Technologia głosowej AI

Jak sprawić, by japońska synteza mowy brzmiała naturalnie w telefonie

Jak sprawić, by japońska synteza mowy brzmiała naturalnie na linii telefonicznej: odczyty, pauzy, tempo, honoryfikatywy, nazwy własne i cykl testów wyłapujący błędy.

Redakcja Call · Opublikowano · Czas czytania: 5 min

Synteza mowy (TTS) bardzo się poprawiła, jednak japoński wciąż sprawia jej kłopoty, jakich rzadko nastręcza angielski. Dzwoniący, który usłyszy 日本橋 odczytane błędnie albo przeprosiny wygłoszone płaskim monotonem, nie pomyśli „oprogramowanie się pomyliło”. Pomyśli, że firmie nie zależy. W telefonie, gdzie dźwięk jest wąski i nieprzebaczający, drobne błędy od razu rzucają się w uszy.

Osoba w słuchawkach słucha syntetycznego głosu podczas rozmowy telefonicznej
Obraz poglądowy

Ten poradnik, przeznaczony dla firm działających w Japonii lub obsługujących japońskojęzycznych rozmówców, wyjaśnia, dlaczego japoński jest trudny, jakie jest sześć najczęstszych problemów i jak je naprawiać, oraz przedstawia powtarzalny cykl usprawnień. Na końcu opisujemy narzędzia w Call. Jeśli wybierasz między nagraniami a syntezą, zacznij od artykułu Nagrane komunikaty czy syntetyczny głos?.

Dlaczego japoński jest trudny dla TTS

W angielskim, a tym bardziej w polskim, pisownia daje niezłą wskazówkę co do brzmienia. W japońskim znaki często jej nie dają. Jeden kanji może mieć kilka odczytów (on i kun), a właściwy zależy od słowa i kontekstu. Liczby i klasyfikatory zmieniają formę: te same cyfry czyta się inaczej z różnymi klasyfikatorami. Słowa różniące się tylko akcentem tonicznym, jak 橋 i 箸, zapisuje się inaczej, ale brzmią podobnie poza melodią. System widzący wyłącznie tekst musi zgadywać.

Sześć problemów i ich rozwiązania

Co idzie nie tak i co robić

  • Błędne odczytyZapisz odczyt kaną dla nazwisk, miejsc i terminów.
  • Brak pauzSkracaj zdania i stawiaj interpunkcję tam, gdzie mówca nabrałby oddechu.
  • Złe tempoZwalniaj przy liczbach i instrukcjach; nie przyspieszaj całego skryptu.
  • Nieodpowiedni głosWybierz głos o tonie pasującym do sytuacji, a nie po prostu ten z najlepszego dema.
  • Zły poziom grzecznościStosuj jeden spójny poziom keigo w całości.
  • Dziwne nazwy własneTestuj osobno nazwy firmy, produktów i pracowników.

Odczyty

Większość silników TTS pozwala określić, jak czytać dane słowo, albo ma słownik wyjątków. Zbuduj listę własnych nazwisk, nazw miejsc, produktów i żargonu z poprawnym odczytem w hiraganie lub katakanie. Sprawdź liczby, daty, godziny i grupowanie numerów telefonu, bo często czyta się je nienaturalnie. Tam, gdzie to możliwe, unikaj w skrypcie dwuznacznych konstrukcji; przeformułowanie bywa łatwiejsze niż naprawa.

Pauzy i rytm

Pisz dla ucha. Zdanie, które na papierze jest w porządku, może być zbyt długie na jeden oddech. Podziel je, postaw przecinek tam, gdzie należy zrobić pauzę, i pamiętaj, że rozmowa telefoniczna potrzebuje nieco więcej przestrzeni niż strona tekstu. Wyliczenia powinny mieć krótkie pozycje. Krótka pauza po powitaniu, przed głównym pytaniem, pomaga rozmówcy się przygotować.

