For the complete documentation index, see llms.txt. Markdown versions of documentation pages are available by appending .md to the page URL.
Navegação principal
Theme

Sugestões

GPT-Live

Realtime API

Desenvolver aplicações de voz

Conexões

Processamento de áudio

Painel da API
Experimente o ChatGPT

Prompts para modelos Realtime

Crie e teste prompts para os modelos de voz Realtime.

Escolha o modelo Realtime que você está usando no desenvolvimento. Para o GPT-Live, consulte Prompts para o GPT-Live.

gpt-realtime-2 é nosso modelo de raciocínio por voz mais avançado para aplicativos de fala para fala com baixa latência. Ele consegue pensar antes de falar, seguir instruções com mais confiabilidade, usar uma janela de contexto maior e chamar ferramentas com mais precisão do que os modelos Realtime anteriores.

Para aproveitar essas melhorias, seja específico ao criar os prompts. Defina claramente as responsabilidades do assistente, os momentos em que ele precisa tomar decisões, as regras para chamadas de ferramentas e os limites de atuação. Indique o que ele deve fazer, quando deve agir e o que deve evitar.

Evite sobrecarregar o prompt inicial. Comece com um prompt mínimo, execute avaliações e acrescente instruções apenas para os comportamentos que falharem nos testes.

Escolha um modelo

ModeloQuando usarO que priorizar no prompt
gpt-realtime-2

Você precisa do melhor desempenho em raciocínio em tempo real, uso de ferramentas e cumprimento de instruções.

Ajuste o esforço de raciocínio, os preâmbulos, as regras de uso de ferramentas, a coleta precisa de entidades e o gerenciamento de estado em sessões longas.

gpt-realtime-1.5Você precisa de um modelo de fala para fala rápido e confiável, sem raciocínio.

Siga a estrutura básica de prompts para Realtime e teste os comportamentos sensíveis à latência.

Guia de prompts para o Realtime 2.0

Use gpt-realtime-2 quando o agente de voz precisar raciocinar melhor, selecionar ferramentas com mais precisão, lidar com valores exatos de entidades ou manter o estado em sessões longas. Comece com reasoning.effort: “low”, teste o comportamento padrão dos preâmbulos e defina claramente quando exigir confirmação antes de ações de escrita.

O que mudou no Realtime 2

Ao escrever prompts para o Realtime 2, trate-o como um agente de voz capaz de raciocinar, em vez de um bot de voz básico.

Mudança Como isso afeta os prompts
Raciocínio Em tarefas complexas, permita que o modelo raciocine internamente antes de falar ou chamar ferramentas. Use preâmbulos para evitar silêncios desconfortáveis ou frases que só servem para preencher a pausa.
A precisão do prompt tem mais peso Substitua orientações genéricas como “seja prestativo” por regras claras sobre condições, ações e exceções. Especifique quando agir, o que fazer e em que situações evitar a ação.
Conflitos entre instruções têm consequências maiores Elimine regras sobrepostas com always, never, only e must, a menos que sejam realmente necessárias. Quando houver conflito, defina qual regra tem prioridade.
Mais controle sobre o uso de ferramentas Especifique quando o assistente deve agir imediatamente, pedir informações que faltam, confirmar dados que exigem precisão, tentar novamente após uma falha ou encaminhar o atendimento.
Preâmbulos fazem parte do comportamento do modelo O modelo pode dar um aviso breve antes de uma etapa mais longa de raciocínio ou uso de ferramentas. Indique quando usar preâmbulos, quanto devem durar e quando dispensá-los.
Janela de contexto ampliada gpt-realtime-2 amplia a janela de contexto em tempo real de 32 mil para 128 mil tokens, o que o torna mais adequado para sessões longas e prompts de sistema maiores.

Os preâmbulos não revelam a cadeia de pensamento oculta. São avisos breves, falados, como “Vou verificar esse pedido agora”. Não peça ao modelo que revele seu raciocínio privado.

Estrutura recomendada para o prompt

Use seções curtas com títulos claros. O modelo deve conseguir localizar rapidamente as instruções relevantes.

# Papel e objetivo

# Personalidade e tom

# Idioma

# Raciocínio

# Canais de mensagens

# Preâmbulos

# Nível de detalhe

# Ferramentas

# Áudio pouco claro

# Coleta de entidades

# Comportamento em contextos longos

# Encaminhamento

Nem todo caso de uso exige todas as seções. Inclua as que fizerem sentido para o seu produto.

