Sprach-KI-Technologie

Japanisches Text-to-Speech am Telefon natürlich klingen lassen

So klingt japanische Sprachausgabe am Telefon natürlich: Lesungen, Pausen, Tempo, Höflichkeitsformen, Namen und ein Testzyklus, der Fehler findet.

Redaktion von Call · Veröffentlicht · 6 Min. Lesezeit

Text-to-Speech (TTS) hat sich stark verbessert, doch Japanisch bringt es noch immer auf Weisen ins Straucheln, die im Englischen oder Deutschen selten vorkommen. Wer hört, wie 日本橋 falsch gelesen wird oder eine Entschuldigung in flachem Monoton klingt, denkt nicht „die Software hat sich geirrt“. Er oder sie denkt, dem Unternehmen sei es gleichgültig. Auf einer Telefonleitung, wo der Klang ohnehin schmalbandig und unnachsichtig ist, fallen kleine Fehler auf.

Eine Person mit Headset hört bei einem Telefonat einer synthetischen Stimme zu
Symbolbild

Dieser Leitfaden richtet sich an Unternehmen, die in Japan tätig sind oder japanischsprachige Anrufende betreuen. Er erklärt, warum Japanisch schwierig ist, welche sechs Probleme am häufigsten auftreten, wie Sie sie beheben, und einen wiederholbaren Verbesserungszyklus. Am Ende stehen die Werkzeuge in Call. Wenn Sie zwischen Aufnahmen und Synthese abwägen, beginnen Sie mit Aufgenommene Ansagen oder synthetische Stimme?.

Warum Japanisch für TTS schwierig ist

Im Deutschen gibt die Schreibweise einen brauchbaren Hinweis auf den Klang. Im Japanischen tun das die Schriftzeichen oft nicht. Ein Kanji kann mehrere Lesungen haben (On und Kun), und die richtige hängt vom Wort und vom Kontext ab. Zahlen und Zählwörter ändern ihre Form: Dieselben Ziffern werden mit verschiedenen Zählwörtern unterschiedlich gelesen. Wörter, die sich nur in der Tonhöhe unterscheiden, etwa 橋 und 箸, werden verschieden geschrieben, klingen aber bis auf die Melodie gleich. Ein System, das nur Text sieht, muss raten.

Sechs Probleme und ihre Lösungen

Was schiefgeht und was zu tun ist

  • Falsche LesungenSchreiben Sie die Lesung für Namen, Orte und Begriffe in Kana aus.
  • Fehlende PausenKürzen Sie Sätze und setzen Sie Satzzeichen dort, wo ein Sprecher Luft holen würde.
  • Falsches TempoSprechen Sie bei Zahlen und Anweisungen langsamer; hetzen Sie nicht durch das ganze Skript.
  • Falsche StimmeWählen Sie eine Stimme, deren Tonfall zur Situation passt, nicht nur die beste Demo.
  • Falsche HöflichkeitVerwenden Sie durchgehend eine einheitliche Keigo-Stufe.
  • Seltsame EigennamenTesten Sie Firmen-, Produkt- und Mitarbeitendennamen einzeln.

Lesungen

Die meisten TTS-Engines bieten eine Möglichkeit, festzulegen, wie ein Wort gelesen werden soll, oder ein Wörterbuch mit Ersetzungen. Erstellen Sie eine Liste Ihrer eigenen Namen, Ortsnamen, Produktnamen und Fachbegriffe mit der korrekten Lesung in Hiragana oder Katakana. Prüfen Sie Zahlen, Daten, Uhrzeiten und die Gruppierung von Telefonnummern, da sie oft unnatürlich klingen. Vermeiden Sie mehrdeutige Konstruktionen im Skript, wo es geht; eine Umformulierung ist oft einfacher als eine Korrektur.

Pausen und Rhythmus

Schreiben Sie fürs Ohr. Ein Satz, der auf dem Papier gut ist, kann zu lang für einen Atemzug sein. Teilen Sie ihn auf, setzen Sie ein Komma, wo eine Pause hingehört, und denken Sie daran, dass ein Telefonat etwas mehr Raum braucht als eine Seite. Aufzählungen sollten kurze Punkte haben. Eine kurze Pause nach der Begrüßung, vor der Hauptfrage, hilft Anrufenden, sich vorzubereiten.

