O diagrama parte de um mesmo caller, que liga para o agente, e mostra dois caminhos. À esquerda, o pipeline genérico junta STT, LLM e TTS de prateleira. O STT erra com sotaque, ruído e áudio de telefone, e a transcrição errada se propaga. O LLM, treinado em texto, responde com parágrafos quando a voz pede 8–12 palavras. O TTS apenas converte esse texto longo e lento em fala, e o caminho termina em uma saída ruim: o agente pode até dizer que agendou algo sem ter agendado.
À direita, cada etapa é pensada para voz. O ASR de domínio, treinado em chamadas reais, reduz o WER. O LLM voice-native responde de forma curta e rápida, porque acima de ~800 ms a ligação soa quebrada. A execução verificada usa function calling ligado ao backend, para que a ação aconteça de fato. O QA com IA avalia cada interação automaticamente, já que ninguém consegue revisar milhões de chamadas à mão.
A lição: um agente de voz confiável não é a soma de STT, LLM e TTS genéricos. Ele exige um pipeline desenhado para voz, com monitoramento contínuo.
- Voz pede respostas curtas; texto tolera parágrafos.
- Ações precisam ser verificadas, não apenas descritas pelo modelo.
- Qualidade em escala depende de QA automatizado.