Defina o esforço de raciocínio

gpt-realtime-2 pode raciocinar de forma mais aprofundada, com um aumento na latência. Use o nível mais baixo que ainda permita ao assistente conduzir o fluxo de trabalho com competência.

Comece com low para a maioria dos agentes de voz em produção. Aumente ou reduza o nível conforme a complexidade da tarefa, a tolerância à latência e o custo de uma falha.

Esforço Quando usar Exemplo
minimal A tarefa é simples e a prioridade é minimizar a latência. Comandos de casa inteligente, temporizadores, consultas simples à agenda.
low Você precisa de respostas rápidas e raciocínio básico. Atendimento ao cliente, consulta de pedidos, dúvidas simples sobre políticas.
medium O assistente precisa raciocinar para executar tarefas com várias etapas. Suporte técnico, diagnósticos, encaminhamentos complexos.
high Um raciocínio mais aprofundado aumenta consideravelmente a chance de sucesso. Fluxos de trabalho que exigem alta precisão, decisões de encaminhamento, tarefas com restrições.
xhigh O raciocínio máximo compensa o aumento de latência e custo. Planejamento complexo, triagem crítica, coordenação de ferramentas em situações de alto impacto.

Além de configurar a API, oriente o modelo sobre quando raciocinar e quanto esforço dedicar.

## Raciocínio

- Para respostas diretas, consultas simples e confirmações breves, responda rapidamente, sem raciocinar.
- Para tarefas com várias etapas, decisões sobre ferramentas, solução de problemas ou encaminhamentos, raciocine antes de agir.
- Se o áudio do usuário não estiver claro, peça esclarecimentos em vez de dedicar tempo a um raciocínio prolongado.

Defina quando usar preâmbulos

Preâmbulos são avisos breves, falados, que dão ao usuário um retorno enquanto o agente de voz raciocina, consulta informações ou chama uma ferramenta. Quando bem usados, sinalizam que o assistente está trabalhando. Quando mal usados, apenas preenchem o silêncio e aumentam a percepção de demora.

gpt-realtime-2 gera preâmbulos por padrão. Teste primeiro o comportamento padrão. Se ele não atender à experiência que você quer oferecer no produto, ajuste-o com instruções explícitas.

Linha do tempo da geração e reprodução de um preâmbulo

## Preâmbulos

Use preâmbulos curtos apenas quando ajudarem o usuário a perceber que o atendimento está em andamento.

### Quando usar um preâmbulo

Use um preâmbulo quando:

- você estiver prestes a chamar uma ferramenta que possa demorar o bastante para o usuário perceber a espera;
- precisar raciocinar sobre um pedido com várias etapas;
- estiver consultando registros, disponibilidade, a situação da conta ou detalhes de uma política;
- estiver preparando um encaminhamento ou uma transferência de atendimento;
- o silêncio puder dar a impressão de que o assistente parou de responder.

Quando precisar de um preâmbulo, diga-o imediatamente antes de iniciar a etapa de raciocínio ou usar a ferramenta.

### Quando dispensar o preâmbulo

Não use preâmbulo quando:

- a resposta for direta e puder ser dada imediatamente;
- o usuário estiver apenas confirmando, corrigindo ou recusando algo;
- o áudio estiver pouco claro e você precisar de esclarecimentos;
- o áudio mais recente contiver apenas silêncio, ruído de fundo, música de espera, som da TV ou conversa paralela;
- a chamada da ferramenta for rápida e o aviso não ajudar o usuário.

### Estilo do preâmbulo

Ao usar um preâmbulo:

- fale de maneira natural, calma e concisa;
- varie a formulação entre os turnos;
- descreva a ação sem expor o raciocínio interno;
- evite frases que apenas preencham a pausa.

Evite frases como:

- "Deixe eu pensar..."
- "Hum..."
- "Só um momento enquanto processo isso..."
- "Agora vou acessar a ferramenta..."

### Tamanho do preâmbulo

Use uma frase curta.

Não ultrapasse duas frases curtas, a menos que o usuário precise de uma explicação antes de uma ação de alto impacto.

