फ़ोन पर जापानी टेक्स्ट-टू-स्पीच को स्वाभाविक कैसे बनाएँ
फ़ोन लाइन पर जापानी टेक्स्ट-टू-स्पीच को स्वाभाविक बनाने की गाइड: उच्चारण, विराम, गति, शिष्टता स्तर, नाम और गलतियाँ पकड़ने वाला टेस्ट चक्र।
टेक्स्ट-टू-स्पीच (TTS) में बहुत सुधार हुआ है, फिर भी जापानी भाषा उसे ऐसी जगहों पर उलझा देती है जहाँ अंग्रेज़ी शायद ही कभी उलझाती है। जो कॉलर 日本橋 का गलत उच्चारण सुनता है, या सपाट, एक-सुरी आवाज़ में माफ़ी सुनता है, वह यह नहीं सोचेगा कि "सॉफ़्टवेयर से गलती हुई"। वह सोचेगा कि कंपनी को परवाह नहीं है। फ़ोन लाइन पर, जहाँ ऑडियो पहले से ही सीमित और कठोर होता है, छोटी गलतियाँ भी साफ़ सुनाई देती हैं।

यह गाइड उन व्यवसायों के लिए है जो जापान में काम करते हैं या जापानी बोलने वाले कॉलरों को सेवा देते हैं। इसमें बताया गया है कि जापानी कठिन क्यों है, छह सबसे आम समस्याएँ और उनके समाधान क्या हैं, और सुधार का एक दोहराने योग्य चक्र क्या है। अंत में Call के टूल बताए गए हैं। अगर आप रिकॉर्डिंग और सिंथेसिस में से चुन रहे हैं, तो यहाँ से शुरू करें: रिकॉर्ड किए गए प्रॉम्प्ट या सिंथेसाइज़्ड आवाज़?।
TTS के लिए जापानी कठिन क्यों है
अंग्रेज़ी में वर्तनी से ध्वनि का काफ़ी अच्छा अंदाज़ा मिल जाता है। जापानी में अक्सर अक्षरों से ऐसा नहीं होता। एक कांजी के कई उच्चारण (ओन और कुन) हो सकते हैं, और सही उच्चारण शब्द और संदर्भ पर निर्भर करता है। संख्याएँ और गिनती के शब्द (काउंटर) अपना रूप बदलते हैं: अलग काउंटर के साथ वही अंक अलग तरह से पढ़े जाते हैं। 橋 (पुल) और 箸 (चॉपस्टिक) जैसे शब्द, जिनमें फ़र्क़ सिर्फ़ सुर का है, लिखे अलग जाते हैं लेकिन धुन को छोड़कर एक जैसे सुनाई देते हैं। जो सिस्टम सिर्फ़ टेक्स्ट देखता है, उसे अनुमान लगाना पड़ता है।
- उच्चारण: नाम, जगहें और तकनीकी शब्द सबसे आम गलतियाँ हैं।
- पिच एक्सेंट: हर ध्वनि सही होने पर भी गलत सुर विदेशी जैसा लगता है।
- शिष्टता: केइगो (जापानी आदरसूचक भाषा) में सही स्तर और एक जैसे वाक्यांत चाहिए।
- लय: बिना विराम के लंबे वाक्य आपस में घुल-मिल जाते हैं।
छह समस्याएँ और उनके समाधान
क्या गलत होता है और क्या करें
- गलत उच्चारणनाम, जगहों और शब्दों का उच्चारण काना में लिखकर बताएँ।
- विराम का न होनावाक्य छोटे करें और विराम चिह्न वहाँ रखें जहाँ बोलने वाला साँस लेगा।
- गलत गतिसंख्याओं और निर्देशों पर धीमे हो जाएँ; पूरी स्क्रिप्ट तेज़ी से न दौड़ाएँ।
- गलत आवाज़ऐसी आवाज़ चुनें जिसका लहजा स्थिति के अनुकूल हो, सिर्फ़ सबसे अच्छा डेमो नहीं।
- गलत शिष्टताशुरू से अंत तक केइगो का एक ही स्तर रखें।
- अटपटे नामकंपनी, प्रोडक्ट और स्टाफ़ के नामों को अलग से टेस्ट करें।
