ChatSense
Voz Agêntica voz whatsapp calling stt tts

Como funciona a voz agêntica: arquitetura e latência

Arquitetura da voz agêntica

O fluxo de uma chamada via WhatsApp Calling no ChatSense:

  1. WhatsApp Calling — cliente liga para o número de negócios
  2. STT (Speech-to-Text) — áudio convertido em texto em tempo real
  3. LLM — o agente IA processa o texto e gera a resposta
  4. TTS (Text-to-Speech) — resposta convertida em fala
  5. Áudio — enviado de volta ao cliente via WhatsApp Calling

Latência esperada

EtapaLatência típica
STT100–300ms
LLM (geração)500–1500ms
TTS100–200ms
Total700ms–2s

Requisitos

  • Plano Scale+ ou add-on Voz Agêntica
  • Número WhatsApp com suporte a chamadas (WhatsApp Business API)
  • Agente IA configurado com voz TTS