Technologie hlasové AI

Jak dosáhnout přirozené japonské syntézy řeči po telefonu

Jak zajistit, aby japonský převod textu na řeč zněl v telefonu přirozeně: čtení znaků, pauzy, tempo, zdvořilost, jména a testovací cyklus, který odhalí chyby.

Redakce Call · Zveřejněno · Čtení na 5 min

Převod textu na řeč (TTS) se výrazně zlepšil, japonština ho však stále dokáže zaskočit způsobem, jaký u angličtiny vidíme jen zřídka. Volající, který uslyší 日本橋 přečtené špatně nebo omluvu pronesenou plochým monotónním hlasem, si neřekne „software udělal chybu“. Řekne si, že firmě na něm nezáleží. Na telefonní lince, kde je zvuk už tak úzký a nemilosrdný, drobné chyby vyniknou.

Člověk s headsetem poslouchá při telefonním hovoru syntetický hlas
Ilustrační obrázek

Tento průvodce je určen firmám, které působí v Japonsku nebo obsluhují japonsky mluvící volající. Vysvětluje, proč je japonština obtížná, šest nejčastějších problémů a jak je řešit, i opakovatelný cyklus zlepšování. Na závěr ukazuje nástroje v Call. Pokud se rozhodujete mezi nahrávkami a syntézou, začněte článkem Nahraná hlášení, nebo syntetický hlas?.

Proč je japonština pro TTS obtížná

V angličtině pravopis docela slušně napovídá, jak slovo zní. V japonštině to u znaků často neplatí. Kandži může mít několik čtení (on a kun) a to správné závisí na slově a kontextu. Čísla a počítací přípony mění podobu: stejné číslice se s různými příponami čtou různě. Slova, která se liší jen tónovou výškou, například 橋 (most) a 箸 (hůlky), se píšou odlišně, ale kromě melodie zní stejně. Systém, který vidí jen text, musí hádat.

Šest problémů a jejich řešení

Co se pokazí a co s tím dělat

  • Špatná čteníU jmen, míst a termínů vypište čtení v kaně.
  • Chybějící pauzyZkraťte věty a dejte interpunkci tam, kde by se mluvčí nadechl.
  • Špatné tempoU čísel a pokynů zpomalte; nepospíchejte celým skriptem.
  • Nevhodný hlasVyberte hlas, jehož tón odpovídá situaci, ne jen ten, který má nejpůsobivější ukázku.
  • Nevhodná zdvořilostPoužívejte v celém textu jednu jednotnou úroveň keigo.
  • Podivná vlastní jménaNázvy firmy, produktů a jména zaměstnanců testujte samostatně.

Čtení

Většina TTS systémů umožňuje určit, jak se má slovo číst, případně nabízí slovník výjimek. Sestavte si seznam vlastních jmen, místních názvů, názvů produktů a odborných výrazů se správným čtením v hiraganě nebo katakaně. Zkontrolujte čísla, data, časy a členění telefonních čísel, protože se často čtou nepřirozeně. Kde to jde, vyhněte se ve skriptu dvojznačným konstrukcím; přeformulovat bývá snazší než opravovat.

Pauzy a rytmus

Pište pro ucho. Věta, která na papíře vypadá dobře, může být příliš dlouhá na jeden nádech. Rozdělte ji, dejte čárku tam, kam patří pauza, a pamatujte, že telefonní hovor potřebuje o něco víc prostoru než stránka. Položky výčtů by měly být krátké. Krátká pauza po pozdravu, před hlavní otázkou, pomůže volajícím se připravit.

Tempo

Pomaleji neznamená vždy lépe. Rovnoměrně pomalé tempo působí povýšeně, rovnoměrně rychlé unavuje. Střídejte ho: klidně u běžných vět, o něco pomaleji u čísel, adres a všeho, co si volající musí zapsat. Mnoho volajících si při poslechu píše, dejte jim tedy čas.

Výběr hlasu

Hlas vybírejte tak, že si poslechnete vlastní skript na skutečném telefonu, ne jen ukázkovou větu. Zvažte situaci: k omluvě se hodí klidný, vřelý hlas, k menu svižný a zřetelný. Mužský nebo ženský hlas je otázkou značky a vkusu, důležitější je ale jednotnost na celé lince. U vážných informací se vyhněte hlasům s neobvykle jasným nebo emotivním tónem.

Zdvořilost

Japonské obchodní telefonáty se řídí zvyklostmi projevování úcty. Zvolte jednu úroveň a držte se jí. Míchání neformálních a formálních koncovek v jednom hlášení působí nedbale a přehnaně formální tón může působit chladně. Přirozené úvodní fráze, například standardní pozdrav a poděkování za zavolání, by měly znít tak, jak by je řekl člověk, ne jako překlad z jiného jazyka. Viz Úvodní skripty pro AI telefonní recepci.

Vlastní jména

Názvy firmy, produktů a jména zaměstnanců si zaslouží samostatný test, protože zazní v každém hovoru. Vyzkoušejte je ve větě i samostatně. Názvy značek, které kombinují písma nebo obsahují latinku, často potřebují konkrétně určené čtení.

