> ## Documentation Index
> Fetch the complete documentation index at: https://doc.omnitechsolucoes.com.br/llms.txt
> Use this file to discover all available pages before exploring further.

# Modos do Assistente

> Entenda os três modos de geração de voz disponíveis para seus assistentes de IA e quando utilizar cada um.

Os assistentes de IA da **OmniTech IA** podem operar em **três modos distintos de voz**.\
Cada modo define como a fala do usuário é interpretada e como a resposta do assistente é gerada.

<Callout>
  A escolha correta do modo pode melhorar o tempo de resposta, a naturalidade da conversa e a experiência geral da chamada.
</Callout>

## 1. Pipeline

|                       |                                                          |
| --------------------- | -------------------------------------------------------- |
| **Nome na interface** | `Pipeline`                                               |
| **Como funciona**     | Fala → Texto (STT) → Modelo de IA (LLM) → Voz (TTS)      |
| **Latência**          | \~800 – 1500 ms (varia conforme idioma e modelo)         |
| **Ideal para**        | Raciocínio complexo, prompts dinâmicos, respostas longas |

No modo **Pipeline**, a fala do usuário é primeiro transcrita em texto, processada pelo modelo de linguagem e depois convertida novamente em áudio.\
É um método consolidado que oferece **máxima flexibilidade e controle**:

* Suporta **todas as vozes disponíveis**, incluindo vozes personalizadas e clonadas.
* Ideal para **respostas longas**, explicativas ou em formato de parágrafo.
* Permite que o modelo utilize **variáveis** e contexto anterior de forma precisa.

### Quando escolher Pipeline

1. Quando são necessárias respostas ricas e com múltiplas frases (ex.: suporte técnico, explicações detalhadas).
2. Quando o assistente precisa raciocinar sobre **dados estruturados** ou prompts complexos.
3. Quando é essencial ter controle total da voz utilizada (voz de marca ou clonada).

***

## 2. Speech-to-Speech (Multimodal)

|                       |                                                         |
| --------------------- | ------------------------------------------------------- |
| **Nome na interface** | `Speech-to-Speech`                                      |
| **Como funciona**     | Geração direta **fala → fala**, sem texto intermediário |
| **Latência**          | \~300 – 600 ms (ultra baixa)                            |
| **Ideal para**        | Conversas naturais, respostas rápidas e reativas        |

No modo **Speech-to-Speech**, não há etapas separadas de transcrição e síntese de voz.\
Um modelo multimodal escuta e responde diretamente em áudio, criando uma experiência mais fluida:

* **Respostas quase instantâneas**, com excelente tempo de reação.
* Entonação mais natural, incluindo pausas e variações de fala.
* Suporte atual a um **conjunto limitado de vozes**, que é ampliado continuamente.

### Quando escolher Speech-to-Speech

1. Quando a conversa precisa ser **rápida e dinâmica** (vendas, confirmações, agendamentos).
2. Quando as respostas são **curtas e objetivas**.
3. Quando não há necessidade de voz personalizada ou clonada.

<Note>
  O modo Speech-to-Speech evolui rapidamente.\
  Se você precisa de baixa latência **e** voz clonada, utilize o modo **Dualplex**.
</Note>

***

## 3. Dualplex (Beta)

|                       |                                                                        |
| --------------------- | ---------------------------------------------------------------------- |
| **Nome na interface** | `Dualplex`                                                             |
| **Como funciona**     | Modelo multimodal + LLM com saída de voz via ElevenLabs                |
| **Latência**          | Baixa (varia conforme voz e modelo)                                    |
| **Ideal para**        | Respostas rápidas, naturais e com vozes premium ou de marca (clonadas) |

O modo **Dualplex** combina a velocidade do Speech-to-Speech com a qualidade de voz do **ElevenLabs**, também utilizada no Pipeline.\
O assistente entende a fala do usuário em tempo real e renderiza a resposta final com alta fidelidade de áudio.

* **Alternância de fala quase instantânea**, semelhante ao Speech-to-Speech.
* Acesso à biblioteca de vozes do **ElevenLabs**, incluindo **vozes clonadas**.
* Ideal para respostas **curtas e médias**, com entonação expressiva.
* **Modo recomendado** para a maioria dos casos de uso atuais (em Beta).

### Quando escolher Dualplex

1. Quando você precisa de velocidade **e** voz personalizada ou de marca.
2. Quando deseja respostas expressivas sem abrir mão da identidade sonora.
3. Quando está confortável em utilizar um recurso avançado ainda em **Beta**.

***

## Alternando entre os modos

Você pode selecionar o modo de operação de cada assistente em:\
**Assistente → Configurações → Motor de Voz**.

Recomenda-se testar os três modos para encontrar o melhor equilíbrio entre **velocidade, qualidade de voz e experiência do usuário** para o seu cenário.

***

**Dica prática:**\
Grave chamadas de teste usando modos diferentes e compare a latência percebida e o engajamento do usuário para definir o melhor fluxo.