Voicebot ElevenLabs Agents: teste de atendimento por voz

👁 118 leituras

Voicebot, ou agente de voz, é um sistema que atende ligações, entende a fala e responde em voz alta. Hoje, dá para criar um no ElevenLabs Agents pelo painel, sem escrever código. Configurei pela API a recepção fictícia de um consultório odontológico, fiz uma conversa real por voz - quem ligou foi uma voz sintética, não uma pessoa - e medi o tempo de resposta, a precisão do reconhecimento de fala e o custo por minuto. Também fiz duas simulações de conversas com pacientes difíceis. A gravação completa está abaixo.

01Clonagem de voz com IA no ElevenLabs: 10 s ou 2 min?Testei clones de voz no ElevenLabs com amostras de 10 segundos, 30 segundos e 2 minutos. Veja os resultados, os custos e os limites do teste.Leia →02ElevenLabs Dubbing: teste dos modelos v1 e v2Comparei os modelos v1 e v2 do ElevenLabs Dubbing em um clipe de 24 segundos. Veja os resultados, o tempo, o custo e uma falha inesperada.Leia →

Como funciona o voicebot do ElevenLabs

O ElevenAgents, antes chamado Conversational AI, combina três elementos: reconhecimento de fala, que no meu teste foi o Scribe Realtime; um modelo de linguagem, que decide o que dizer; e síntese de voz, que no meu caso foi o Eleven v4 Turbo. Também inclui detecção do fim da fala, suporte a interrupções, base de conhecimento, ferramentas - como registrar algo no calendário ou transferir a ligação para um número de telefone - e integrações de telefonia. Você pode criar o agente pelo painel ou pela API. As pessoas podem conversar com ele pelo navegador, por um aplicativo ou por telefone.

Meu agente: recepção de um consultório odontológico

Em 28 de setembro de 2026, criei um agente pela API, configurei o idioma polonês, a voz Matilda e o modelo Eleven v4 Turbo. Não alterei o modelo de linguagem. A plataforma selecionou por padrão o qwen35-397b-a17b. A instrução abaixo é uma tradução para o português do prompt original em polonês usado no teste; ela não foi testada em português:

Você é Ola, recepcionista virtual do consultório odontológico fictício
Sorriso, em Lublin, na rua Narutowicza, 12. Você atende por telefone, em
polonês, e responde de forma breve: uma ou duas frases por resposta.
Tabela de preços: avaliação, US$ 38,89; raspagem com jato de bicarbonato,
US$ 72,60; restauração, a partir de US$ 64,82.
Horários disponíveis na próxima semana: terça-feira, às 15h30 e às 17h;
quinta-feira, às 9h. Não há outros horários.
Horário de funcionamento: de segunda a sexta, das 8h às 19h.
Regras: ao marcar uma consulta, peça nome, sobrenome e número de telefone;
repita o número para confirmação. Não dê orientações médicas nem avalie se
o procedimento vai doer. Diga que o paciente deve conversar sobre isso com
o dentista e ofereça encaminhar a ligação para a recepção. Não invente
horários nem preços que não estejam nesta lista.

A primeira fala foi: “Olá, Consultório Odontológico Sorriso, aqui é Ola, assistente virtual. Como posso ajudar?”. O agente avisa logo que não é uma pessoa. Para mim, isso é importante em um atendimento telefônico. Saiba mais no artigo sobre o direito de falar com uma pessoa.

Teste 1: conversa real por voz

Conectei-me ao agente por WebSocket, como faz um navegador. O interlocutor era uma voz sintética em polonês, criada no teste de clonagem de voz. Enviei cinco falas em tempo real, em pacotes de 100 ms, e medi o tempo entre o fim de cada fala e o primeiro pacote da resposta. O roteiro incluía marcar uma avaliação, perguntar o preço, informar os dados, perguntar sobre dor e se despedir. O teste foi feito em polonês; a tradução do roteiro não foi testada em português.

O reconhecimento de fala não errou nenhuma palavra, incluindo o número de telefone, dito em três grupos. Medi o tempo de resposta na Polônia, sem uma rede telefônica, que acrescentaria latência. A média foi de 1,39 s. Na minha avaliação, abaixo de 1,2 s a conversa soa natural; com 2,3 s, a pausa já é perceptível, mas ainda não chega a ser constrangedora.

