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.
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.

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 Menschenstimme | Text-to-Speech | |
|---|---|---|
| Klang | Warm, natürlich, mit der Persönlichkeit der Sprecherin oder des Sprechers | Gleichmäßig und klar; Qualität schwankt je nach Stimme und Sprache |
| Eine Ansage ändern | Braucht eine neue Aufnahmesitzung oder dieselbe Stimme und denselben Raum | Text bearbeiten und neu erzeugen |
| Namen und ungewöhnliche Wörter | Werden von jemandem korrekt gelesen, der sie kennt | Können Anpassungen der Aussprache erfordern |
| Sprachen | Sie brauchen für jede eine Sprecherin oder einen Sprecher | Oft leicht zu ergänzen, aber die Qualität je Sprache prüfen |
| Kosten und Aufwand | Zeit zum Aufnehmen, Schneiden und Neuaufnehmen | Zeit zum Schreiben und Prüfen; wenig Produktionsarbeit |
| Risiko | Die Stimme ändert sich, wenn die Sprecherin oder der Sprecher geht | Falsche 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.
- Ein Gedanke pro Satz. Kurze Sätze sind leichter zu verfolgen.
- Die Bezeichnung vor die Taste setzen. „Für die Rechnung drücken Sie die 1.“
- Zahlen so schreiben, wie sie gesprochen werden. Schreiben Sie Daten und Uhrzeiten so aus, dass die Stimme sie richtig liest, und prüfen Sie, wie das System sie liest.
- Abkürzungen vermeiden. Schreiben Sie das ganze Wort aus, außer alle sprechen die Abkürzung aus.
- Pausen gezielt setzen. Ein Moment nach jeder Option gibt Anrufenden Zeit zum Nachdenken.
- Füllwörter streichen. „Bitte beachten Sie, dass“ und „freundlicherweise“ kosten Sekunden und bedeuten nichts.
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
- Skript vorbereitenSchließen Sie jede Ansage ab, einschließlich der Meldungen bei falscher Taste und ohne Eingabe.
- Raum wählenRuhig, weiche Einrichtung, kein Echo, Telefon und Ventilatoren aus.
- In einer Sitzung aufnehmenDieselbe Stimme, dasselbe Mikrofon und derselbe Abstand bei allen Ansagen.
- Behutsam schneidenStille kürzen, Lautstärke angleichen, starke Bearbeitung vermeiden.
- 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
- Lange Passagen können flach klingen. Teilen Sie sie auf.
- Betonung und Emotion sind begrenzt; verlassen Sie sich nicht auf den Ton, um Dringlichkeit zu vermitteln.
- Derselbe Text kann nach einem Update der Stimme anders klingen. Hören Sie erneut hin, wenn ein Anbieter eine Stimme ändert.
- Behaupten Sie nicht, dass die Stimme menschenähnlich sei. Anrufende bemerken womöglich, dass sie eine synthetische Stimme hören, und an manchen Orten müssen Sie das offenlegen.
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.
| Ansage | Zweck | Tipp |
|---|---|---|
| Begrüßung | Sagen, wer Sie sind | Ein kurzer Satz |
| Hauptmenü | Die Optionen anbieten | Zuerst die Bezeichnung, dann die Taste, Pause zwischen den Optionen |
| Falsche Taste oder keine Eingabe | Anrufenden aus der Lage helfen | Ruhige Formulierung, die Optionen einmal wiederholen |
| Warte- oder Warteschlangenansage | Anrufenden sagen, was geschieht | Ehrlich zur Wartezeit; keine endlose Werbung |
| Ansage bei Schließung | Zeiten und einen nächsten Schritt nennen | Aktualisieren, wenn sich die Zeiten ändern |
| Mailbox-Ansage | Nach Name, Nummer und Anliegen fragen | Kurz, mit einem klaren Signalton zum Sprechen |
| Verabschiedung | Den Anruf höflich beenden | Auf 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.