उच्चारण
ज़्यादातर TTS इंजन यह बताने का तरीका देते हैं कि किसी शब्द को कैसे पढ़ा जाए, या ओवरराइड की एक डिक्शनरी देते हैं। अपने नामों, जगहों, प्रोडक्ट के नामों और विशेष शब्दों की सूची बनाएँ, साथ में हिरागाना या काताकाना में सही उच्चारण लिखें। संख्याएँ, तारीखें, समय और फ़ोन नंबर के अंकों के समूह जाँचें, क्योंकि वे अक्सर अस्वाभाविक ढंग से पढ़े जाते हैं। जहाँ संभव हो, स्क्रिप्ट में अस्पष्ट वाक्य-रचना से बचें; अक्सर वाक्य दोबारा लिखना उसे ठीक करने से आसान होता है।
विराम और लय
सुनने के लिए लिखें। जो वाक्य कागज़ पर ठीक है, वह एक साँस में बोलने के लिए बहुत लंबा हो सकता है। उसे तोड़ें, जहाँ विराम आना चाहिए वहाँ कॉमा लगाएँ, और याद रखें कि फ़ोन कॉल को पन्ने की तुलना में थोड़ी ज़्यादा जगह चाहिए। सूचियों में आइटम छोटे होने चाहिए। अभिवादन के बाद, मुख्य प्रश्न से पहले एक छोटा विराम कॉलरों को तैयार होने में मदद करता है।
गति
धीमा हमेशा बेहतर नहीं होता। एक जैसी धीमी गति उपदेश देने जैसी लगती है; एक जैसी तेज़ गति थका देती है। इसमें विविधता लाएँ: सामान्य वाक्यों के लिए स्थिर, संख्याओं, पतों और हर उस चीज़ के लिए थोड़ा धीमा जो कॉलर को लिखनी हो। कई कॉलर सुनते हुए लिखते हैं, इसलिए उन्हें समय दें।
आवाज़ का चुनाव
आवाज़ सिर्फ़ डेमो वाक्य से नहीं, बल्कि असली फ़ोन पर अपनी ही स्क्रिप्ट सुनकर चुनें। स्थिति पर विचार करें: शांत, आत्मीय आवाज़ माफ़ी के लिए ठीक है, फुर्तीली, साफ़ आवाज़ मेनू के लिए। पुरुष या महिला आवाज़ ब्रांड और पसंद का मामला है, लेकिन पूरी लाइन पर एकरूपता उससे ज़्यादा मायने रखती है। गंभीर जानकारी के लिए असामान्य रूप से चहकती या भावुक आवाज़ों से बचें।
शिष्टता
जापान में व्यावसायिक फ़ोन कॉल सम्मान की तय परंपराओं का पालन करती हैं। एक स्तर चुनें और उसी पर टिके रहें। एक ही संदेश में अनौपचारिक और औपचारिक वाक्यांत मिलाना लापरवाही जैसा लगता है, और ज़रूरत से ज़्यादा औपचारिक लहजा ठंडा महसूस हो सकता है। मानक अभिवादन और कॉल करने के लिए धन्यवाद जैसे स्वाभाविक शुरुआती वाक्य वैसे ही बोले जाने चाहिए जैसे कोई व्यक्ति बोलता है, किसी दूसरी भाषा से अनुवाद करके नहीं। देखें AI फ़ोन आंसरिंग के लिए अभिवादन स्क्रिप्ट।
व्यक्तिवाचक नाम
कंपनी के नाम, प्रोडक्ट के नाम और स्टाफ़ के नाम का अलग से टेस्ट होना चाहिए, क्योंकि वे हर कॉल में आते हैं। उन्हें अकेले भी और वाक्य में भी बोलकर देखें। जिन ब्रांड नामों में कई लिपियाँ मिली हों या लैटिन अक्षर हों, उन्हें अक्सर खास उच्चारण की ज़रूरत होती है।
सुधार का एक चक्र
स्क्रिप्ट से सही सुनाई देने वाली आवाज़ तक