### Prefira

- "Vou verificar esse pedido agora."
- "Vou consultar os detalhes do seu agendamento."
- "Vou conferir isso antes de fazermos qualquer alteração."
- "Vou consultar a política e depois explicar o próximo passo."
- "Vou abrir o cadastro para conferirmos se é a conta certa."

### Evite

- "Deixe eu pensar um pouco sobre isso."
- "Aguarde enquanto processo sua solicitação."
- "Vou usar minhas ferramentas agora."
- "Pergunta interessante. Vou raciocinar com cuidado sobre isso."

Controle o tamanho das respostas

gpt-realtime-2 segue melhor as orientações de tamanho quando o prompt especifica o nível de detalhe para cada tipo de tarefa. Em vez de pedir ao modelo que “seja conciso”, defina o que isso significa em cada contexto. Respostas diretas, resultados de ferramentas, orientações para resolver problemas, comparações e encaminhamentos podem exigir respostas de tamanhos diferentes.

## Nível de detalhe

- Respostas diretas: use de 1 a 2 frases curtas.
- Pedidos de esclarecimento: faça uma pergunta por vez.
- Resultados de ferramentas: resuma o resultado primeiro e indique apenas a próxima ação útil.
- Comparações de produtos ou opções: explique as principais diferenças, as vantagens e desvantagens e para quem cada opção é indicada.
- Solução de problemas: apresente uma etapa por vez, a menos que o usuário peça o procedimento completo.
- Encaminhamentos: explique brevemente por que é preciso encaminhar o atendimento e o que acontecerá em seguida.

Exemplo:

Usuário: Qual plano devo escolher?

Assistente: Se quiser o menor custo, escolha o Basic. Se precisar de permissões de equipe e faturamento compartilhado, escolha o Pro. Se a análise de conformidade ou os controles administrativos forem importantes, escolha o Enterprise.

Defina o comportamento de uso das ferramentas

gpt-realtime-2 tem melhor desempenho nas chamadas de ferramentas, mas seu comportamento ainda depende de como você escreve o prompt e especifica as ferramentas. Se o prompt não definir quando agir, perguntar, confirmar ou se recuperar de uma falha, o assistente poderá chamar ferramentas cedo demais, fazer perguntas desnecessárias ou repetir chamadas que falharam.

Ajuste a iniciativa para chamar ferramentas

É adequado dar mais iniciativa ao modelo em ações de somente leitura e baixo risco. Convém reduzir essa iniciativa quando as ferramentas modificam dados, produzem efeitos externos ou dependem de identificadores exatos.

Tipo de ferramenta Comportamento padrão
Consulta de somente leitura e baixo risco Chame a ferramenta quando a intenção e os campos obrigatórios estiverem claros.
Consulta de somente leitura com identificador exato Confirme o identificador antes da consulta.
Comunicação visível ao usuário Prepare um rascunho ou resumo antes de enviar.
Alterações na conta Peça confirmação antes da chamada.
Compras, cancelamentos e pagamentos Confirme o valor, a que se aplica a ação e qual será sua consequência antes da chamada.
Ações irreversíveis ou de alto impacto Peça confirmação explícita e ofereça encaminhamento quando apropriado.

Use esse padrão equilibrado quando houver ações de leitura e escrita. Adapte-o ao seu caso de uso.

## Ferramentas

Use apenas as ferramentas fornecidas explicitamente na lista atual. Não invente, presuma, simule nem renomeie ferramentas.

Para ferramentas de somente leitura:

- Chame a ferramenta quando a intenção do usuário estiver clara e todos os campos obrigatórios estiverem disponíveis.
- Não peça confirmação, a menos que a consulta dependa de um identificador que exija precisão ou haja risco significativo de usar o registro errado.
- Só peça esclarecimentos se faltar um campo obrigatório ou se houver ambiguidade ou conflito no valor desse campo.

Para ferramentas de escrita ou ações externas:

- Resuma a ação pretendida antes de chamar a ferramenta.
- Explique a principal consequência, como o que será alterado, enviado, cancelado, pedido ou cobrado.
- Peça confirmação.
- Só chame a ferramenta depois que o usuário confirmar claramente.