Cyklus zlepšování

Od skriptu k hlasu, který zní správně

  1. Pište pro uchoKrátké věty, mluvený styl, jednotná zdvořilost.
  2. Opravte čteníPřidejte jména, termíny a čísla do slovníku.
  3. Poslechněte si to v telefonuZavolejte na linku a poslouchejte jako volající.
  4. OhodnoťteZapište si každou pauzu, přízvuk nebo čtení, které zní špatně.
  5. UpravteUpravte skript nebo slovník.
  6. Otestujte znovuPřehrajte všechny dřívější opravy, abyste měli jistotu, že se nic nerozbilo.

Veďte si regresní seznam: každý opravený problém i s větou, ve které se projevil. Přehrajte ho po každé změně skriptu, hlasu nebo systému, protože aktualizace systému může opravu zrušit.

Běžné momenty hovoru ke kontrole

Některé části hovoru slyší každý volající, proto se vyplatí věnovat jim zvláštní pozornost. Každou z nich si poslechněte v telefonu dřív než cokoli jiného.

MomentCo kontrolovatObvyklá oprava
PozdravNázev firmy je přečtený správně, vřele a bez spěchuPřidejte název do slovníku; zkraťte větu
Otevírací dobaČasy a dny v týdnu zní zřetelněPište časy tak, jak byste je řekli nahlas
Adresy a popis cestyMístní názvy a číslaČtení v kaně; pomalejší tempo; krátké úseky
Omluva nebo zpožděníTón je klidný, ne veselýZvolte klidnější hlas; přepište formulaci
ZávěrPoděkování a rozloučení zní přirozeněPoužijte standardní závěrečnou frázi, ne překlad

Hypotetický obchod s pobočkou pojmenovanou po místní památce může zjistit, že nejhůře zpracovanou větou celého skriptu je jeho vlastní adresa. To je běžné. Slova, na kterých firmě záleží nejvíc, tedy její název, adresa a produkty, jsou zároveň ta, která systém viděl nejméně. Testujte je první, opravujte je první a mějte je ve slovníku, kde je najde i další člověk.

Než zveřejníte japonský skript

  • Každé jméno, místo a termín má zkontrolované čtení
  • Čísla, data a časy zní ve skutečných větách přirozeně
  • Věty jsou dost krátké na jeden nádech
  • V celém textu je použita jedna úroveň zdvořilosti
  • Hlas odpovídá tónu sdělení
  • Rodilý mluvčí si skript poslechl v telefonu

Proč na telefonní lince záleží

Telefonní zvuk je komprimovaný a úzký, takže některé detaily skrývá a jiné zvýrazňuje. Hlas, který ve sluchátkách zní plně, může být na mobilní lince zastřený a některé souhlásky se slévají. Vždy hodnoťte na skutečném hovoru, ideálně přes mobilní síť a znovu přes pevnou linku. Proč tomu tak je, vysvětluje článek Kvalita zvuku v telefonu.

Jak na to v Call

V Call se hlas, který používá váš AI agent, vybírá v sekci Hlas, AI hlasy. Nastavte jazyk, kterým mluví vaši volající, poslechněte si ukázky na několika kartách, stiskněte Použít tento hlas a pak Poslechnout, co uslyší volající, abyste si hlas přehráli s uloženým nastavením. V části Nastavení hlasu a zkušební prostor můžete napsat vlastní větu a poslechnout si ji. Telefonní linka může mít vlastní hlas a hlavním jazykem linky pro hovory je ve výchozím nastavení japonština; volajícímu, který mluví jiným jazykem, se odpovídá v jeho jazyce.

Na stejné stránce najdete Výslovnostní slovník, který učí hlas, jak číst jména, místa a slova, která vyslovuje špatně. Stiskněte Přidat slovo, do pole Píše se zadejte slovo a do pole Čte se jeho čtení v kaně, pak napište větu do pole Vyzkoušet větu, uvidíte, jak se přečte, a přehrajte si ji. Mění se jen to, co zazní; psané zprávy zůstávají beze změny. Slovník pojme až 100 slov a měnit ho mohou jen správci pracovního prostoru. Nakonec vše otestujte na skutečném telefonu zkušebním hovorem agenta. Viz také Výběr jazyka v IVR.

Často kladené otázky

Proč japonské TTS čte některá slova špatně?

Kandži může mít několik čtení a to správné závisí na kontextu. Pokud systém odhadne špatně, můžete to opravit zadáním čtení v kaně.

Mohu ovlivnit tónový přízvuk?

Některé systémy úpravy umožňují, ale možnosti se liší. Prakticky často stačí vybrat dobrý hlas a přeformulovat věty, které zní zvláštně.

Jak zacházet s čísly a daty?

Otestujte je ve skutečných větách, které používáte. Pokud čtení zní špatně, vypište ho v kaně nebo větu přeformulujte.

Jakou úroveň zdvořilosti mám použít?

Zvolte úroveň, která odpovídá vaší značce a volajícím, a používejte ji jednotně ve všech hlášeních. Míchání úrovní působí nedbale.

Neměl bych raději použít nahraný hlas?

Nahrávky zní u pevných hlášení přirozeně, ale jejich změna je pomalejší. Syntéza se hodí pro text, který se často mění. Mnoho firem používá obojí.

Jak často mám hlas kontrolovat?

Po každé změně skriptu, slovníku, hlasu nebo systému a pravidelně na skutečných hovorech. Veďte si seznam dřívějších oprav, které znovu přehrajete.

Opravte japonská čtení pomocí výslovnostního slovníku v Call

V demo konzoli si můžete příchozí hovory vyzkoušet v simulaci.

Související průvodci