- सुनने के लिए लिखेंछोटे वाक्य, बोलचाल की शैली, एक जैसी शिष्टता।
- उच्चारण ठीक करेंनाम, शब्द और संख्याएँ डिक्शनरी में जोड़ें।
- फ़ोन पर सुनेंलाइन पर कॉल करें और कॉलर की तरह सुनें।
- आकलन करेंहर गलत लगने वाला विराम, सुर या उच्चारण नोट करें।
- संशोधन करेंस्क्रिप्ट या डिक्शनरी संपादित करें।
- दोबारा टेस्ट करेंपहले के सभी सुधार फिर से चलाएँ ताकि पक्का हो कि कुछ टूटा नहीं।
एक रिग्रेशन सूची रखें: हर वह समस्या जो आपने ठीक की है, उस वाक्य के साथ जिसने उसे उजागर किया। स्क्रिप्ट, आवाज़ या इंजन में किसी भी बदलाव के बाद इसे फिर से चलाएँ, क्योंकि इंजन अपडेट किसी सुधार को बेअसर कर सकता है।
कॉल के आम हिस्से जिन्हें जाँचना चाहिए
कॉल के कुछ हिस्से हर कॉलर सुनता है, इसलिए उन पर अतिरिक्त ध्यान देना फ़ायदेमंद है। किसी और चीज़ से पहले इनमें से हर एक को फ़ोन पर सुनें।
| हिस्सा | क्या जाँचें | आम समाधान |
|---|---|---|
| अभिवादन | कंपनी का नाम सही पढ़ा गया, आत्मीय और बिना जल्दबाज़ी के | नाम डिक्शनरी में जोड़ें; वाक्य छोटा करें |
| कामकाजी घंटे | समय और सप्ताह के दिन साफ़ पढ़े गए | समय वैसे लिखें जैसे आप उसे ज़ोर से बोलेंगे |
| पते और रास्ता | जगहों के नाम और संख्याएँ | काना में उच्चारण; धीमी गति; छोटे टुकड़े |
| माफ़ी या देरी | लहजा शांत हो, खुशमिज़ाज नहीं | शांत आवाज़ चुनें; शब्द दोबारा लिखें |
| समापन | धन्यवाद और विदाई स्वाभाविक लगे | अनुवाद नहीं, मानक समापन वाक्य इस्तेमाल करें |
मान लीजिए किसी दुकान की एक शाखा का नाम किसी स्थानीय पहचान-स्थल पर रखा गया है; उसे पता चल सकता है कि उसका अपना पता पूरी स्क्रिप्ट का सबसे बिगड़ा हुआ वाक्य है। ऐसा होना आम है। व्यवसाय के लिए सबसे ज़रूरी शब्द, यानी उसका नाम, पता और प्रोडक्ट, वही हैं जो इंजन ने सबसे कम देखे हैं। उन्हें सबसे पहले टेस्ट करें, सबसे पहले ठीक करें और डिक्शनरी में रखें जहाँ अगला व्यक्ति उन्हें ढूँढ सके।
जापानी स्क्रिप्ट प्रकाशित करने से पहले
- हर नाम, जगह और शब्द का उच्चारण जाँचा गया है
- असली वाक्यों में संख्याएँ, तारीखें और समय स्वाभाविक लगते हैं
- वाक्य इतने छोटे हैं कि एक साँस में बोले जा सकें
- शुरू से अंत तक एक ही शिष्टता स्तर है
- आवाज़ संदेश के लहजे के अनुकूल है
- किसी मूल वक्ता ने इसे फ़ोन पर सुना है
फ़ोन लाइन क्यों मायने रखती है
टेलीफ़ोन ऑडियो कंप्रेस्ड और सीमित होता है, जो कुछ बारीकियाँ छिपा देता है और कुछ को बढ़ा देता है। जो आवाज़ हेडफ़ोन में भरी-पूरी लगती है, वह मोबाइल लाइन पर धुंधली हो सकती है, और कुछ व्यंजन अस्पष्ट हो जाते हैं। हमेशा असली कॉल पर आकलन करें, हो सके तो मोबाइल नेटवर्क पर, और फिर लैंडलाइन पर। टेलीफ़ोन ऑडियो क्वालिटी में इसकी वजह बताई गई है।