Para identificadores exatos:

- Trate IDs de pedidos, números de rastreamento, números de conta, códigos de confirmação, telefones e endereços de e-mail como dados que exigem alta precisão.
- Normalize o valor apenas quando o tipo do campo estiver claro.
- Confirme o valor final antes de consultar dados específicos da conta, validar informações ou executar ações de escrita.

Após as chamadas de ferramentas:

- Só informe que uma ação foi concluída depois que a chamada tiver sucesso.
- Se a ferramenta falhar, explique a falha brevemente, sem exibir mensagens de erro brutas, e indique claramente o próximo passo.

Exemplo de alto risco:

Usuário: Cobre o saldo restante no meu cartão.

Resposta inadequada:

Assistente: Fiz a cobrança no seu cartão.

Resposta adequada:

Assistente: Só para confirmar, você quer que eu cobre o saldo restante de US$ 248,16 no cartão cadastrado. Posso prosseguir?

Recupere-se de falhas nas ferramentas

As falhas nas ferramentas fazem parte da conversa. Para retomar o atendimento, explique o que aconteceu e indique claramente o próximo passo.

O procedimento depende do tipo de ferramenta, de como ela falhou e do impacto para o usuário. Em alguns casos, basta tentar novamente sem interromper a conversa. Em outros, é preciso pedir esclarecimentos, solicitar a correção de um identificador, confirmar uma nova ação ou pedir que o usuário escolha outro caminho.

## Falhas nas ferramentas

Se uma chamada de ferramenta falhar:

1. Explique brevemente o que falhou, em linguagem acessível ao usuário.
2. Não culpe o usuário nem exponha mensagens de erro brutas da ferramenta.
3. Se a falha puder estar relacionada a um identificador exato, repita o valor usado e peça ao usuário que o corrija.
4. Se a falha puder ser temporária, ofereça uma nova tentativa, uma única vez.
5. Se a mesma falha se repetir, ofereça uma alternativa ou o encaminhamento do atendimento.

Após uma falha, não chame repetidamente a mesma ferramenta com os mesmos argumentos.

Antes de pedir outro identificador, confira se você registrou corretamente o valor informado.

Resposta inadequada:

Assistente: Algo deu errado.

Resposta adequada:

Assistente: Não encontrei nenhum resultado para O R D hífen 3 1 2 5 B 2 3. Entendi alguma parte errado?

Mantenha o prompt alinhado às ferramentas disponíveis

Os modelos Realtime tendem a tomar a iniciativa para ajudar. Se o prompt mencionar uma ferramenta indisponível ou divergir da lista de ferramentas, o modelo poderá inventar um nome de ferramenta ou fingir que concluiu a ação.

Por exemplo, se o prompt mencionar lookup_order, mas a ferramenta fornecida se chamar search_orders, o modelo poderá usar o nome errado na chamada ou simular a ação.

## Disponibilidade das ferramentas

Use apenas as ferramentas fornecidas explicitamente na lista atual.

Não invente nem simule ferramentas e não presuma que elas existam. Se as instruções mencionarem uma ferramenta que não está na lista, considere-a indisponível.

Se o usuário pedir uma ação que dependa de uma ferramenta indisponível:

1. Não finja ter concluído a ação.
2. Explique brevemente que a ferramenta está indisponível.
3. Ofereça o próximo passo disponível que mais se aproxime do pedido.

Só informe que a ação foi concluída depois que a chamada da ferramenta correspondente tiver sucesso.

Use o metaprompt de auditoria do apêndice para revisar os prompts de produção e identificar contradições, ferramentas ausentes e instruções que deixam de funcionar diante de pequenas variações.

Lide com silêncio e áudio de fundo

Por padrão, agentes de voz tendem a responder. Em produção, eles frequentemente recebem áudio que não pede uma resposta falada, como silêncio, ruído de fundo, música de espera, som da TV ou conversas paralelas.

Use uma ferramenta de espera que não execute nenhuma operação quando o assistente precisar ficar em silêncio e continuar ouvindo. Ela oferece ao modelo uma ação válida que dispensa a fala e evita respostas como “Estou aqui” ou “Não entendi”.

