
Kabir Goel
Artigos de Kabir Goel
O que é ISDN: a rede que está sendo desligada
A ISDN levou as chamadas empresariais do analógico ao digital sobre cobre. As operadoras a desligam; o prazo britânico é 31 de janeiro de 2027.
Chatbot vs IA conversacional: as diferenças
Um chatbot é um produto com quem você fala; a IA conversacional é a tecnologia que faz com que ele entenda você. As diferenças e onde entra a voz.
Protocolo SIP explicado: o que é e como funciona
SIP, o Session Initiation Protocol, estabelece e encerra chamadas por IP. Como funciona uma chamada e onde entram os agentes de voz.
O que é jitter em VoIP? Como medir e corrigir
Jitter é a variação na chegada dos pacotes de voz. O que o causa, como ele soa, a regra dos 30 ms e como consertar ligações picotadas, num sistema telefônico ou num agente de voz.
O que é CPaaS? A camada de API das comunicações
CPaaS é o modelo de API para colocar chamadas, SMS e verificação dentro do seu próprio aplicativo. O que cobre, como é cobrado e onde entram os agentes de voz.
Métricas de call center: FCR, AHT e o que importa
Resolução no primeiro contato, tempo médio de atendimento, taxa de transferência e CSAT: as fórmulas, os benchmarks atuais e como a conta muda quando quem atende é um agente de voz.
Bot de TTS no Discord: adicione ou crie o seu
Duas maneiras de ter texto em fala em um canal de voz do Discord: convidar um bot hospedado ou criar o seu com discord.js e Cartesia. Código funcional incluído.
Modelos speech-to-speech vs agentes de voz em cascata
Modelos speech-to-speech recebem áudio e devolvem áudio. Como se comparam aos agentes STT-LLM-TTS em latência, custo, controle e vozes.
O que é latência P95 e P99 e como medir
Latência P95 e P99 é o tempo de resposta que 95% e 99% das requisições superam. Como os percentis funcionam, como medi-los em Python e por que a cauda importa.
Preços da Twilio 2026: chamadas, SMS e agentes de IA
Quanto custa a Twilio em 2026: voz por minuto, números, SMS e taxas de operadora, SIP trunking, Conversation Relay e a conta de um agente de voz com IA.
Speech to text em Python: arquivo, stream e microfone
Transcreva áudio em Python de três jeitos: um arquivo gravado, um stream em tempo real com detecção de turnos e um microfone ao vivo. Código que funciona.
Codec G.711: μ-law, A-law e áudio telefônico a 8 kHz
G.711 é o codec da maioria das ligações: 8 kHz, 8 bits por amostra, μ-law ou A-law. Como funciona, como decodificar e o que muda para agentes de voz.
Texto para fala com emoção: como direcioná-la
Como funciona o texto para fala com emoção: emoção lida do texto, tags, estilos e prompts nas principais APIs, com código e como testar.
O que é DTMF? Tons, frequências e agentes de voz
DTMF é o par de tons que o telefone envia quando você aperta uma tecla. Frequências, como trafega em VoIP, por que dígitos somem e o uso em agentes de voz.
Testes de URA (IVR): tipos, ferramentas e agentes
Como testar uma URA: testes funcionais, de regressão, de carga e de voz, e como testar um agente de voz com IA que responde diferente a cada chamada.
Preços da API OpenAI Whisper em 2026
O Whisper custa US$ 0,006 por minuto. Todos os preços de transcrição da OpenAI em 2026, o desligamento de fevereiro de 2027 e para onde migrar antes.
Preços da Deepgram 2026: STT, TTS e agentes
Quanto custa a Deepgram em 2026: tarifas de transcrição por minuto, Aura e Flux TTS, os níveis da Voice Agent API, complementos e o plano Growth.
Exemplos de IA conversacional: 12 casos reais
Doze exemplos de IA conversacional em produção: suporte, saúde, moradia, crédito, vendas e games. O que cada um faz e o que mudou.
Melhores modelos TTS de código aberto, por licença
Kokoro, Chatterbox, Piper, Orpheus, VibeVoice, XTTS e outros: quais modelos de texto para fala de código aberto você pode usar comercialmente e suas notas.
IA conversacional em bancos: chamadas de clientes
A IA conversacional em bancos atende chamadas de clientes: o que resolve, onde fica o limite, como proteger os dados do cartão e como fazer um piloto.