Call में यह कैसे करें
Call में, आपका AI एजेंट जो आवाज़ इस्तेमाल करता है, वह Voice, AI voices में चुनी जाती है। भाषा वही सेट करें जो आपके कॉलर बोलते हैं, कुछ कार्ड पर सैंपल सुनें, Use this voice दबाएँ, फिर सेव की गई सेटिंग के साथ सुनने के लिए Hear what callers hear दबाएँ। Voice settings and playground क्षेत्र में आप अपना वाक्य टाइप करके सुन सकते हैं। किसी फ़ोन लाइन की अपनी आवाज़ हो सकती है, और लाइन की कॉल के लिए मुख्य भाषा डिफ़ॉल्ट रूप से जापानी होती है; दूसरी भाषा बोलने वाले कॉलर को उसी भाषा में जवाब दिया जाता है।
उसी पेज पर मौजूद Pronunciation dictionary आवाज़ को सिखाती है कि जिन नामों, जगहों और शब्दों को वह गलत पढ़ती है, उन्हें कैसे पढ़े। Add a word दबाएँ, Written as में शब्द और Read as में काना में उसका उच्चारण टाइप करें, फिर Try a sentence में एक वाक्य टाइप करके देखें कि वह कैसे पढ़ा जाएगा और उसे चलाएँ। सिर्फ़ बोला जाने वाला हिस्सा बदलता है; लिखित संदेश जैसे हैं वैसे ही रहते हैं। डिक्शनरी में 100 शब्द तक रखे जा सकते हैं, और इसे सिर्फ़ वर्कस्पेस मैनेजर बदल सकते हैं। अंत में एजेंट की टेस्ट कॉल से असली फ़ोन पर टेस्ट करें। यह भी देखें IVR में भाषा चयन।
अक्सर पूछे जाने वाले प्रश्न
जापानी TTS कुछ शब्द गलत क्यों पढ़ता है?
कांजी के कई उच्चारण हो सकते हैं, और सही उच्चारण संदर्भ पर निर्भर करता है। अगर सिस्टम गलत अनुमान लगाता है, तो आप काना में उच्चारण देकर उसे ठीक कर सकते हैं।
क्या मैं पिच एक्सेंट नियंत्रित कर सकता हूँ?
कुछ इंजन बदलाव की अनुमति देते हैं, लेकिन नियंत्रण अलग-अलग होते हैं। अक्सर व्यावहारिक तरीका यह है कि अच्छी आवाज़ चुनें और अटपटे लगने वाले वाक्यों को दोबारा लिखें।
संख्याओं और तारीखों को कैसे संभालें?
उन्हें उन्हीं असली वाक्यों में टेस्ट करें जिनका आप उपयोग करते हैं। जहाँ उच्चारण गलत लगे, वहाँ उसे काना में लिखें या वाक्य बदलें।
कौन-सा शिष्टता स्तर इस्तेमाल करना चाहिए?
ऐसा स्तर चुनें जो आपके ब्रांड और कॉलरों के अनुकूल हो, और हर संदेश में उसे एक जैसा रखें। स्तर मिलाना लापरवाही जैसा लगता है।
क्या इसकी जगह रिकॉर्ड की गई आवाज़ इस्तेमाल करनी चाहिए?
तय संदेशों के लिए रिकॉर्डिंग स्वाभाविक लगती है, लेकिन उन्हें बदलना धीमा होता है। बार-बार बदलने वाले टेक्स्ट के लिए सिंथेसिस ठीक है। कई व्यवसाय दोनों का उपयोग करते हैं।
आवाज़ कितनी बार जाँचनी चाहिए?
स्क्रिप्ट, डिक्शनरी, आवाज़ या इंजन में हर बदलाव के बाद, और समय-समय पर असली कॉल के साथ। पिछले सुधारों की सूची रखें ताकि उन्हें दोबारा चलाया जा सके।