Como fazer a síntese de voz em japonês soar natural ao telefone
Como deixar a síntese de voz em japonês natural em linhas telefônicas: leituras, pausas, velocidade, honoríficos, nomes e um ciclo de testes que pega erros.
A síntese de voz (TTS) melhorou muito, mas o japonês ainda a faz tropeçar de formas que o inglês raramente faz. Quem ouve 日本橋 lido com a leitura errada, ou um pedido de desculpas dito em tom monótono, não pensará “o software errou”. Pensará que a empresa não se importa. Em uma linha telefônica, onde o áudio já é estreito e pouco tolerante, pequenos erros se destacam.

Este guia, escrito para empresas que operam no Japão ou atendem pessoas que falam japonês, explica por que o japonês é difícil, os seis problemas mais comuns e como corrigi-los, além de um ciclo de melhoria repetível. Ele termina com as ferramentas do Call. Se você está escolhendo entre gravações e síntese, comece por Prompts gravados ou voz sintetizada?.
Por que o japonês é difícil para o TTS
Em inglês, a grafia dá uma boa pista do som. Em japonês, os caracteres muitas vezes não dão. Um kanji pode ter várias leituras (on e kun), e a correta depende da palavra e do contexto. Números e contadores mudam de forma: os mesmos dígitos são lidos de modo diferente com contadores diferentes. Palavras que diferem apenas no tom, como 橋 e 箸, escrevem-se de formas distintas, mas soam iguais, exceto pela melodia. Um sistema que vê apenas o texto precisa adivinhar.
- Leituras: nomes, locais e termos técnicos são os erros mais comuns.
- Acento tonal: um acento errado soa estrangeiro mesmo quando cada som está correto.
- Polidez: o keigo exige o nível certo e terminações consistentes.
- Ritmo: frases longas sem pausas se embolam.
Seis problemas e suas correções
O que dá errado e o que fazer
- Leituras erradasEscreva a leitura em kana para nomes, locais e termos.
- Falta de pausasEncurte as frases e ponha pontuação onde uma pessoa respiraria.
- Velocidade inadequadaDesacelere em números e instruções; não acelere o roteiro inteiro.
- Voz inadequadaEscolha uma voz cujo tom combine com a situação, não apenas a melhor demonstração.
- Polidez inadequadaUse um único nível consistente de keigo do começo ao fim.
- Nomes próprios estranhosTeste separadamente os nomes da empresa, de produtos e de funcionários.
Leituras
A maioria dos motores de TTS permite indicar como uma palavra deve ser lida ou oferece um dicionário de substituições. Monte uma lista com seus próprios nomes, nomes de locais, produtos e jargões, com a leitura correta em hiragana ou katakana. Verifique números, datas, horários e agrupamento de números de telefone, que costumam soar artificiais. Sempre que possível, evite construções ambíguas no roteiro; reescrever costuma ser mais fácil do que corrigir.
Pausas e ritmo
Escreva para o ouvido. Uma frase boa no papel pode ser longa demais para dizer num só fôlego. Divida-a, ponha uma vírgula onde cabe uma pausa e lembre que uma ligação precisa de um pouco mais de espaço do que uma página. Listas devem ter itens curtos. Uma pausa breve depois da saudação, antes da pergunta principal, ajuda quem liga a se preparar.
Velocidade
Mais devagar nem sempre é melhor. Um ritmo lento e uniforme soa condescendente; um ritmo rápido e uniforme cansa. Varie: constante nas frases comuns, um pouco mais lento para números, endereços e tudo que a pessoa precise anotar. Muita gente escreve enquanto ouve, então dê tempo.
Escolha da voz
Escolha a voz ouvindo o seu próprio roteiro em um telefone de verdade, e não só a frase de demonstração. Considere a situação: uma voz calma e acolhedora combina com um pedido de desculpas; uma voz ágil e clara combina com um menu. Masculina ou feminina é questão de marca e gosto, mas a consistência ao longo da linha importa mais. Evite vozes de tom excepcionalmente alegre ou emotivo para informações sérias.
Polidez
As ligações comerciais em japonês seguem convenções de respeito. Use um nível e mantenha-o. Misturar terminações informais e formais na mesma mensagem soa descuidado, e um tom formal demais pode parecer frio. Aberturas naturais, como a saudação padrão e o agradecimento por ligar, devem ser ditas como uma pessoa as diria, e não traduzidas de outro idioma. Veja Roteiros de saudação para atendimento telefônico com IA.
Nomes próprios
Nomes de empresas, produtos e funcionários merecem um teste próprio, pois aparecem em todas as ligações. Diga-os dentro de uma frase e também isolados. Marcas que misturam sistemas de escrita ou contêm letras latinas muitas vezes precisam de uma leitura específica.
Um ciclo de melhoria
Do roteiro a uma voz que soa certa
- Escreva para o ouvidoFrases curtas, estilo falado, polidez consistente.