IA conversacional na saúde: ligações de pacientes
A IA conversacional na saúde atende ligações de pacientes. O que ela faz bem, onde fica o limite clínico, o que a HIPAA exige e como fazer um piloto.
Transferência assistida vs direta: diferenças
A transferência assistida apresenta quem liga antes de passar a chamada; a direta, não. Como funcionam, quando usar e como agentes de voz transferem.
WebRTC vs WebSocket para IA de voz em tempo real
O WebSocket envia mensagens ordenadas sobre TCP. O WebRTC envia áudio sobre UDP com buffer de jitter e recuperação de perdas. Qual usar em IA de voz.
Automação de contact center: o que automatizar primeiro
Automação de contact center por camadas: quais chamadas automatizar primeiro, do que um agente de voz precisa, quanto custa e o que medir.
O que é SIP trunking e como usar com IA de voz
O SIP trunking leva suas chamadas a uma operadora pela internet. Como funciona, SIP vs VoIP e como conectar um tronco a um agente de voz com IA.
O que é o mean opinion score (MOS)?
O MOS é a média das notas de ouvintes numa escala de 1 a 5. Como é calculado, o que é uma boa pontuação para chamadas e para TTS, e por que dois MOS raramente podem ser comparados.
Design de IA conversacional para agentes de voz
IA conversacional para voz: escrever para o ouvido, lidar com turnos e interrupções, confirmar o que importa e planejar falhas e transferências.
O que é TTS neural? Como funcionam as vozes neurais
O TTS neural transforma texto em fala com uma rede neural treinada. Como funciona, a diferença para as vozes padrão e quanto custa.
Prospecção por telefone com IA: o que é e como criar um agente
Um agente de prospecção por telefone com IA liga, qualifica contatos e agenda reuniões sozinho. Veja os custos das chamadas, as regras de consentimento e duas formas de criá-lo.
IA de voz on-premise: o que é e como funciona
A IA de voz on-premise executa reconhecimento de fala, modelos de linguagem e conversão de texto em fala dentro da sua rede. Compare nuvem, VPC, infraestrutura própria e ambientes isolados.
Agente de voz com IA: o que é e como criar um
O que é um agente de voz com IA, o pipeline que o executa e as decisões de latência, alternância de turnos e testes que determinam se as pessoas permanecem na linha.
Detecção de atividade vocal: VAD para agentes de voz
Saiba como funciona a detecção de atividade vocal (VAD), como difere da detecção de turnos e como tratar pausas e interrupções em agentes de voz em tempo real.
Taxa de erro de palavras: o que a WER não capta na IA de voz
Saiba o que a taxa de erro de palavras mede, por que ela pode distorcer avaliações de TTS e como testar a qualidade da fala que importa em uma conversa ao vivo.
URA conversacional: o que é e como substituir menus
A URA conversacional deixa quem liga dizer o que precisa em vez de apertar teclas. Como encaminha chamadas, onde entram os agentes de voz e o que testar antes.
Central de atendimento com IA: o que é e quanto custa
Uma central de atendimento com IA usa agentes de voz para atender e resolver chamadas. Como a chamada flui, quanto custa por minuto e um plano piloto.
Recepcionista com IA: o que comprar e o que construir
Compare recepcionistas com IA prontos com um agente de voz personalizado. Planeje agendamento, transferências para pessoas, custos e um teste para suas primeiras chamadas recebidas.
API SpeechSynthesis: texto em fala com JavaScript
Como funciona o window.speechSynthesis: métodos, faixas de rate, pitch e volume, eventos e uma demo de texto em fala em JavaScript pronta para copiar.
Texto para fala em Python: salve áudio em WAV
Transforme texto em WAV com Python e o SDK da Cartesia. Configure uma chave de API, escolha uma voz e resolva erros comuns de áudio e autenticação.

A Cartesia está contratando uma pessoa de engenharia para formar um exército de Claudes
Escrever código parece um problema resolvido. Fazer engenharia, ainda não. Estamos contratando alguém para fechar essa lacuna.
[Engenharia]
Comece hoje
Fale com um especialista.
Converse com alguém da nossa equipe e descubra como a Cartesia pode ajudar você a criar experiências de voz de alto nível.
Comece a criar.
Acesse nossos modelos por API e coloque um agente de voz em produção em minutos.