agentes de voz com ia
Agente de voz com IA no WhatsApp que atende, liga e registra tudo no seu produto
Um agente de voz com IA no WhatsApp atende quem liga para o número do seu cliente e liga para leads e pacientes, conversando em voz natural, capturando dados e mandando mensagens durante a chamada.
SaaS testa 14 dias com o time técnico ajudando na integração.
- conexões na D-API
- 1.875
- de uptime garantido em contrato
- 99,9%
- datacenters no Brasil
- 4
- por ligação de WhatsApp na API não-oficial
- R$ 0
Atende e liga
Vincule o agente a uma conexão para atender chamadas recebidas, ou dispare ligações ativas pela API com variáveis por contato.
Age durante a conversa
Envia mensagem no WhatsApp, captura dados, agenda retorno, encerra a ligação e chama webhooks ou servidores MCP.
Seu time atende primeiro
Na chamada recebida, o agente espera alguns segundos (8 por padrão, até 30) antes de entrar. Se alguém atender, ele fica de fora.
Transcrição pela API
Cada chamada tem status, motivo de fim, dados capturados e transcrição paginada, além de webhooks de início e fim.
Um agente de voz com IA no WhatsApp é o atendente que não tem horário de almoço. Ele atende quem liga para o número da clínica às 22h e remarca a consulta, liga para o lead que acabou de preencher o formulário e qualifica antes que ele esfrie, e no fim manda por mensagem o link, o endereço ou o resumo do que foi combinado. Para o SaaS que oferece WhatsApp aos clientes, é um recurso que se vende sozinho: o seu cliente já tem o número, e agora esse número fala.
A D-API oferece agentes de voz prontos, criados num painel visual e acionados pela API, que rodam sobre as ligações WhatsApp API da conexão não-oficial. E para quem prefere montar o próprio agente, o áudio cru da chamada está disponível por WebSocket.
O que o agente de voz com IA faz durante a ligação
O agente escuta, entende e responde em voz natural, seguindo o objetivo que você definiu. O que o diferencia de uma URA é que ele age no meio da conversa. As ferramentas nativas são quatro:
| Ferramenta | O que faz |
|---|---|
send_whatsapp_message |
Envia uma mensagem no WhatsApp durante ou depois da ligação |
capture_data |
Preenche os campos que você definiu, como nome, interesse ou melhor horário |
schedule_callback |
Agenda um retorno quando a pessoa pede para ligar mais tarde |
end_call |
Encerra a ligação com uma despedida |
Além delas, o agente chama ferramentas do seu sistema: até 10 webhooks próprios, para consultar a agenda ou registrar um pedido no meio da conversa, e ferramentas de servidores MCP conectados à conta, com teto de 30 ferramentas somadas entre webhook e MCP. O artigo sobre agentes de IA no WhatsApp com MCP explica o protocolo.
Como o agente se comporta na conversa
O agente é configurado num editor guiado: nome da assistente, empresa, objetivo, base de conhecimento, regras, tom de voz (simpático, profissional ou descontraído) e idioma, entre português do Brasil, inglês e espanhol. Há modelos prontos, como Recepcionista e SDR, para começar sem página em branco.
A parte que mais pesa na experiência é a troca de turnos, e ela é ajustável por agente:
responseDelay(fast,balanced,patient) controla quanto o agente espera depois que a pessoa pausa.interruptionSensitivity(hard,balanced,easy) define a facilidade de interromper o agente.noiseSensitivity(low,balanced,high) define quanto ruído de fundo conta como fala.resumeAfterSilencefaz o agente retomar a conversa quando a linha fica em silêncio.
Um agente de cobrança costuma ficar melhor com patient, porque a pessoa pensa antes de responder sobre dinheiro. Uma recepcionista de clínica, com balanced e baixa sensibilidade a ruído, lida melhor com quem liga da rua.
Atender as chamadas recebidas
Vincular o agente a uma conexão faz ele atender as chamadas de WhatsApp daquele número. O detalhe que agrada o seu cliente é a espera configurável: o agente aguarda alguns segundos, 8 por padrão e até 30, para o time humano atender primeiro. Se alguém atender nesse intervalo, o agente não entra. Na prática, o agente vira o plantão do fim de expediente e o transbordo do horário de pico, sem tirar o atendimento de quem quer atender.