Definição da ferramenta:

{
  "name": "wait_for_user",
  "description": "Chame esta ferramenta quando o áudio mais recente dispensar uma resposta falada, como em caso de silêncio, ruído de fundo, música de espera, som da TV, conversa paralela ou fala que não se dirige ao assistente. Ela ajuda a encerrar o turno sem uma resposta falada.",
  "parameters": {
    "type": "object",
    "properties": {},
    "required": []
  }
}

Combine a ferramenta com estas instruções no prompt:

## Silêncio e ruído de fundo

Se o áudio mais recente contiver apenas silêncio, ruído de fundo, música de espera, som da TV, conversa paralela ou fala que não se dirige a você, chame `wait_for_user`.

Não dê uma resposta falada depois de chamar essa ferramenta.

Não diga "Estou aqui", "Não entendi", "Sem pressa" ou "Me avise quando quiser continuar".

Só retome as respostas normais quando o usuário falar claramente com você ou pedir ajuda.

Use esse recurso para áudio que não seja dirigido ao assistente. Se estiver claro que o usuário está falando com o assistente, mas for impossível entender o pedido, peça esclarecimentos.

Defina como usar cada canal de mensagens

gpt-realtime-2 pode produzir mensagens intermediárias visíveis ao usuário no canal commentary e respostas finais para o usuário no canal final. Dê instruções específicas para cada canal quando o comportamento depender de onde a mensagem aparece.

Canal Visível ao usuário? Finalidade
commentary Sim Preâmbulos e chamadas de ferramentas.
final Sim Mensagem final para o usuário.

Por exemplo, as chamadas de ferramentas ocorrem no canal commentary. Se quiser que o assistente diga algo antes, durante ou depois de usar uma ferramenta, especifique esse comportamento nas instruções para o canal commentary.

Antes de chamar ferramentas no canal commentary, diga brevemente ao usuário o que você está fazendo.

gpt-realtime-2 pode emitir várias fases de resposta em um único turno. Na saída da API, o evento response.done representa essa distinção. Ele inclui um valor de phase que indica se o conteúdo é um comentário intermediário ou a resposta final.

Você pode usar esse campo para tratar cada fase de forma diferente no aplicativo. Por exemplo, um comentário pode ser reproduzido em áudio ou exibido como um breve aviso intermediário, enquanto final_answer pode ficar reservado para a resposta completa do assistente.

response.output[0].phase: "commentary"
response.output[1].phase: "final_answer"

Lide com áudio pouco claro

O modelo só deve agir com base em áudio que consiga entender com segurança. Se o áudio não estiver claro, ele deve fazer uma pergunta breve para esclarecer o pedido, em vez de tentar adivinhar.

Não deixe o modelo inferir palavras ausentes, chamar ferramentas, coletar entidades, gerar preâmbulos ou gastar tempo de raciocínio interno tentando reconstruir o que o usuário pode ter dito.

## Áudio pouco claro

- Responda apenas a áudio ou texto que esteja claro.
- Se o áudio do usuário não estiver claro, peça esclarecimentos com uma frase curta em inglês, como "Sorry, could you repeat that clearly?"
- Não repita o mesmo pedido de esclarecimento duas vezes.
- Considere o áudio pouco claro se for ambíguo, tiver ruído, estiver inteiramente em silêncio, for ininteligível, estiver parcialmente cortado ou se você não tiver certeza das palavras exatas que o usuário disse.
- Não tente adivinhar a intenção do usuário a partir de áudio pouco claro.
- Não raciocine quando o áudio estiver pouco claro.
- Quando o áudio estiver pouco claro, não faça preâmbulos nem chame ferramentas no canal commentary.

Exemplo:

Áudio do usuário: “Consulte o pedido três um-” [áudio interrompido]

Resposta inadequada:

Assistente: Vou consultar o pedido 31 agora.

Resposta adequada:

Assistente: I heard only part of the order number. Could you repeat it digit by digit?

Colete entidades com precisão

Muitos fluxos de trabalho em tempo real dependem de valores exatos, como IDs de pedidos, números de rastreamento, endereços de e-mail, códigos de confirmação, números de conta, números de solicitação, IDs de chamados, protocolos de atendimento e números de telefone.

A coleta por voz é um desafio. Os usuários falam rápido, agrupam números de maneiras diferentes, soletram apenas parte de um valor, usam expressões de hesitação, corrigem o que disseram no meio da fala ou pronunciam caracteres com sons parecidos. Um único dígito errado pode fazer a consulta falhar ou retornar outra conta.