Tempo

Langsamer ist nicht immer besser. Ein durchgehend langsames Tempo wirkt herablassend, ein durchgehend schnelles ermüdet. Variieren Sie: gleichmäßig bei normalen Sätzen, etwas langsamer bei Zahlen, Adressen und allem, was Anrufende notieren müssen. Viele schreiben beim Zuhören mit, geben Sie ihnen also Zeit.

Wahl der Stimme

Wählen Sie die Stimme, indem Sie Ihr eigenes Skript an einem echten Telefon anhören, nicht nur den Demosatz. Bedenken Sie die Situation: Eine ruhige, warme Stimme passt zu einer Entschuldigung, eine flotte, klare zu einem Menü. Männlich oder weiblich ist eine Frage von Marke und Geschmack, aber Einheitlichkeit über die ganze Leitung ist wichtiger. Vermeiden Sie Stimmen mit ungewöhnlich fröhlichem oder emotionalem Ton bei ernsten Informationen.

Höflichkeit

Japanische Geschäftsgespräche am Telefon folgen Regeln des Respekts. Wählen Sie eine Stufe und bleiben Sie dabei. Das Mischen von lockeren und förmlichen Endungen in einer Ansage wirkt nachlässig, ein übermäßig förmlicher Ton kann kalt wirken. Natürliche Eröffnungen wie die übliche Begrüßung und der Dank für den Anruf sollten so gesprochen werden, wie ein Mensch sie sagen würde, nicht aus einer anderen Sprache übersetzt. Siehe Begrüßungsskripte für die KI-Telefonannahme.

Eigennamen

Firmennamen, Produktnamen und Namen von Mitarbeitenden verdienen einen eigenen Test, da sie in jedem Anruf vorkommen. Sprechen Sie sie in einem Satz und auch allein. Markennamen, die Schriften mischen oder lateinische Buchstaben enthalten, brauchen oft eine eigene Lesung.

Ein Verbesserungszyklus

Vom Skript zur Stimme, die richtig klingt

  1. Fürs Ohr schreibenKurze Sätze, gesprochener Stil, einheitliche Höflichkeit.
  2. Lesungen korrigierenNamen, Begriffe und Zahlen in ein Wörterbuch aufnehmen.
  3. Am Telefon anhörenDie Leitung anrufen und zuhören wie Anrufende.
  4. BewertenJede Pause, jeden Akzent und jede Lesung notieren, die falsch klingt.
  5. ÜberarbeitenSkript oder Wörterbuch bearbeiten.
  6. Erneut testenAlle früheren Korrekturen noch einmal abspielen, damit nichts kaputtgegangen ist.

Führen Sie eine Regressionsliste: jedes behobene Problem mit dem Satz, der es aufgedeckt hat. Spielen Sie sie nach jeder Änderung an Skript, Stimme oder Engine erneut ab, denn ein Engine-Update kann eine Korrektur rückgängig machen.

Typische Momente im Anruf zum Prüfen

Manche Teile eines Anrufs hören alle Anrufenden, daher lohnt sich besondere Aufmerksamkeit. Hören Sie jeden davon an einem Telefon an, bevor Sie sich etwas anderem widmen.

MomentWorauf zu achten istTypische Lösung
BegrüßungFirmenname richtig gelesen, warm und ohne HastNamen ins Wörterbuch aufnehmen; Satz kürzen
GeschäftszeitenUhrzeiten und Wochentage klar gelesenZeiten so schreiben, wie man sie laut sagen würde
Adressen und WegbeschreibungenOrtsnamen und ZahlenKana-Lesungen; langsameres Tempo; kurze Abschnitte
Entschuldigung oder VerzögerungTon ist ruhig, nicht fröhlichRuhigere Stimme wählen; Formulierung überarbeiten
AbschlussDank und Verabschiedung klingen natürlichDie übliche Abschlussformel verwenden, keine Übersetzung

Ein fiktives Geschäft mit einer Filiale, die nach einem lokalen Wahrzeichen benannt ist, könnte feststellen, dass seine eigene Adresse der am stärksten verstümmelte Satz im ganzen Skript ist. Das ist häufig. Die Wörter, die für das Unternehmen am wichtigsten sind, sein Name, seine Adresse und seine Produkte, sind auch die, die die Engine am seltensten gesehen hat. Testen Sie sie zuerst, korrigieren Sie sie zuerst und halten Sie sie im Wörterbuch, wo die nächste Person sie findet.

