# Voz

## Visao Geral

Neotask suporta interacao por voz atraves de multiplos sistemas: deteccao de palavra de ativacao, conversa por voz continua (modo de conversa) e texto-para-fala para respostas faladas.

## Palavras de Ativacao

### Swabble (macOS)

Swabble e um daemon nativo macOS que fornece deteccao de palavra de ativacao sempre ativa e **no dispositivo** usando o Speech.framework da Apple.

**Recursos:**
- Processamento apenas local -- nenhum audio sai do seu dispositivo durante a deteccao de palavra de ativacao
- Palavras de ativacao personalizaveis
- Captura e transcricao continua de audio
- Execucao de hook -- aciona comandos shell quando a palavra de ativacao e detectada
- Transcricao de arquivos -- converta arquivos de audio em texto (formato TXT ou SRT)
- Cooldown, contagem minima de caracteres e timeout configuraveis

**Como funciona:**
1. Swabble escuta continuamente usando o microfone do sistema
2. Quando detecta a palavra de ativacao no texto falado, captura a fala seguinte
3. O texto capturado e enviado ao seu agente via um comando de hook configurado
4. O agente processa o comando de voz e responde

### Palavras de Ativacao em Nodes

Em apps companion iOS e Android, o despertar por voz e tratado nativamente:

- Configuracao de palavras de ativacao e de propriedade do Gateway
- Nodes recebem configuracao de palavras de ativacao na conexao
- Deteccao usa reconhecimento de fala nativo da plataforma

## Modo de Conversa

O modo de conversa habilita conversas por voz continuas -- fale naturalmente e ouca seu agente responder.

### Como Funciona

1. **Fala-para-Texto** -- Sua voz e transcrita em tempo real (streaming Deepgram ou STT nativo da plataforma)
2. **Processamento do Agente** -- O texto transcrito e enviado ao seu agente como uma mensagem regular
3. **Texto-para-Fala** -- A resposta do agente e falada de volta para voce

### Maquina de Estados de Voz

O modo de conversa transiciona entre quatro estados:

| Estado | Descricao |
|--------|-----------|
| **Inativo** | Nao escutando ativamente |
| **Escutando** | Capturando e transcrevendo sua fala |
| **Pensando** | Agente esta processando sua solicitacao |
| **Falando** | Resposta do agente esta sendo falada |

### Provedores de Texto-para-Fala

| Provedor | Descricao |
|----------|-----------|
| **ElevenLabs** | Sintese de voz de alta qualidade com selecao de voz |
| **OpenAI TTS** | API de texto-para-fala da OpenAI |

### Preferencias de Voz

- **Selecao de voz** -- Escolha entre as vozes TTS disponiveis
- **Prompt de sistema personalizado** -- Sobrescreva a personalidade do agente para o modo de voz
- **Formato de resposta personalizado** -- Controle como o agente formata respostas faladas
- **Suporte a idiomas** -- Strings de voz localizadas para mais de 18 idiomas

## Comandos de Voz

### Deteccao Multi-Intencao

Agentes podem detectar e executar comandos de voz com multiplas etapas:

> "Crie um evento no calendario para amanha as 15h, depois envie um email para a equipe sobre isso e poste um lembrete no Slack"

Isso e automaticamente analisado em uma sequencia de comandos, cada um executado em ordem com os resultados fluindo para a proxima etapa.

### Execucao de Ferramentas

Durante conversas por voz, agentes podem executar ferramentas assim como em conversas de texto -- navegar na web, executar codigo, gerenciar arquivos, controlar dispositivos e mais. Resultados sao resumidos e falados de volta.

### Aplicacao de Veracidade de Acao

O modo de voz inclui validacao de que as alegacoes do agente correspondem aos resultados reais das ferramentas. Se um agente diz "Enviei o email" mas a ferramenta de email falhou, o sistema detecta a discrepancia e relata o resultado real.

## Chamadas de Voz (Plugin)

O plugin Voice Call adiciona suporte a telefonia SIP:

- Tratamento de chamadas de entrada
- Chamadas de saida (dependente do provedor)
- Audio bidirecional em tempo real (streams PCM)
- Sintese TTS injetada no audio da chamada

## Gestao de Cota

Servicos de voz podem ter cotas de uso:

- Alocacao mensal de minutos para TTS + STT
- Rastreamento por sessao
- Aviso em 80% de uso
- Corte automatico no limite de cota