- Corrija as leiturasInclua nomes, termos e números em um dicionário.
- Ouça em um telefoneLigue para a linha e ouça como quem liga.
- AvalieAnote cada pausa, acento ou leitura que soe errado.
- ReviseEdite o roteiro ou o dicionário.
- Teste de novoReproduza todas as correções anteriores para garantir que nada quebrou.
Mantenha uma lista de regressão: cada problema que você corrigiu, com a frase que o revelou. Reproduza-a após qualquer mudança no roteiro, na voz ou no motor, pois uma atualização do motor pode desfazer uma correção.
Momentos comuns da ligação para verificar
Algumas partes da ligação são ouvidas por todos que ligam, por isso merecem atenção extra. Ouça cada uma delas em um telefone antes de qualquer outra coisa.
| Momento | O que verificar | Correção típica |
|---|---|---|
| Saudação | Nome da empresa lido corretamente, de forma acolhedora e sem pressa | Incluir o nome no dicionário; encurtar a frase |
| Horário de funcionamento | Horários e dias da semana lidos com clareza | Escrever os horários como você os diria em voz alta |
| Endereços e orientações | Nomes de locais e números | Leituras em kana; ritmo mais lento; trechos curtos |
| Pedido de desculpas ou aviso de atraso | Tom calmo, não animado | Escolher uma voz mais calma; reescrever o texto |
| Encerramento | Agradecimento e despedida soam naturais | Usar a frase de encerramento padrão, não uma tradução |
Uma loja hipotética com uma filial batizada com o nome de um ponto turístico local pode descobrir que o próprio endereço é a frase mais deformada de todo o roteiro. Isso é comum. As palavras mais importantes para o negócio, seu nome, seu endereço e seus produtos, também são as que o motor menos viu. Teste-as primeiro, corrija-as primeiro e guarde-as no dicionário, onde a próxima pessoa as encontrará.
Antes de publicar um roteiro em japonês
- Todo nome, local e termo tem uma leitura verificada
- Números, datas e horários soam naturais nas frases reais
- As frases são curtas o bastante para dizer num só fôlego
- Um único nível de polidez é usado do início ao fim
- A voz combina com o tom da mensagem
- Um falante nativo ouviu em um telefone
Por que a linha telefônica importa
O áudio telefônico é comprimido e estreito, o que esconde alguns detalhes e exagera outros. Uma voz que soa rica em fones de ouvido pode ficar abafada em uma linha de celular, e certas consoantes se confundem. Avalie sempre em uma ligação real, de preferência por rede móvel, e de novo por telefone fixo. Qualidade do áudio telefônico explica por quê.
Fazendo isso no Call
No Call, a voz usada pelo seu agente de IA é escolhida em Voz, Vozes de IA. Defina o idioma que quem liga fala, ouça amostras em alguns cartões, pressione Usar esta voz e depois Ouvir o que quem liga ouve para escutar com as configurações salvas. A área Configurações de voz e área de testes permite digitar sua própria frase e ouvi-la. Cada linha telefônica pode ter a própria voz, e o idioma principal das chamadas de uma linha é, por padrão, o japonês; quem fala outro idioma é atendido nesse idioma.
O Dicionário de pronúncia na mesma página ensina a voz a ler nomes, locais e palavras que ela erra. Pressione Adicionar palavra, digite a palavra em Escrita e sua leitura em kana em Lida como, depois digite uma frase em Testar uma frase para ver como será lida e reproduza-a. Só muda o que é falado; as mensagens escritas continuam como estão. O dicionário comporta até 100 palavras, e somente gerentes do espaço de trabalho podem alterá-lo. Termine testando em um telefone real com a chamada de teste do agente. Veja também Seleção de idioma na URA.
Perguntas frequentes
Por que a síntese de voz em japonês lê algumas palavras errado?
Um kanji pode ter várias leituras, e a correta depende do contexto. Se o sistema errar, você pode corrigir informando a leitura em kana.
Posso controlar o acento tonal?
Alguns motores permitem ajustes, mas os controles variam. Muitas vezes o caminho prático é escolher uma boa voz e reescrever as frases que soam estranhas.
Como lidar com números e datas?
Teste-os nas frases reais que você usa. Se a leitura soar errada, escreva-a em kana ou reformule.
Que nível de polidez devo usar?
Escolha um nível que combine com sua marca e com quem liga e use-o de forma consistente em todas as mensagens. Misturar níveis soa descuidado.
Devo usar uma voz gravada?
Gravações soam naturais para mensagens fixas, mas alterá-las é mais lento. A síntese serve para textos que mudam com frequência. Muitas empresas usam as duas.
Com que frequência devo verificar a voz?
Após cada mudança no roteiro, no dicionário, na voz ou no motor, e periodicamente com ligações reais. Mantenha uma lista de correções anteriores para reproduzir.