Tenha cautela ao coletar entidades. Colete um valor por vez, normalize apenas o que estiver claro, confirme valores que exigem precisão antes de chamar ferramentas e permita retomar o fluxo após qualquer correção.

Colete uma entidade por vez

Quando o fluxo de trabalho exigir vários valores, colete um por vez. Isso evita misturar os campos, especialmente em conversas por voz.

## Ordem de coleta das entidades

Colete os valores obrigatórios um por vez.

- Peça apenas o próximo valor que falta.
- Não peça vários valores no mesmo turno.
- Antes de perguntar, verifique se o valor já foi informado na conversa ou na sessão.
- Se encontrar um valor que possa corresponder ao campo, confirme-o com o usuário antes de usá-lo.

Exemplo:

"Tenho aqui o número de rastreamento ABC-54321, informado anteriormente. Devo usar esse número ou você tem outro?"

Só chame ferramentas depois de coletar, validar e confirmar o valor atual.

Interprete caracteres soletrados

Use estas instruções quando o usuário ditar um ID, código, nome ou endereço de e-mail caractere por caractere. A sequência falada é a entrada a partir da qual o modelo deve obter o valor final.

## Caracteres soletrados

Quando o usuário ditar um ID, código ou endereço de e-mail caractere por caractere, registre a sequência como um único valor. Preserve separadores ditos explicitamente, como hífen, ponto, sublinhado, barra ou sinal de mais. Nos demais casos, não acrescente espaços nem separadores.

Exemplos:

- "A B C um dois três" -> "ABC123"
- "B C hífen nove oito sete" -> "BC-987"
- "J O H N arroba example ponto com" -> "john@example.com"

Não insira espaços entre os caracteres soletrados, a menos que o usuário diga explicitamente que o valor contém espaços.

Normalize com cuidado os números ditados

Ao informar um identificador numérico, o usuário pode ditar dígitos isolados, agrupá-los ou dizer os números por extenso. Se o campo esperar uma única sequência numérica, converta em dígitos os números que estiverem claros na fala.

## Números ditados

Converta os números ditados em dígitos ao coletar identificadores numéricos.

Exemplos:

- "um dois três quatro" -> "1234"
- "um vinte e três" -> "123"
- "um dezenove" -> "119"
- "noventa e nove onze" -> "9911"
- "nove mil novecentos e onze" -> "9911"

Se houver mais de uma interpretação plausível, peça esclarecimentos ao usuário antes de usar o valor.

Exemplo:

"Não consegui distinguir se você disse 119 ou 1-19. Pode repetir o número dígito por dígito?"

Confirme os identificadores exatos antes de chamar ferramentas

IDs de pedidos, números de rastreamento, números de conta, números de solicitação, códigos de confirmação e identificadores semelhantes são campos que exigem precisão. Confirme-os antes de usá-los em uma chamada de ferramenta.

Para identificadores numéricos, repita o valor dígito por dígito. Ler o número inteiro de uma vez pode mascarar erros.

Exemplo:

Assistente: Só para confirmar, ouvi 8… 3… 5… 2… 1. Está certo?

Se o usuário corrigir um caractere ou um dígito, repita o valor corrigido por inteiro antes de chamar a ferramenta.

Exemplo:

Assistente: Entendi. Anotei 8… 3… 5… 7… 1. Está correto?

## Confirmação de identificadores exatos

Antes de chamar ferramentas com identificadores que exigem alta precisão:

- Confirme com o usuário o valor final normalizado.
- Repita os identificadores numéricos dígito por dígito.
- Não use valores presumidos, parciais ou ambíguos.
- Se o usuário corrigir o valor, repita o valor corrigido por inteiro antes de chamar a ferramenta.

Confirme endereços de e-mail caractere por caractere

É importante registrar endereços de e-mail com exatidão. Pontos, hífens, sublinhados, letras repetidas e nomes de sonoridade parecida podem fazer uma consulta de conta falhar ou levar ao envio de mensagens para o endereço errado.

Peça ao usuário que soletre o endereço de e-mail:

Assistente: Pode soletrar o endereço de e-mail, caractere por caractere, para eu conferir se anotei tudo certo?

Ao repetir o endereço, confirme o valor final exato:

Assistente: Só para confirmar, é c-h-e-n arroba example ponto com, certo?

## Confirmação de e-mail

Registre os endereços de e-mail com exatidão.

