IVR und Telefonmenüs

IVR-Ansagen: Aufgenommene Stimme oder Text-to-Speech im Vergleich

Wie Sie zwischen aufgenommener Menschenstimme und Text-to-Speech für Telefonansagen wählen, fürs Ohr schreiben und den Ton klar und aktuell halten.

Redaktion von Call · Veröffentlicht · 5 Min. Lesezeit

Jedes Telefonmenü besteht größtenteils aus gesprochenen Worten. Wie sie klingen, prägt den ersten Eindruck der Anrufenden, und wie schnell Sie sie ändern können, entscheidet darüber, ob sie korrekt bleiben. Die zentrale Wahl liegt zwischen einer aufgenommenen Menschenstimme und einer synthetischen, meist Text-to-Speech oder TTS genannt.

Eine Person spricht in einem ruhigen Raum mit Popfilter in ein Mikrofon
Symbolbild

Dieser Leitfaden vergleicht beide, erklärt, wie Sie Ansagen schreiben, denen man leicht folgt, behandelt die Praxis bei Aufnahme und synthetischer Stimme und endet mit einer Pflegeroutine. Er ergänzt IVR-Menü gestalten und 10 häufige IVR-Fehler und wie Sie sie beheben.

Aufgenommene Stimme oder Text-to-Speech

Die beiden Ansätze im Vergleich

Aufgenommene MenschenstimmeText-to-Speech
KlangWarm, natürlich, mit der Persönlichkeit der Sprecherin oder des SprechersGleichmäßig und klar; Qualität schwankt je nach Stimme und Sprache
Eine Ansage ändernBraucht eine neue Aufnahmesitzung oder dieselbe Stimme und denselben RaumText bearbeiten und neu erzeugen
Namen und ungewöhnliche WörterWerden von jemandem korrekt gelesen, der sie kenntKönnen Anpassungen der Aussprache erfordern
SprachenSie brauchen für jede eine Sprecherin oder einen SprecherOft leicht zu ergänzen, aber die Qualität je Sprache prüfen
Kosten und AufwandZeit zum Aufnehmen, Schneiden und NeuaufnehmenZeit zum Schreiben und Prüfen; wenig Produktionsarbeit
RisikoDie Stimme ändert sich, wenn die Sprecherin oder der Sprecher gehtFalsche Aussprache, flacher Vortrag in langen Passagen

Keines ist in jedem Fall überlegen. Ein ganz neues Restaurant mag eine freundliche Aufnahme der Inhaberin mit „Danke für Ihren Anruf“. Wer für Immobilien zuständig ist und wöchentlich wechselnde saisonale Hinweise hat, schätzt es, Text bearbeiten zu können.

Der hybride Ansatz

Ein üblicher Kompromiss: Begrüßung und Abschluss aufnehmen, die sich selten ändern, und TTS für Zeiten, Hinweise, Namen und alles Aktuelle nutzen. Halten Sie die Stimmen im Ton ähnlich, damit der Übergang nicht stört, und testen Sie die Übergänge.

Fürs Ohr schreiben

Text, der auf der Seite gut liest, kann gesprochen unbeholfen klingen. Lesen Sie jede Ansage laut vor, bevor Sie sie aufnehmen oder erzeugen.

Checkliste zum Schreiben von Ansagen

  • Einmal laut lesen, um holprige Formulierungen zu finden
  • Jede Ansage möglichst unter etwa zehn Sekunden
  • Tasten kommen nach der Bezeichnung
  • Daten, Zeiten und Zahlen so geprüft, wie sie gesprochen werden
  • Keine internen Namen oder Jargon
  • Jemand außerhalb des Teams hat zugehört

Eine Menschenstimme aufnehmen

Ein verlässlicher Aufnahmeprozess

  1. Skript vorbereitenSchließen Sie jede Ansage ab, einschließlich der Meldungen bei falscher Taste und ohne Eingabe.
  2. Raum wählenRuhig, weiche Einrichtung, kein Echo, Telefon und Ventilatoren aus.
  3. In einer Sitzung aufnehmenDieselbe Stimme, dasselbe Mikrofon und derselbe Abstand bei allen Ansagen.
  4. Behutsam schneidenStille kürzen, Lautstärke angleichen, starke Bearbeitung vermeiden.
  5. Am Telefon prüfenTelefonleitungen übertragen weniger Klang als Studios; prüfen Sie die Klarheit in einem echten Anruf.

Die Sprecherin oder den Sprecher wählen

Wählen Sie eine klare, warme Stimme, die zu Ihren Anrufenden passt. Ein ruhiges, mittleres Tempo funktioniert gut. Wenn eine synthetische Stimme einige Ansagen übernehmen soll, wählen Sie eine Aufnahmestimme, die ihr nicht zu unähnlich ist. Wenn Sie eine andere Stimme als Ihre eigene verwenden, holen Sie die schriftliche Erlaubnis der sprechenden Person ein.

Text-to-Speech gut einsetzen

Moderne synthetische Stimmen können natürlich klingen, brauchen aber Sorgfalt. Wählen Sie für jede Sprache eine Stimme, hören Sie sie über eine Telefonleitung an und testen Sie mit Ihrem tatsächlichen Text statt einem Demosatz.

Namen, Orte und ungewöhnliche Wörter

Synthetische Stimmen stolpern über Nachnamen, Produktnamen, Ortsnamen und Akronyme. Die meisten Systeme erlauben es, eine Aussprache oder Lesung für ein Wort anzugeben, und der Aufwand lohnt sich für die fünf oder zehn Begriffe, die Anrufende am häufigsten hören. Wo eine Sprache mehrere mögliche Lesungen derselben Schreibweise hat, prüfen Sie jede im Zusammenhang.