Tempo

Wolniej nie zawsze znaczy lepiej. Jednostajnie wolne tempo brzmi protekcjonalnie, jednostajnie szybkie męczy. Różnicuj je: równo przy zwykłych zdaniach, nieco wolniej przy liczbach, adresach i wszystkim, co dzwoniący musi zanotować. Wielu rozmówców pisze w trakcie słuchania, więc daj im czas.

Wybór głosu

Wybieraj głos, słuchając własnego skryptu na prawdziwym telefonie, a nie tylko zdania demonstracyjnego. Weź pod uwagę sytuację: spokojny, ciepły głos pasuje do przeprosin, rzeczowy i wyraźny do menu. Męski czy żeński to kwestia marki i gustu, ale ważniejsza jest spójność na całej linii. Unikaj głosów o nietypowo jasnym lub emocjonalnym tonie przy poważnych informacjach.

Grzeczność

Japońskie rozmowy biznesowe rządzą się konwencjami szacunku. Wybierz jeden poziom i się go trzymaj. Mieszanie nieformalnych i formalnych zakończeń w jednej wiadomości brzmi niedbale, a nadmierna oficjalność może wydawać się chłodna. Naturalne formuły, takie jak standardowe powitanie i podziękowanie za telefon, powinny brzmieć tak, jak powiedziałaby je osoba, a nie jak tłumaczenie z innego języka. Zobacz Skrypty powitań dla AI odbierającego telefony.

Nazwy własne

Nazwy firm, produktów i pracowników zasługują na osobny test, bo pojawiają się w każdej rozmowie. Wypowiedz je zarówno w zdaniu, jak i osobno. Nazwy marek łączące pisma albo zawierające litery łacińskie często wymagają określonego odczytu.

Cykl usprawnień

Od skryptu do głosu, który brzmi dobrze

  1. Pisz dla uchaKrótkie zdania, styl mówiony, spójna grzeczność.
  2. Popraw odczytyDodaj nazwiska, terminy i liczby do słownika.
  3. Posłuchaj w telefonieZadzwoń na linię i słuchaj jak dzwoniący.
  4. OceńZanotuj każdą pauzę, akcent lub odczyt, który brzmi źle.
  5. PoprawZmień skrypt lub słownik.
  6. Przetestuj ponownieOdtwórz wszystkie wcześniejsze poprawki, by upewnić się, że nic się nie zepsuło.

Prowadź listę regresji: każdy naprawiony problem wraz ze zdaniem, które go ujawniło. Odtwarzaj ją po każdej zmianie skryptu, głosu lub silnika, bo aktualizacja silnika może cofnąć poprawkę.

Typowe momenty rozmowy do sprawdzenia

Niektóre fragmenty rozmowy słyszy każdy dzwoniący, więc warto poświęcić im więcej uwagi. Przesłuchaj każdy z nich w telefonie, zanim zajmiesz się czymkolwiek innym.

MomentCo sprawdzićTypowa poprawka
PowitanieNazwa firmy odczytana poprawnie, ciepło i bez pośpiechuDodaj nazwę do słownika; skróć zdanie
Godziny pracyGodziny i dni tygodnia czytane wyraźnieZapisuj godziny tak, jak powiedziałbyś je na głos
Adresy i wskazówki dojazduNazwy miejsc i liczbyOdczyty kaną; wolniejsze tempo; krótkie porcje
Przeprosiny lub opóźnienieTon jest spokojny, nie wesołyWybierz spokojniejszy głos; przepisz sformułowanie
ZakończeniePodziękowanie i pożegnanie brzmią naturalnieUżyj standardowej formuły zakończenia, a nie tłumaczenia

Hipotetyczny sklep z oddziałem nazwanym od lokalnego zabytku może odkryć, że jego własny adres jest najbardziej zniekształconym zdaniem w całym skrypcie. To częste. Słowa najważniejsze dla firmy, czyli jej nazwa, adres i produkty, są jednocześnie tymi, które silnik widział najrzadziej. Testuj je pierwsze, poprawiaj je pierwsze i trzymaj w słowniku, gdzie znajdzie je następna osoba.

