Tecnología de IA de voz

Cómo lograr que la voz sintética en japonés suene natural por teléfono

Cómo hacer que la voz sintética en japonés suene natural por teléfono: lecturas, pausas, velocidad, honoríficos, nombres y un ciclo de pruebas.

Equipo editorial de Call · Publicado · Lectura de 6 min

La síntesis de voz (TTS) ha mejorado muchísimo, pero el japonés todavía la hace tropezar de maneras que rara vez ocurren con el inglés. Quien oiga 日本橋 leído con la lectura equivocada, o una disculpa dicha en un tono plano y monótono, no pensará «el software se ha equivocado». Pensará que a la empresa no le importa. En una línea telefónica, donde el audio ya es estrecho e implacable, los pequeños errores se notan.

Una persona con auriculares escuchando una voz sintetizada durante una llamada telefónica
Imagen ilustrativa

Esta guía, escrita para empresas que operan en Japón o atienden a personas que hablan japonés, explica por qué el japonés es difícil, los seis problemas más comunes y cómo resolverlos, y un ciclo de mejora repetible. Termina con las herramientas de Call. Si estás eligiendo entre grabaciones y síntesis, empieza por ¿Mensajes grabados o voz sintetizada?.

Por qué el japonés es difícil para el TTS

En español, la ortografía es una buena guía de la pronunciación. En japonés, los caracteres a menudo no lo son. Un kanji puede tener varias lecturas (on y kun), y la correcta depende de la palabra y del contexto. Los números y los contadores cambian de forma: los mismos dígitos se leen distinto con contadores distintos. Las palabras que solo difieren en el tono, como 橋 y 箸, se escriben de forma diferente pero suenan igual salvo por la melodía. Un sistema que solo ve texto tiene que adivinar.

Seis problemas y sus soluciones

Qué falla y qué hacer

  • Lecturas erróneasEscribe la lectura en kana para los nombres, los lugares y los términos.
  • Faltan pausasAcorta las frases y coloca la puntuación donde una persona respiraría.
  • Velocidad inadecuadaReduce el ritmo en los números y las instrucciones; no aceleres todo el guion.
  • Voz inadecuadaElige una voz cuyo tono encaje con la situación, no solo la que mejor suene en la demostración.
  • Cortesía inadecuadaUsa un único nivel de keigo coherente de principio a fin.
  • Nombres propios extrañosPrueba por separado los nombres de la empresa, de los productos y del personal.

Lecturas

La mayoría de los motores TTS permiten indicar cómo debe leerse una palabra, o tienen un diccionario de sustituciones. Elabora una lista con tus propios nombres, topónimos, nombres de productos y jerga, con la lectura correcta en hiragana o katakana. Revisa los números, las fechas, las horas y la agrupación de los números de teléfono, porque a menudo suenan poco naturales. Siempre que puedas, evita construcciones ambiguas en el guion; reformular suele ser más fácil que arreglar.

Pausas y ritmo

Escribe para el oído. Una frase que queda bien en papel puede ser demasiado larga para decirla de un aliento. Divídela, pon una coma donde corresponda una pausa y recuerda que una llamada necesita algo más de espacio que una página. Las enumeraciones deben tener elementos cortos. Una pausa breve después del saludo, antes de la pregunta principal, ayuda a quien llama a prepararse.

Velocidad

Más lento no siempre es mejor. Un ritmo lento uniforme suena condescendiente; uno rápido uniforme cansa. Varíalo: constante en las frases normales y algo más lento en los números, las direcciones y todo lo que la persona deba anotar. Muchas personas escriben mientras escuchan, así que dales tiempo.

Elección de la voz

Elige la voz escuchando tu propio guion en un teléfono real, no solo la frase de la demostración. Piensa en la situación: una voz tranquila y cálida encaja con una disculpa; una ágil y clara, con un menú. Hombre o mujer es cuestión de marca y de gusto, pero la coherencia en toda la línea importa más. Evita las voces de tono inusualmente alegre o emotivo para información seria.

Cortesía

Las llamadas de negocios en japonés siguen convenciones de respeto. Usa un nivel y mantenlo. Mezclar terminaciones informales y formales en un mismo mensaje suena descuidado, y un tono demasiado formal puede resultar frío. Las fórmulas naturales, como el saludo habitual y el agradecimiento por llamar, deben decirse como las diría una persona, no traducidas de otro idioma. Consulta Guiones de saludo para la atención telefónica con IA.

Nombres propios

Los nombres de la empresa, de los productos y del personal merecen su propia prueba, porque aparecen en todas las llamadas. Dilos en una frase y también solos. Las marcas que mezclan sistemas de escritura o contienen letras latinas suelen necesitar una lectura específica.

Un ciclo de mejora

Del guion a una voz que suena bien

  1. Escribir para el oídoFrases cortas, estilo hablado, cortesía coherente.
  2. Corregir lecturasAñade nombres, términos y números a un diccionario.
  3. Escuchar en un teléfonoLlama a la línea y escucha como lo haría quien llama.
  4. ValorarAnota cada pausa, acento o lectura que suene mal.
  5. RevisarEdita el guion o el diccionario.
  6. Volver a probarRepite todas las correcciones anteriores para asegurarte de que no se haya roto nada.