Pela API, o vínculo é uma chamada:
curl -X PUT https://api.d-api.cloud/api/v1/voice-agents/ID_DO_AGENTE/inbound-binding \
-H "Authorization: SUA_API_KEY" \
-H "Content-Type: application/json" \
-d '{ "sessionId": "minha-sessao" }'
Para desfazer, DELETE /api/v1/voice-agents/{id}/inbound-binding/{sessionId}. O fluxo de chamadas recebidas sem agente, com atendimento humano no navegador, está em receber ligações de WhatsApp pela API.
Ligar para contatos pela API
A ligação ativa sai do painel, de uma campanha para uma lista ou da sua integração. Pela API, o seu SaaS passa o contato e as variáveis que o agente vai usar na conversa:
curl -X POST https://api.d-api.cloud/api/v1/voice-agents/ID_DO_AGENTE/calls \
-H "Authorization: SUA_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"sessionId": "minha-sessao",
"phone": "5511999999999",
"variables": { "nome": "Marina", "procedimento": "limpeza", "data": "terça às 14h" },
"idempotencyKey": "confirmacao-consulta-88231"
}'
O phone vai com DDI, só dígitos (8 a 15). As variables aceitam chaves de até 40 caracteres e valores de texto (até 500 caracteres), número ou booleano. A idempotencyKey evita a ligação duplicada quando o seu job tenta de novo depois de um timeout. A resposta é 202 com a chamada criada: no WhatsApp, ela entra na fila da conexão e sai quando a conexão fica livre, e a posição vem em call.queuePosition. Com a fila da conexão cheia, a API responde 429 com o código queue_full, que o seu worker deve tratar com espera e nova tentativa.
O que fica registrado e como o seu SaaS recebe
Cada chamada do agente tem um registro consultável em GET /api/v1/voice-agent-calls/{callId}, com direction, phone, status, endReason, billedSeconds, capturedData, as variables usadas, a gravação e o que foi cobrado. A transcrição vem paginada em GET /api/v1/voice-agent-calls/{callId}/turns:
curl "https://api.d-api.cloud/api/v1/voice-agent-calls/ID_DA_CHAMADA/turns?afterSeq=0&limit=100" \
-H "Authorization: SUA_API_KEY"
Cada item traz seq, role (user, agent ou tool), text, toolName quando foi uma ferramenta, e at. O campo nextAfterSeq indica a próxima página, ou null no fim.
Para não precisar consultar, o seu sistema recebe os webhooks voice_agent.call.started e voice_agent.call.ended, com os mesmos campos públicos da chamada, incluindo capturedData. Um CRM imobiliário, por exemplo, lê capturedData no voice_agent.call.ended e atualiza o lead com bairro, faixa de preço e melhor horário de visita, sem ninguém digitar nada. No painel, há relatórios agregados e exportação em CSV dos dados capturados, com até 10.000 linhas por arquivo.
Agente pronto ou agente próprio
O agente da D-API resolve a maioria dos casos de recepção, qualificação, confirmação e cobrança sem código de IA no seu lado. Se o seu SaaS já tem um motor de voz, ou precisa de um fluxo que foge do editor, o caminho é o stream de áudio da ligação de WhatsApp: a voz do contato chega em PCM de 16 kHz e a sua fala sintetizada volta pelo mesmo socket. Para ligar para telefone fixo ou celular sem WhatsApp, o mesmo agente pode usar a linha telefônica, tema da página de agente de voz com IA para telefone.
O exemplo de bot em Node, com áudio de 20 ms entrando e saindo, está na documentação da D-API.
Time D-API. Atualizado em .
Perguntas frequentes
Em quais idiomas o agente conversa?
Português do Brasil, inglês e espanhol. A voz é escolhida numa biblioteca de vozes conversacionais, e a conta pode clonar uma voz própria.
Preciso de um número novo para o agente?
Não. O agente usa uma conexão de WhatsApp da conta, que pode ser o número que o seu cliente já usa no atendimento ou um número dedicado só para ele.
O agente de voz tem o mesmo preço das ligações?
Não. As ligações de WhatsApp em si estão incluídas na conexão não-oficial, mas o agente de voz é cobrado por minuto de conversa, à parte. Na chamada recebida, se o seu time atender antes do agente entrar, ela não é cobrada como agente.
Consigo testar o agente antes de publicar?
Sim. O editor tem uma ligação de teste para o seu próprio celular. O agente trabalha com rascunho e versões publicadas, e uma versão anterior pode ser restaurada.
E se eu quiser usar o meu próprio modelo de IA?
Aí o caminho é o stream de áudio da ligação: o seu backend recebe a voz do contato em PCM de 16 kHz e devolve a fala sintetizada pelo mesmo WebSocket, com o modelo e a voz que preferir.