canais são criptografadas, as funções da equipe controlam quem pode ver e alterar o quê, e se você sair pode mandar um e-mail para a equipe pedindo a exclusão dos seus dados. As transcrições aparecem na caixa de entrada para que sua equipe possa lê-las, e qualquer conversa pode ser baixada como arquivo de texto.

• Quem na minha equipe pode ouvir o áudio e ler a transcrição?
• Os dados da minha empresa ficam separados dos de outras empresas?
• Como peço a exclusão dos meus dados se deixar de usar o serviço?

Quais planos do Yusr incluem respostas por voz?

Ele transcreve todos os áudios em todos os planos, inclusive no Grátis, para que a IA possa responder e sua equipe possa ler. As respostas por voz, em que a IA responde um áudio com um áudio próprio, estão no Basic e acima. Você escolhe entre 24 vozes masculinas e femininas em árabe moderno padrão e nove dialetos (saudita, emiradense, catariano, egípcio, jordaniano, palestino, sírio, libanês e iraquiano), além de inglês e turco.

Dois limites são intencionais. As respostas por voz só respondem a áudios, nunca a mensagens de texto. E no Instagram os áudios são entendidos, mas as respostas por voz não são enviadas. Para configurar, escolha uma voz e um dialeto e ative as respostas por voz nas configurações do agente; depois teste na conversa de teste antes de entrar no ar.