Grenzen kennen

Die Ansagen, die jede Leitung braucht

Man schreibt leicht die Begrüßung und vergisst den Rest. Erstellen Sie eine Liste jeder Meldung, die Anrufende hören könnten, damit keine als Standard oder Lücke bleibt.

AnsageZweckTipp
BegrüßungSagen, wer Sie sindEin kurzer Satz
HauptmenüDie Optionen anbietenZuerst die Bezeichnung, dann die Taste, Pause zwischen den Optionen
Falsche Taste oder keine EingabeAnrufenden aus der Lage helfenRuhige Formulierung, die Optionen einmal wiederholen
Warte- oder WarteschlangenansageAnrufenden sagen, was geschiehtEhrlich zur Wartezeit; keine endlose Werbung
Ansage bei SchließungZeiten und einen nächsten Schritt nennenAktualisieren, wenn sich die Zeiten ändern
Mailbox-AnsageNach Name, Nummer und Anliegen fragenKurz, mit einem klaren Signalton zum Sprechen
VerabschiedungDen Anruf höflich beendenAuf wenige Worte beschränken

Prüfen Sie den ganzen Satz mindestens einmal gemeinsam. An verschiedenen Tagen von verschiedenen Personen geschriebene Ansagen nutzen oft unterschiedliche Wörter für dasselbe, etwa „Termin“ in der einen und „Buchung“ in der anderen, wodurch die Leitung uneinheitlich klingt.

Den Ton klar und einheitlich halten

Zu prüfende Klangqualitäten

  • LautstärkeVon Ansage zu Ansage gleichmäßig, ohne plötzliche Sprünge.
  • KlarheitKein Rauschen, Knacken oder abgeschnittene Wörter auf einer Telefonleitung.
  • TempoLangsam genug zum Folgen, mit natürlichen Pausen.
  • TonfallFreundlich, ruhig und passend zu Ihrer Marke.

Ansagen aktuell halten

Behandeln Sie Ansagen wie Website-Texte: Sie veralten. Führen Sie ein einfaches Protokoll mit dem genauen Wortlaut, dem Datum und der Person, die freigegeben hat. Prüfen Sie es jedes Quartal und nach Änderungen bei Zeiten, Leistungen oder Personal. Vermeiden Sie zeitabhängige Fakten in aufgenommenen Ansagen, wo möglich; legen Sie sie in bearbeitbaren Text. Siehe Anrufe nach Geschäftszeiten, Feiertagen und Schließungen leiten dazu, wie Sie zeitbezogene Meldungen korrekt halten, und Text-to-Speech für japanische Telefonsysteme für sprachspezifische Punkte.

Bewahren Sie schließlich den Originaltext jeder Ansage sicher auf, gleich welche Methode Sie nutzen. Geht eine Aufnahme verloren oder ändert sich eine Stimme, können Sie den Ton schnell neu erstellen und die Leitung gleich klingen lassen.

Umsetzung in Call

In Call verwalten Sie KI-Stimmen unter „Stimme“. Sie können eine Stimme für Ihren Arbeitsbereich wählen und einer einzelnen Telefonleitung eine eigene Stimme geben. Ein Aussprache-Wörterbuch bringt der Stimme bei, wie sie Namen, Orte und Wörter liest, die sie falsch spricht: Sie geben das Wort wie geschrieben und eine Lesung in Kana ein, probieren einen Satz zum Anhören und speichern, mit einer Grenze von 100 Wörtern. Die Hauptsprache einer Telefonleitung bestimmt, in welcher Sprache ihre Anrufe beginnen. Stimmenklonen gibt es mit einem Einwilligungsschritt für das Stimmprofil; klonen Sie also eine Stimme nur mit Zustimmung der sprechenden Person. Mit den Werkzeugen für Übungsanruf und Testanruf hören Sie das Ergebnis, bevor es Anrufende tun. Siehe Eine KI-Stimme auswählen und testen.

Häufig gestellte Fragen

Ist eine aufgenommene Stimme besser als Text-to-Speech?

Keine gewinnt in jedem Fall. Eine Aufnahme klingt persönlich und passt zu stabilen Begrüßungen; Text-to-Speech ist leichter zu aktualisieren und passt zu wechselnden Informationen. Viele Teams nutzen beides.

Wie lang sollte eine Ansage sein?

So kurz wie möglich, solange sie klar bleibt. Planen Sie für ein Menü etwa zehn Sekunden und teilen Sie längere Informationen in eigene Optionen auf.

Wie behebe ich einen falsch ausgesprochenen Namen?

Nutzen Sie die Ausspracheeinstellungen Ihres Stimmsystems, falls vorhanden, oder schreiben Sie das Wort lautlich um und hören Sie das Ergebnis an einem Telefon an.

Brauche ich ein professionelles Studio?

Nein. Ein ruhiger Raum, ein ordentliches Mikrofon und ein gleichbleibender Aufbau genügen. Prüfen Sie das Ergebnis in einem echten Anruf.

Sollte ich Anrufenden sagen, dass die Stimme synthetisch ist?

Praxis und Regeln unterscheiden sich je nach Land. Fragen Sie Ihre örtliche Behörde, und seien Sie ehrlich, wenn jemand fragt.

Darf ich die Stimme einer anderen Person verwenden?

Nur mit deren klarer, schriftlicher Erlaubnis. Das gilt für Aufnahmen und für geklonte Stimmen.

Wählen und testen Sie in Call eine KI-Stimme für Ihre Telefonleitung

In der Demo-Konsole können Sie eingehende Anrufe in einer Simulation ausprobieren.

Verwandte Ratgeber