Bevor Sie ein japanisches Skript veröffentlichen

  • Jeder Name, Ort und Begriff hat eine geprüfte Lesung
  • Zahlen, Daten und Uhrzeiten klingen in den echten Sätzen natürlich
  • Sätze sind kurz genug für einen Atemzug
  • Durchgehend wird eine Höflichkeitsstufe verwendet
  • Die Stimme passt zum Ton der Nachricht
  • Eine Muttersprachlerin oder ein Muttersprachler hat an einem Telefon zugehört

Warum die Telefonleitung wichtig ist

Telefonaudio ist komprimiert und schmalbandig, was manche Details verbirgt und andere übertreibt. Eine Stimme, die im Kopfhörer satt klingt, kann auf einer Mobilfunkverbindung dumpf wirken, und bestimmte Konsonanten verschwimmen. Bewerten Sie immer an einem echten Anruf, möglichst über ein Mobilfunknetz, und noch einmal über das Festnetz. Telefon-Audioqualität erklärt, warum.

So geht es in Call

In Call wählen Sie die Stimme Ihres KI-Agenten unter Stimme, KI-Stimmen. Stellen Sie die Sprache auf die Ihrer Anrufenden, hören Sie sich auf einigen Karten Beispiele an, klicken Sie auf Diese Stimme verwenden und dann auf Anhören, was Anrufer hören, um mit den gespeicherten Einstellungen zuzuhören. Im Bereich Stimmeinstellungen und Testbereich können Sie einen eigenen Satz eingeben und anhören. Eine Telefonleitung kann ihre eigene Stimme haben, und die Hauptsprache einer Leitung für Anrufe ist standardmäßig Japanisch; wer in einer anderen Sprache anruft, wird in dieser Sprache beantwortet.

Das Aussprache-Wörterbuch auf derselben Seite bringt der Stimme bei, wie sie Namen, Orte und Wörter liest, die sie falsch ausspricht. Klicken Sie auf Wort hinzufügen, tragen Sie das Wort unter Schreibweise und seine Lesung in Kana unter Gelesen als ein und geben Sie unter Satz testen einen Satz ein, um zu sehen, wie er gelesen wird, und spielen Sie ihn ab. Es ändert sich nur das Gesprochene; die geschriebenen Nachrichten bleiben unverändert. Das Wörterbuch fasst bis zu 100 Wörter, und nur Workspace-Manager können es ändern. Testen Sie zum Abschluss mit dem Testanruf des Agenten an einem echten Telefon. Siehe auch Sprachauswahl in der IVR.

Häufig gestellte Fragen

Warum liest japanisches TTS manche Wörter falsch?

Kanji können mehrere Lesungen haben, und die richtige hängt vom Kontext ab. Rät das System falsch, können Sie es beheben, indem Sie die Lesung in Kana angeben.

Kann ich den Tonhöhenakzent steuern?

Manche Engines erlauben Anpassungen, aber die Regler unterscheiden sich. Praktisch ist oft, eine gute Stimme zu wählen und Sätze umzuformulieren, die merkwürdig klingen.

Wie gehe ich mit Zahlen und Daten um?

Testen Sie sie in den echten Sätzen, die Sie verwenden. Klingt die Lesung falsch, schreiben Sie sie in Kana aus oder formulieren Sie um.

Welche Höflichkeitsstufe sollte ich verwenden?

Wählen Sie eine Stufe, die zu Ihrer Marke und Ihren Anrufenden passt, und verwenden Sie sie in jeder Nachricht einheitlich. Gemischte Stufen klingen nachlässig.

Sollte ich stattdessen eine aufgenommene Stimme nutzen?

Aufnahmen klingen bei festen Nachrichten natürlich, sind aber langsamer zu ändern. Synthese eignet sich für Texte, die sich oft ändern. Viele Unternehmen nutzen beides.

Wie oft sollte ich die Stimme prüfen?

Nach jeder Änderung an Skript, Wörterbuch, Stimme oder Engine sowie regelmäßig mit echten Anrufen. Führen Sie eine Liste früherer Korrekturen zum erneuten Abspielen.

Korrigieren Sie japanische Lesungen mit dem Aussprache-Wörterbuch von Call

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

Verwandte Ratgeber