Áudio e Transcrição

O SquadOS trabalha com áudio de duas formas diferentes:

• Gravação no Hub: sua fala é transcrita e acrescentada ao campo de mensagem. Você revisa o texto e só então o envia. A gravação não é enviada como mensagem.
• Áudio recebido pelo agente: um canal ou a API entrega um arquivo de áudio. O SquadOS o transcreve, adiciona o texto ao contexto do agente e mantém o anexo no histórico da conversa.

As duas formas usam o Whisper da OpenAI com o idioma configurado como português, mas têm disponibilidade, armazenamento e cobrança diferentes.

Onde o microfone aparece

Contexto	Microfone para gravar	Regra atual
Hub, com um agente selecionado	Sim, quando Aceitar áudios está ligado	A configuração do agente controla o botão
Hub, sem agente selecionado	Sim	O gravador permanece disponível
Conversas, durante intervenção humana	Sim	Limitação atual: o botão pode aparecer mesmo quando o agente não aceita áudio
Link público	Não	Visitantes não têm sessão autenticada para a transcrição
Widget incorporado	Não	Usa o mesmo modo anônimo do link público

O botão de microfone é diferente do botão de anexo. O seletor de arquivos do navegador aceita imagens e documentos, não arquivos de áudio. Áudios recebidos normalmente chegam por uma integração compatível, como WhatsApp Oficial ou Telegram, ou pela API.

Gravar e transformar fala em texto

1. No compositor do Hub ou de uma intervenção humana, selecione Gravar áudio pelo ícone de microfone.
2. Quando o navegador pedir acesso ao microfone, escolha Permitir. O navegador, e não o SquadOS, controla se essa decisão será lembrada.
3. Fale enquanto o compositor mostra o visualizador e a duração.
4. Selecione Enviar áudio pelo ícone de avião. Esse controle encerra a gravação e inicia a transcrição; ele ainda não envia uma mensagem ao agente ou ao contato.
5. Aguarde o texto aparecer no campo, revise-o e envie a mensagem normalmente.

Para descartar uma gravação ainda em andamento, selecione Cancelar gravação pelo X. Evite cancelar depois que a tela já mostrar Transcrevendo…: há uma limitação conhecida em que uma transcrição em andamento pode terminar e inserir texto mesmo após o cancelamento.

Duração e formato

• A gravação precisa chegar a 1 segundo. Se você tentar finalizar antes, verá Grave pelo menos 1 segundo de áudio e a gravação continuará.
• O limite é 120 segundos. Ao alcançá-lo, o navegador encerra a gravação e a transcrição começa automaticamente.
• O navegador solicita áudio mono a 16 kHz, com cancelamento de eco, redução de ruído e ganho automático quando o dispositivo oferece esses recursos.
• O formato é negociado com o navegador entre WebM/Opus, WebM, Ogg/Opus, MP4 e MPEG. Você não escolhe o formato.

O texto transcrito é acrescentado ao rascunho existente. Se já houver texto, deixe um espaço no fim antes de gravar para evitar que a primeira palavra transcrita fique colada à última palavra digitada.

Armazenamento e créditos da gravação

Nesse fluxo, o áudio existe apenas para produzir o rascunho: o arquivo gravado não entra no histórico e o fluxo não registra créditos de transcrição na conversa. Depois que você envia, somente a mensagem de texto é persistida.

Áudio recebido pelo agente

Quando uma integração compatível ou a API entrega um anexo do tipo audio, o pipeline verifica a configuração do agente antes de processá-lo.

Se Aceitar áudios estiver ligado:

1. o arquivo é preservado no armazenamento de anexos da conversa;
2. o Whisper transcreve o conteúdo em português;
3. a transcrição é acrescentada ao contexto textual enviado ao modelo;
4. o processamento registra uma etapa de transcrição no histórico técnico da mensagem.

Se a transcrição falhar, o agente recebe o marcador [Áudio não transcrito] no contexto e nenhum crédito de Whisper é cobrado por aquela tentativa. O arquivo continua disponível no histórico quando a persistência do anexo foi bem-sucedida.

Na cobrança padrão da plataforma, a estimativa exibida no editor é de aproximadamente 13 créditos por minuto transcrito. A duração usada para cobrança é estimada pelo tamanho e pelo tipo do arquivo, portanto não é uma medição exata do tempo de reprodução.

Desativar áudio para um agente

1. Abra Agentes e escolha o agente.
2. Na barra lateral do editor, abra Multimodal.
3. No cartão Áudio, desligue Aceitar áudios.
4. Preencha a Mensagem ao usuário (quando desligado) em Português e Inglês.
5. Salve as configurações de anexos.

Quando esse agente recebe áudio pelo pipeline, o SquadOS devolve a mensagem configurada em vez de transcrever o arquivo. A configuração também remove o microfone do Hub quando esse agente está selecionado. Ela não controla corretamente o gravador da intervenção humana na versão atual.

Idioma e qualidade

A chamada ao Whisper fixa o idioma como português. Palavras de outros idiomas podem ser reconhecidas, mas não há seletor de idioma para essa transcrição. Fale perto do microfone, evite sobreposição de vozes e revise nomes, números e termos técnicos antes de enviar.

Resolver problemas

• O microfone não aparece no Hub: confirme que existe um agente selecionado e que Multimodal → Áudio → Aceitar áudios está ligado. Em link público e widget, a ausência do botão é esperada.
• Erro ao gravar áudio: confirme que o dispositivo tem microfone e que o navegador permite seu uso para o site. Depois de mudar a permissão, recarregue a página.
• Erro ao transcrever áudio. Tente novamente.: repita a gravação. A mensagem também aparece quando o Whisper não detecta fala, embora o serviço tenha respondido sem erro técnico.
• O texto apareceu colado ao rascunho: insira o espaço que falta e revise antes de enviar.
• O texto apareceu depois de cancelar: apague o trecho inserido. O cancelamento durante a transcrição não interrompe a requisição em andamento na versão atual.
• O agente recusou um áudio recebido: verifique a configuração Aceitar áudios e as mensagens de recusa nos dois idiomas.