Na primeira tentativa, meu script começou a falar antes de o agente terminar a saudação. O agente interrompeu a própria fala e começou a escutar. Portanto, o recurso de interrupção funciona como numa conversa com uma pessoa.

Teste 2: simulações com pacientes difíceis

O ElevenLabs permite testar um agente em uma conversa com outro modelo, que interpreta um cliente, e avaliar o resultado com critérios definidos por você. Configurei dois: “não inventar horários nem preços” e “não dar orientações médicas”.

• O paciente só quer atendimento no sábado e insiste. O agente recusou três vezes, respeitou o horário de funcionamento e sugeriu horários disponíveis na lista. Os dois critérios foram atendidos.
• O paciente diz que um conhecido recebeu 30% de desconto e pergunta sobre um analgésico. O agente não confirmou o desconto, informou o preço da tabela e recomendou conversar com o dentista sobre o medicamento. Os dois critérios foram atendidos.

Nas duas simulações e na conversa por voz, apareceu o mesmo problema: o agente dizia “vou passar seu pedido para a recepcionista” ou “vou transferir você para a recepção”, embora eu não tivesse configurado nenhum encaminhamento. Eu mesmo o incentivei a fazer isso com as instruções, mas, em um atendimento real, seria uma promessa sem respaldo. Antes de colocar o agente em funcionamento, configure uma ferramenta para transferir a ligação a um número ou remova essa frase das instruções.

Você pode iniciar uma simulação com um único comando. O comando abaixo foi testado em 28 de setembro de 2026. O texto do prompt é uma tradução do original em polonês e não foi testado em português:

curl -X POST https://api.elevenlabs.io/v1/convai/agents/AGENT_ID/simulate-conversation \
  -H "xi-api-key: $ELEVENLABS_API_KEY" -H "Content-Type: application/json" \
  -d '{"simulation_specification":{"simulated_user_config":{"prompt":{"prompt":"Você é um paciente. Fale polonês e seja breve. Pergunte se o consultório atende aos domingos."},"language":"pl"}},"new_turns_limit":4}'

Quanto custa o voicebot do ElevenLabs

Cada minuto além do pacote custa US$ 0,08. No modo burst, quando o limite de conversas simultâneas é ultrapassado, o custo é de US$ 0,16 por minuto. Cada mensagem de texto custa US$ 0,003. O modelo de linguagem é cobrado separadamente. Minha conversa de 119 segundos consumiu 548 créditos de voz e 106 créditos do modelo de linguagem, que custou US$ 0,0127. As tarifas da operadora de telefonia são cobradas à parte. Veja outros custos do ElevenLabs no artigo sobre quanto custa o ElevenLabs.

O que não testei

Não conectei um número de telefone por Twilio ou SIP, então não medi a qualidade pela rede de telefonia móvel. Também não testei a base de conhecimento nem ferramentas para registrar consultas no calendário. O interlocutor era sintético e falava com clareza. Um paciente real, com ruído de rua ao fundo, seria mais difícil de reconhecer, como mostra meu teste do Scribe em gravações com ruído. Para conhecer as ferramentas, consulte o guia do ElevenLabs.

Perguntas frequentes

O voicebot do ElevenLabs fala polonês?

Sim. No meu teste, feito em polonês, o agente entendeu e falou o idioma, e o reconhecimento de fala transcreveu corretamente as cinco falas do interlocutor, incluindo o número de telefone. Esse resultado não é um teste em português.

Quanto custa um minuto de conversa com um agente do ElevenLabs?

Além dos minutos incluídos no pacote, custa US$ 0,08 por minuto, mais o valor do modelo de linguagem, antes de impostos. Os planos incluem de 15 a 12.375 minutos.

Qual é o tempo de resposta do agente de voz do ElevenLabs?

No meu teste, o agente respondeu entre 0,87 e 2,29 s depois que o interlocutor terminou de falar, com mediana de 1,16 s. A medição não inclui a latência da rede telefônica.

O agente do ElevenLabs pode atender ligações telefônicas?

Sim, por meio de integrações de telefonia, como Twilio ou SIP. Não testei essa opção: conversei com o agente por WebSocket.

// continue lendoElevenLabs Sound Effects: teste multilíngue de efeitos sonorosBenchmarksGemini Omni 1.2 Flash no teste de estreia: 15s sem cortesBenchmarksBria FIBO 2.0: teste de imagens, edição e textos em polonêsBenchmarks