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:
- WhatsApp Calling — cliente liga para o número de negócios
- STT (Speech-to-Text) — áudio convertido em texto em tempo real
- LLM — o agente IA processa o texto e gera a resposta
- TTS (Text-to-Speech) — resposta convertida em fala
- Áudio — enviado de volta ao cliente via WhatsApp Calling
Latência esperada
| Etapa | Latência típica |
| STT | 100–300ms |
| LLM (geração) | 500–1500ms |
| TTS | 100–200ms |
| Total | 700ms–2s |
Requisitos
- Plano Scale+ ou add-on Voz Agêntica
- Número WhatsApp com suporte a chamadas (WhatsApp Business API)
- Agente IA configurado com voz TTS