Zanim opublikujesz japoński skrypt

  • Każde nazwisko, miejsce i termin ma sprawdzony odczyt
  • Liczby, daty i godziny brzmią naturalnie w prawdziwych zdaniach
  • Zdania są na tyle krótkie, by wypowiedzieć je jednym tchem
  • Cały czas stosowany jest jeden poziom grzeczności
  • Głos pasuje do tonu komunikatu
  • Osoba mówiąca po japońsku jako ojczystym odsłuchała całość w telefonie

Dlaczego linia telefoniczna ma znaczenie

Dźwięk telefoniczny jest skompresowany i wąski, co ukrywa niektóre szczegóły, a inne wyolbrzymia. Głos brzmiący bogato w słuchawkach może być zamulony w sieci komórkowej, a niektóre spółgłoski się zlewają. Zawsze oceniaj na prawdziwej rozmowie, najlepiej przez sieć komórkową, a potem ponownie przez linię stacjonarną. Artykuł Jakość dźwięku telefonicznego wyjaśnia dlaczego.

Jak to zrobić w Call

W Call głos, którego używa twój agent AI, wybierasz w sekcji Głos, Głosy AI. Ustaw język, którym mówią twoi rozmówcy, posłuchaj próbek na kilku kartach, naciśnij Użyj tego głosu, a następnie Posłuchaj, co słyszą dzwoniący, by odsłuchać zapisane ustawienia. Obszar Ustawienia głosu i plac zabaw pozwala wpisać własne zdanie i go odsłuchać. Linia telefoniczna może mieć własny głos, a główny język połączeń linii domyślnie jest japoński; dzwoniący mówiący w innym języku otrzymuje odpowiedź w tym języku.

Słownik wymowy na tej samej stronie uczy głos, jak czytać nazwiska, miejsca i słowa, które odczytuje błędnie. Naciśnij Dodaj słowo, wpisz słowo w polu Zapisane jako, a jego odczyt kaną w polu Czytane jako, następnie wpisz zdanie w polu Wypróbuj zdanie, by zobaczyć, jak zostanie odczytane, i odtwórz je. Zmienia się tylko to, co jest wypowiadane; wiadomości pisemne pozostają bez zmian. Słownik mieści do 100 słów, a edytować go mogą tylko menedżerowie przestrzeni roboczej. Na koniec przetestuj na prawdziwym telefonie połączeniem testowym agenta. Zobacz też Wybór języka w IVR.

Najczęstsze pytania

Dlaczego japońskie TTS czyta niektóre słowa błędnie?

Kanji może mieć kilka odczytów, a poprawny zależy od kontekstu. Jeśli system zgadnie źle, możesz to naprawić, podając odczyt kaną.

Czy mogę kontrolować akcent tonalny?

Niektóre silniki pozwalają na korekty, ale opcje są różne. Często praktycznym podejściem jest wybór dobrego głosu i przeformułowanie zdań, które brzmią dziwnie.

Jak postępować z liczbami i datami?

Testuj je w prawdziwych zdaniach, których używasz. Jeśli odczyt brzmi źle, zapisz go kaną lub przeformułuj.

Jakiego poziomu grzeczności używać?

Wybierz poziom pasujący do marki i rozmówców i stosuj go konsekwentnie w każdej wiadomości. Mieszanie poziomów brzmi niedbale.

Czy zamiast tego użyć nagranego głosu?

Nagrania brzmią naturalnie w stałych komunikatach, ale ich zmiana jest wolniejsza. Synteza pasuje do tekstów, które często się zmieniają. Wiele firm stosuje oba rozwiązania.

Jak często sprawdzać głos?

Po każdej zmianie skryptu, słownika, głosu lub silnika oraz okresowo na prawdziwych rozmowach. Prowadź listę dawnych poprawek do odtwarzania.

Popraw japońskie odczyty za pomocą słownika wymowy w Call

W konsoli demo możesz wypróbować połączenia przychodzące w symulacji.

Powiązane poradniki