Se o usuário disser o endereço de e-mail sem soletrá-lo, peça que o repita caractere por caractere.

Exemplo:

"Pode soletrar o endereço de e-mail, caractere por caractere, para eu conferir se anotei tudo certo?"

Ao repetir o endereço de e-mail, confirme com o usuário o endereço final exato.

Exemplo:

"Só para confirmar, é c-h-e-n arroba example ponto com, certo?"

Fluxo de coleta de entidades

Evite armadilhas de interpretação literal

gpt-realtime-2 segue as instruções mais ao pé da letra do que os modelos Realtime anteriores. Prompts que funcionavam bem nos modelos antigos podem precisar de ajustes.

Use linguagem precisa. O modelo pode dar mais peso à redação exata de uma instrução do que ao comportamento geral que você pretendia obter. Regras muito amplas ou rígidas podem dominar o comportamento do assistente de maneiras inesperadas, sobretudo quando várias regras se sobrepõem.

Tenha cuidado com termos restritivos como must, only, never e always. Use-os para indicar requisitos reais, não apenas para dar ênfase. Restrições rígidas em excesso podem deixar o assistente inflexível, cauteloso demais ou incapaz de lidar com exceções razoáveis.

Prefira instruções com escopo bem definido:

Para ações de escrita que alteram dados do usuário, peça confirmação antes de chamar a ferramenta.

Evite instruções com escopo amplo:

Sempre peça confirmação antes de fazer qualquer coisa.

A versão mais ampla pode levar a pedidos de confirmação desnecessários antes de consultas inofensivas de somente leitura, como verificar o status de um pedido, consultar a disponibilidade ou ler informações da conta.

Exemplo de interpretação literal

Recomendações gerais para criar prompts:

  • Explicite as instruções em vez de deixar a intenção subentendida.
  • Evite termos restritivos desnecessários, a menos que o comportamento precise ser rígido.
  • Reduza ao mínimo as orientações contraditórias.
  • Tenha cuidado ao combinar instruções que estabelecem diferentes níveis de prioridade ou competem entre si.
  • Teste os prompts aos poucos. Pequenas mudanças de redação podem alterar bastante o comportamento.
  • Ao migrar de modelos Realtime anteriores, conte com a necessidade de reestruturar alguns prompts para obter os melhores resultados.

Controle o idioma e o sotaque separadamente

Defina o idioma e o sotaque de forma independente.

O sotaque do usuário não determina em que idioma ele espera a resposta. Uma pessoa pode falar inglês com sotaque de hindi, espanhol, francês ou mandarim e ainda assim esperar respostas em inglês.

Evite orientações genéricas sobre idioma, como estas:

Imite o usuário.
Responda de forma natural no idioma do usuário.
Mude de idioma quando for apropriado.
Fale como alguém da região.
Adapte-se ao sotaque do usuário.

Essas instruções são amplas demais. O modelo pode interpretar o sotaque, expressões de hesitação, breves sinais de que a pessoa está acompanhando a conversa ou palavras estrangeiras isoladas como motivos para mudar de idioma.

Política de uso do inglês

## Idioma

O inglês é o idioma padrão das respostas.

- Não deduza o idioma apenas pelo sotaque.
- Ao identificar o idioma, desconsidere sons breves de hesitação, sinais de que o usuário está acompanhando a conversa e palavras estrangeiras isoladas.
- Só mude de idioma se o usuário pedir explicitamente ou fizer uma intervenção significativa em outro idioma.
- Em caso de dúvida sobre o idioma, faça uma pergunta breve em vez de tentar adivinhar.
- Use o mesmo idioma nos preâmbulos, nas frases de transição, nas mensagens sobre ferramentas e nas respostas finais.
- Adaptar o sotaque não deve alterar o idioma da resposta.

Política para vários idiomas

## Idioma

Use inglês por padrão, a menos que o usuário esteja claramente falando outro idioma.

Só mude de idioma quando:

- o usuário pedir explicitamente que você use outro idioma;
- o usuário fizer uma intervenção significativa em outro idioma. Isso significa fazer um pedido, uma pergunta ou uma correção completa nesse idioma. Uma saudação, um nome, um endereço, uma expressão de hesitação ou um empréstimo linguístico isolado não são suficientes.