Mantén una lista de regresión: cada problema que hayas corregido, con la frase que lo puso de manifiesto. Repítela después de cualquier cambio en el guion, la voz o el motor, porque una actualización del motor puede deshacer una corrección.

Momentos habituales de la llamada que conviene revisar

Hay partes de una llamada que oye todo el mundo, así que merecen atención extra. Escucha cada una de ellas en un teléfono antes que cualquier otra cosa.

MomentoQué comprobarSolución habitual
SaludoEl nombre de la empresa se lee correctamente, con calidez y sin prisasAñade el nombre al diccionario; acorta la frase
Horario de atenciónLas horas y los días de la semana se leen con claridadEscribe las horas como las dirías en voz alta
Direcciones e indicacionesTopónimos y númerosLecturas en kana; ritmo más lento; fragmentos cortos
Disculpa o retrasoEl tono es sereno, no alegreElige una voz más serena; reescribe la redacción
CierreEl agradecimiento y la despedida suenan naturalesUsa la fórmula de cierre habitual, no una traducción

Una tienda hipotética con una sucursal que lleva el nombre de un lugar emblemático de la zona podría descubrir que su propia dirección es la frase peor leída de todo el guion. Es algo común. Las palabras que más importan al negocio, su nombre, su dirección y sus productos, son también las que el motor ha visto menos. Pruébalas primero, corrígelas primero y guárdalas en el diccionario, donde la siguiente persona las encuentre.

Antes de publicar un guion en japonés

  • Cada nombre, lugar y término tiene una lectura comprobada
  • Los números, las fechas y las horas suenan naturales en las frases reales
  • Las frases son lo bastante cortas para decirlas de un aliento
  • Se usa un único nivel de cortesía en todo el guion
  • La voz encaja con el tono del mensaje
  • Una persona nativa ha escuchado en un teléfono

Por qué importa la línea telefónica

El audio telefónico está comprimido y es estrecho, lo que oculta algunos detalles y exagera otros. Una voz que suena rica con auriculares puede sonar apagada en una línea móvil, y ciertas consonantes se difuminan. Evalúa siempre con una llamada real, idealmente por red móvil, y de nuevo por línea fija. La calidad del audio telefónico explica por qué.

Cómo hacerlo en Call

En Call, la voz que usa tu agente de IA se elige en Voz, Voces de IA. Fija el idioma en el que hablan quienes te llaman, escucha las muestras en varias tarjetas, pulsa Usar esta voz y luego pulsa Escuchar lo que oyen quienes llaman para escuchar con los ajustes guardados. El área Ajustes de voz y área de pruebas te permite escribir tu propia frase y escucharla. Una línea telefónica puede tener su propia voz, y el idioma principal de las llamadas de una línea es por defecto el japonés; a quien hable otro idioma se le responde en ese idioma.

El Diccionario de pronunciación de la misma página enseña a la voz cómo leer los nombres, los lugares y las palabras que lee mal. Pulsa Agregar una palabra, escribe la palabra en Escritura y su lectura en kana en Lectura (kana), y luego escribe una frase en Probar una frase para ver cómo se leerá y reproducirla. Solo cambia lo que se pronuncia; los mensajes escritos se quedan como están. El diccionario admite hasta 100 palabras y solo los gestores del espacio de trabajo pueden modificarlo. Termina probando en un teléfono real con la llamada de prueba del agente. Consulta también Selección de idioma en el IVR.

Preguntas frecuentes

¿Por qué el TTS en japonés lee mal algunas palabras?

Los kanji pueden tener varias lecturas y la correcta depende del contexto. Si el sistema adivina mal, puedes corregirlo dando la lectura en kana.

¿Puedo controlar el acento tonal?

Algunos motores permiten ajustes, pero los controles varían. A menudo lo más práctico es elegir una buena voz y reformular las frases que suenan raras.

¿Cómo trato los números y las fechas?

Pruébalos dentro de las frases reales que usas. Si la lectura suena mal, escríbela en kana o reformula.

¿Qué nivel de cortesía debo usar?

Elige un nivel que encaje con tu marca y con quienes te llaman, y úsalo de forma coherente en todos los mensajes. Mezclar niveles suena descuidado.

¿Debería usar una voz grabada?

Las grabaciones suenan naturales en los mensajes fijos, pero cambiarlas es más lento. La síntesis encaja con los textos que cambian a menudo. Muchas empresas usan ambas.

¿Con qué frecuencia debo revisar la voz?

Después de cada cambio en el guion, el diccionario, la voz o el motor, y de forma periódica con llamadas reales. Guarda una lista de correcciones anteriores para repetirlas.

Corrige las lecturas del japonés con el diccionario de pronunciación de Call

En la consola de demo puedes probar llamadas entrantes en una simulación.

Guías relacionadas