OpenAI Realtime API
Visão geral
Ao configurar agentes de voz com a OpenAI Realtime API, pode ser necessário fazer com que o agente pronuncie um nome de marca, uma sigla ou um nome de produto de uma forma específica — por exemplo, dizer "KVX" como "kivex" em vez de soletrar as letras. Este artigo aborda as técnicas baseadas em prompt disponíveis e como obter os melhores resultados.
Compreender o desafio
O modelo em tempo real da OpenAI gera fala diretamente a partir do prompt e da conversa. Quando encontra uma sequência de letras desconhecida, como "KVX" ou "NTR", ele tende a soletrá-la ("kay-vee-ex", "en-tee-arr"), porque não existe uma associação prévia entre essa sequência e uma palavra falada.
Isso é diferente do que ocorre com siglas conhecidas. O modelo já sabe que "SQL" costuma ser pronunciado como "sequel", então uma instrução simples no prompt já é suficiente. Já para nomes de marcas proprietárias e termos novos, que o modelo nunca encontrou como palavras, o controle de pronúncia via prompt é menos confiável e pode exigir experimentação.
Abordagem 1: seção de pronúncias de referência
A OpenAI recomenda adicionar ao prompt do sistema uma seção dedicada de Pronúncias de Referência. Mantenha as entradas curtas e diretas:
# Pronúncias de Referência
- Pronuncie "KVX" como "kivex"
- Pronuncie "Solaire" como "sol-AIR"
Dicas:
- Use entradas de uma linha, não parágrafos explicativos
- Posicione esta seção perto do início do prompt, logo após Papel e Objetivo
- Use uma palavra familiar que rime ou um guia fonético simples (por exemplo, "rima com frizz") em vez de notação complexa
- Mantenha a lista curta — inclua apenas os termos que o modelo realmente está pronunciando de forma errada
Confiabilidade: boa para termos com os quais o modelo já tem alguma familiaridade. Menos confiável para nomes de marca completamente novos.
Abordagem 2: reforço da pronúncia em várias seções do prompt
Se uma única entrada na seção de Pronúncias de Referência não for suficiente, tente repetir a instrução em vários pontos naturais ao longo do prompt. Reforçar a pronúncia correta em múltiplos lugares aumenta a adesão do modelo a ela.
Exemplo:
# Papel & Objetivo
Você é o atendente da KVX Solutions. Lembre-se: "KVX" é sempre
pronunciado como "kivex" — duas sílabas, uma palavra.
# Pronúncias de Referência
- Pronuncie "KVX" como "kivex" (duas sílabas, rima com "dar-ex")
Fluxo da Conversa
## Abertura
- Cumprimente o cliente. Diga "kivex Solutions" — não soletre as letras.
# Guardrails
- Ao falar em voz alta, sempre diga "kivex" — nunca soletre "K-V-X".
Dicas:
- Varie ligeiramente o texto em cada ocorrência, para que o modelo não ignore trechos idênticos repetidos
- Mantenha cada instância breve — um lembrete curto, não uma explicação completa
- Bons locais para reforçar a pronúncia: Papel e Objetivo, Pronúncias de Referência, Fluxo da Conversa (especialmente a Abertura) e Guardrails
Confiabilidade: melhor do que uma única instrução, mas ainda inconsistente para nomes de marca novos.
Abordagem 3: grafia fonética no prompt
Se o modelo continuar soletrando as letras mesmo após instruções repetidas, você pode tentar escrever o nome da marca de forma fonética em todo o prompt — por exemplo, usando "Kivex" em vez de "KVX" em todas as ocorrências.
O modelo vai ler "Kivex" como uma palavra e pronunciá-la corretamente. A contrapartida é que ele também escreverá "Kivex" nas mensagens de chat, em vez de usar a grafia oficial da marca, "KVX".
Se essa contrapartida é aceitável depende do seu caso de uso. Se a experiência de voz é a prioridade e o texto do chat é secundário, essa pode ser a abordagem certa. Se a grafia correta é igualmente importante, essa abordagem tem limitações.
Confiabilidade: alta para a pronúncia. A grafia da marca ficará incorreta na saída de texto do chat.
Resumo das melhores práticas
- Comece com uma seção de Pronúncias de Referência organizada, usando entradas simples de uma linha
- Se isso não for suficiente, reforce a pronúncia em outros 3 ou 4 pontos naturais do prompt
- Se o modelo continuar soletrando as letras, considere usar a grafia fonética ao longo do prompt (aceitando a contrapartida na saída de texto)
- Evite listar pronúncias erradas como exemplos negativos — isso pode levar o modelo a repetir justamente os erros que você está tentando evitar
- Teste depois de cada alteração — pequenos ajustes no prompt podem mudar significativamente o comportamento do modelo em tempo real
O controle de pronúncia para nomes de marca novos é uma área em que a API em tempo real ainda apresenta limitações conhecidas. Se você continuar enfrentando problemas depois de tentar essas abordagens, entre em contato com nossa equipe para que possamos trabalhar juntos em uma solução para o seu caso específico.