Não mude de idioma com base em:

- sotaque;
- pronúncia;
- expressões de hesitação;
- breves sinais de que o usuário está acompanhando a conversa;
- nomes;
- endereços;
- palavras estrangeiras isoladas.

Em caso de dúvida, pergunte:

"Would you like me to continue in English or [LANGUAGE]?"

Controle do sotaque

gpt-realtime-2 consegue seguir instruções de sotaque com mais fidelidade, mas prompts vagos podem fazer o sotaque variar ou provocar mudanças de idioma indesejadas.

Os prompts de controle de sotaque funcionam melhor quando especificam:

  • o sotaque desejado;
  • quais características devem permanecer estáveis;
  • o ritmo, a tonicidade e a prosódia desejados;
  • se a adaptação do sotaque deve influenciar a escolha do idioma.

Em vez de:

Fale como um australiano.

Use:

## Sotaque

Fale inglês com um leve sotaque australiano.

- Mantenha o sotaque estável da primeira à última palavra.
- Pronuncie as vogais de forma natural, como no inglês australiano, sem prejudicar a compreensão.
- Não exagere no sotaque.
- Não mude o idioma da resposta por causa do sotaque do usuário.

Vozes personalizadas

Use vozes personalizadas quando as vozes padrão não atenderem de maneira consistente aos requisitos da marca, do sotaque ou do personagem.

Os prompts podem orientar o sotaque, o ritmo e a maneira de falar, mas não substituem por completo o trabalho de criação da voz. Se o caso de uso exigir uma identidade vocal consistente para a marca ou fidelidade ao sotaque, considere usar vozes personalizadas.

As vozes personalizadas estão disponíveis apenas para clientes aprovados. Para solicitar acesso, entre em contato com a equipe responsável pela sua conta.

Mantenha o estado em sessões longas

gpt-realtime-2 amplia a janela de contexto em tempo real de 32 mil para 128 mil tokens, o que o torna mais adequado para sessões longas. Em conversas intensas, com bastante fala de ambos os lados, 128 mil tokens correspondem a cerca de uma a duas horas de contexto de áudio bruto. Essa estimativa varia conforme o uso de ferramentas, o raciocínio interno, os registros inseridos e outros detalhes da sessão.

Em casos de uso com muito contexto, gpt-realtime-2 tem melhor desempenho quando consegue distinguir informações atuais de informações de referência e identificar o que deve ignorar se houver conflito entre fontes. Não espere que o modelo deduza a prioridade das fontes a partir de uma transcrição bruta ou de um grande volume de contexto sem organização. Estruture as informações.

Ao iniciar uma sessão com muito contexto, adote um formato estruturado. Isso se aplica, por exemplo, a registros recuperados, históricos de conversas anteriores, políticas, resumos, observações sobre a conta ou documentos de referência.

Migre de modelos Realtime anteriores

Ao migrar de modelos Realtime anteriores, leve em conta que o prompt define o comportamento do agente. A migração vai além de copiar o texto.

  1. Use o Codex ou um modelo de raciocínio avançado para reestruturar o prompt de acordo com as orientações mais recentes para o Realtime. Inclua um link para este guia de prompts para orientar a migração com base nas práticas recomendadas.
  2. Defina o esforço de raciocínio como low em vez de usar o padrão. Aumente-o apenas em fluxos de trabalho que exijam planejamento mais aprofundado.
  3. Revise nomes de ferramentas, parâmetros, enumerações, schemas JSON e outras configurações para garantir que correspondam à implementação esperada.
  4. Remova exemplos desatualizados. Acrescente exemplos curtos de fluxos bem-sucedidos, ambiguidades, interrupções, chamadas de ferramentas e comportamentos alternativos em caso de falha.
  5. Compare conversas representativas antes e depois da migração. Use uma avaliação existente para verificar se houve regressões e documente as mudanças de comportamento intencionais.
  6. Faça uma revisão final de consistência. Confirme que o prompt distingue claramente requisitos obrigatórios, comportamentos padrão, regras de uso de ferramentas, regras de segurança e comportamentos alternativos em caso de falha.
  7. Execute avaliações, examine falhas representativas e ajuste o prompt até que o modelo apresente os comportamentos desejados de forma confiável.

Próximos passos

Para o GPT-Live:

Para o Realtime: