Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Escolher a voz e a personalidade

Aula 3 de 14 Atualizada a 3 de novembro de 2026 Intermediario
Nesta página
  1. Vinte e oito vozes, vinte e oito primeiras impressões
  2. Definir a voz
  3. Harmonizar o timbre com o comportamento
  4. Como decidir
  5. O que a fala altera nos seus prompts
  6. Pontos-chave

Atualizado em 3 de novembro de 2026, com base nas páginas Text to Speech e Speech to Speech da xAI e no guia de prompts de voz. A xAI oferece 28 vozes integradas, partilhadas pelo agente de voz e pela síntese de texto em fala; as descrições e casos de uso abaixo são da própria xAI. Fontes: Text to Speech · Speech to Speech · Prompting Guide.

Vinte e oito vozes, vinte e oito primeiras impressões

O Grok Voice Agent disponibiliza 28 vozes (à data de 3 de novembro de 2026), cada uma com o seu timbre e temperamento próprios, e todas falam todos os idiomas suportados. Esta escolha vai além da estética. Antes mesmo de a primeira frase terminar, os utilizadores já formaram uma ideia de com quem estão a falar. Uma voz animada a comunicar o cancelamento de uma encomenda soa mal; uma voz grave e ponderada numa demonstração de produto adormece a sala.

VozTom, segundo a xAICasos de uso sugeridos pela xAI
carinaSuave, empática, calmanteBem-estar, apoio
zaganPoderosa, dramática, inconfundívelPersonagens, narração
helixOusada, dinâmica, de alta energiaComentários, podcasts
orionRica, cinematográfica, ressonanteNarração, audiolivros
lunaGentil, paciente, profundamente atenciosaEducação, assistente
irisAmigável, alegre, naturalmente encantadoraVendas, apoio
altairElegante, refinada, sofisticadaPublicidade, narração
zenithAfiada, focada, determinadaVendas, publicidade
perseusForte, confiante, digna de confiançaPublicidade, narração
heliosAlegre, enérgica, altamente versátilAssistente, bem-estar
luxComposta, calma, silenciosamente sábiaBem-estar, narração
keplerInventiva, virada para o futuro, carismáticaPublicidade, podcasts
rigelPrecisa, profissional, calmamente confiante; sotaque australianoAssistente, apoio
cosmoBrilhante, curiosa, fácil de seguirEducação, podcasts
celesteCompassiva, confiante, reconfortanteApoio, assistente
ursaAmigável, calorosa, estávelAssistente, podcasts
siriusEsperta, inteligente, brincalhonaComentários, personagens
lumenCalorosa, clara, envolventeEducação, publicidade
castorCarismática, pé no chão, descontraídaVendas, apoio
nakshCalorosa, ponderada, sábia; sotaque indianoAssistente, apoio
atlasConfiante, autoritária, reconfortanteVendas, assistente
auroraSerena, estável, radianteApoio, assistente
lioraCalma, composta, brilhanteBem-estar, assistente
araCalorosa e amigável—
eveEnérgica e animada; sotaque britânico—
leoAutoritária e poderosa; sotaque britânico—
rexConfiante e clara—
salSuave e equilibrada—

A lista muda ao longo do tempo. GET /v1/tts/voices devolve a lista atual, e a API de Vozes Personalizadas permite criar uma voz a partir de um pequeno clipe de referência; depois, utiliza o seu ID exatamente como faria com uma voz integrada.

Definir a voz

Seleciona a voz no campo voice da mensagem session.update. Requer três linhas:

{
  "type": "session.update",
  "session": {
    "voice": "rex"
  }
}

O nome não distingue maiúsculas de minúsculas: "Eve", "eve" e "EVE" referem-se à mesma voz. A documentação de síntese de texto em fala lista eve como a voz padrão; para o agente, defina sempre a voz explicitamente. Tal como no resto da configuração, o envio de um novo session.update a meio da conversa altera a voz. Um fluxo de receção telefónica pode começar com uma voz de saudação animada e mudar para uma mais calma assim que a chamada abordar um tema sensível.

Harmonizar o timbre com o comportamento

A voz faz apenas metade do trabalho: define a textura, enquanto as instructions definem a conduta. Uma voz calorosa que dispara respostas secas cria uma dissonância que os utilizadores sentem sem conseguir nomear. As três configurações abaixo mostram três combinações coerentes de timbre e função.

Para o atendimento ao cliente, celeste, que a xAI indica para apoio, alia-se a um tom paciente e a uma via de escape para um humano:

{
  "type": "session.update",
  "session": {
    "voice": "celeste",
    "instructions": "You are a customer service assistant for the Maison Verte store. You are patient, empathetic, and always ready to find a solution. Use simple, reassuring language. If you can't solve a problem, offer to transfer the customer to a human agent."
  }
}

Para um tutorial técnico, cosmo, indicada para educação, combina com instruções sobre estrutura e precisão:

{
  "type": "session.update",
  "session": {
    "voice": "cosmo",
    "instructions": "You are a technical trainer who specializes in web development. Explain concepts in a structured way, with concrete examples. Be precise and direct. Suggest hands-on exercises when relevant."
  }
}

Para um programa de integração empresarial, leo traz uma autoridade que as instruções suavizam com calor humano e verificações regulares:

{
  "type": "session.update",
  "session": {
    "voice": "leo",
    "instructions": "You are the official trainer for the new employee onboarding program. Present information with authority but with warmth. Follow the program in order and check for understanding after each point."
  }
}

Como decidir

Quatro considerações surgem em todos os projetos. A primeira é a adequação à marca: uma marca de luxo ver-se-á em altair, uma startup descontraída em castor ou iris, e inverter isto cria um desajuste imediato. A segunda é o contexto de uso, que por vezes supera a marca: um assistente de bem-estar exige uma voz que a xAI lista para bem-estar, como carina, lux ou liora, enquanto uma central telefónica beneficia de tranquilizar os chamadores com celeste ou aurora. A terceira é a duração da interação: em sessões longas, uma voz calma é menos cansativa do que uma muito distintiva. A quarta, e a mais importante, é que a perceção que as pessoas têm de uma voz é subjetiva. Antes de se comprometer, reproduza três candidatas a um pequeno grupo de utilizadores reais, no seu idioma de destino. Leva uma hora e poupa-o de descobrir, após o lançamento, que a voz que escolheu irrita metade dos seus clientes.

O que a fala altera nos seus prompts

A passagem para a voz quebra alguns hábitos de escrita de prompts e exige novos. O guia de prompts de voz da xAI sugere uma estrutura de cinco partes: papel e persona, objetivo, fluxo de conversa, limites e escalonamento, e estilo de voz. Para o estilo de voz, oferece conselhos específicos. Limite-se a uma ou duas frases curtas por intervenção, a menos que o interlocutor peça mais detalhes, e faça uma pausa breve após cada pergunta. Se o interlocutor ficar em silêncio, retome com uma pergunta curta. E quando o que foi dito estiver inaudível ou incompleto, faça uma pergunta curta de esclarecimento em vez de adivinhar.

Perguntas abertas funcionam bem por escrito, mas muitas vezes desorientam as pessoas numa conversa. “Gostaria que verificasse a sua encomenda?” funciona melhor do que “O que posso fazer por si?”. E um agente que pergunta “Pode repetir, por favor?” supera aquele que adivinha, porque numa troca falada um mal-entendido leva duas intervenções a corrigir.

Pontos-chave

  • Estão disponíveis 28 vozes integradas, partilhadas pelo agente de voz e pela síntese de texto em fala, além de vozes personalizadas
  • A xAI descreve o tom e os casos de uso de cada voz: comece por esses casos de uso e teste depois com ouvintes reais
  • Pode alterar a voz a meio da sessão sem derrubar a ligação
  • Estruture as instruções conforme sugere o guia da xAI: uma ou duas frases curtas por intervenção, acompanhamentos breves, perguntas de esclarecimento
  • Adeque a voz à sua marca, ao contexto de uso e à duração das interações