Definição
Barge-in é quando quem liga fala enquanto o agente ainda está falando. O termo também nomeia a capacidade que permite ao sistema aceitar essa fala e interromper o prompt do agente, em vez de fazer a pessoa esperar.
Como funciona o barge-in
O termo vem dos sistemas de menu telefônico. O VoiceXML 2.0, o padrão do W3C para esses sistemas, dá a cada prompt um atributo bargein. Quando é verdadeiro, o usuário pode interromper o prompt. Quando é falso, precisa esperar o prompt terminar.
O mesmo padrão define como a interrupção é detectada, por meio de bargeintype. Com speech, o prompt para assim que uma fala ou um tom do teclado é detectado, seja qual for o conteúdo. Com hotword, o prompt continua tocando até que a entrada corresponda a uma gramática que o sistema espera, e todo o resto é ignorado. A opção hotword existe porque ruídos, tosses e conversas paralelas cortariam os prompts de outra forma.
Um agente de voz moderno tem a mesma decisão a tomar, com um reconhecedor em fluxo contínuo e um LLM no lugar de uma gramática. Ele precisa ouvir enquanto fala, o que significa separar a voz de quem liga do próprio áudio que volta como eco pela linha. Depois precisa decidir se o som é uma interrupção real ou algo a ignorar, como “hum-hum”. Esse último caso é o backchanneling.
Detectar o barge-in é só a primeira metade. Agir sobre ele é o tratamento de interrupções: o agente para de falar, guarda o que quem liga realmente ouviu e responde ao que a pessoa disse.
Por que importa para agentes de voz
Quem liga interrompe o tempo todo. Corrige uma data, diz “sim, está certo” antes de uma releitura terminar, ou pede uma pessoa no meio de um menu. Um agente que não pode ser interrompido obriga a ouvir a frase inteira, e isso soa como máquina.
Duas coisas dão errado na prática. Um agente sensível demais para por uma batida de porta ou uma televisão ao fundo, e depois se cala no meio da palavra. Um agente lento demais continua falando por um segundo depois que quem liga começou, e os dois falam ao mesmo tempo.
Alguns conteúdos não devem ser interrompíveis. Uma divulgação obrigatória ou a leitura do valor de um pagamento costuma ser tocada com o barge-in desligado, para que quem liga ouça tudo antes de o agente aceitar uma pergunta.
Barge-in é um comportamento de quem liga. A forma como o sistema responde a ele tem nome próprio, e os dois devem ser testados separadamente.
Exemplo
Uma chamada ilustrativa:
- Agente: “Sua consulta é na quinta-feira, 8 de outubro, às duas e meia, com a doutora…”
- Quem liga: “Na verdade, passe para sexta.” (começa a falar em “com”)
A fala de quem liga é o barge-in. Se o agente para em uma fração de segundo, descarta a data antiga e trata “sexta” é o que se chama tratamento de interrupções.