Как добиться естественного японского синтеза речи в телефонии
Как сделать японский синтез речи естественным на телефонной линии: чтения, паузы, темп, вежливая речь, имена и цикл тестирования, который выявляет ошибки.
Синтез речи (TTS) заметно улучшился, но японский язык по-прежнему ставит его в тупик так, как английский — редко. Абонент, который услышит 日本橋 с неправильным чтением или извинение, произнесённое ровным монотонным голосом, не подумает: «Программа ошиблась». Он решит, что компании всё равно. На телефонной линии, где звук и так узкополосный и ничего не прощает, мелкие ошибки особенно заметны.

Это руководство написано для компаний, работающих в Японии или обслуживающих японоязычных абонентов. В нём объясняется, почему японский язык сложен, описаны шесть самых частых проблем и способы их устранения, а также повторяемый цикл улучшений. В завершение — инструменты Call. Если вы выбираете между записанными сообщениями и синтезом, начните со статьи Записанные сообщения или синтезированный голос?.
Почему японский язык сложен для TTS
В английском написание довольно неплохо подсказывает произношение. В японском иероглифы часто этого не делают. Кандзи может иметь несколько чтений (онное и кунное), и правильное зависит от слова и контекста. Числа и счётные суффиксы меняют форму: одни и те же цифры читаются по-разному с разными счётными словами. Слова, различающиеся только тональным ударением, например 橋 («мост») и 箸 («палочки для еды»), пишутся по-разному, но звучат одинаково, если не считать мелодики. Системе, которая видит только текст, приходится угадывать.
- Чтения: чаще всего ошибки встречаются в именах, топонимах и специальных терминах.
- Тональное ударение: неверное ударение звучит как иностранный акцент, даже если каждый звук правильный.
- Вежливость: кэйго (система вежливой речи) требует правильного уровня и единообразных окончаний.
- Ритм: длинные предложения без пауз сливаются.
Шесть проблем и способы их решения
Что идёт не так и что делать
- Неверные чтенияУказывайте чтение каной для имён, топонимов и терминов.
- Нет паузСокращайте предложения и ставьте знаки препинания там, где говорящий сделал бы вдох.
- Неверный темпЗамедляйтесь на числах и инструкциях; не ускоряйте весь скрипт целиком.
- Неподходящий голосВыбирайте голос, тон которого подходит к ситуации, а не тот, что лучше всех звучит в демо.
- Неверный уровень вежливостиИспользуйте один и тот же уровень кэйго на протяжении всего скрипта.
- Странно звучащие имена собственныеПроверяйте названия компании и продуктов, а также имена сотрудников отдельно.
Чтения
Большинство движков TTS позволяют указать, как читать слово, или поддерживают словарь замен. Составьте список собственных имён, топонимов, названий продуктов и профессиональной лексики с правильным чтением хираганой или катаканой. Проверьте числа, даты, время и разбивку телефонных номеров на группы: они часто звучат неестественно. По возможности избегайте неоднозначных конструкций в скрипте: перефразировать нередко проще, чем исправлять.
Паузы и ритм
Пишите для восприятия на слух. Предложение, которое хорошо выглядит на бумаге, может оказаться слишком длинным, чтобы произнести его на одном дыхании. Разбейте его, поставьте запятую там, где нужна пауза, и помните, что телефонному разговору нужно чуть больше «воздуха», чем тексту на странице. Пункты списков должны быть короткими. Небольшая пауза после приветствия, перед главным вопросом, помогает абоненту настроиться.
Темп
Медленнее — не всегда лучше. Равномерно медленный темп звучит снисходительно, равномерно быстрый утомляет. Варьируйте его: ровный для обычных фраз, чуть медленнее для чисел, адресов и всего, что абоненту нужно записать. Многие абоненты пишут, пока слушают, поэтому дайте им время.
Выбор голоса
Выбирайте голос, прослушивая собственный скрипт на реальном телефоне, а не только демонстрационную фразу. Учитывайте ситуацию: спокойный, тёплый голос подходит для извинения, энергичный и чёткий — для меню. Мужской или женский голос — вопрос бренда и вкуса, но единообразие на всей линии важнее. Для серьёзной информации избегайте голосов с излишне бодрой или эмоциональной интонацией.
Вежливость
Деловые телефонные разговоры в Японии подчиняются правилам почтительности. Выберите один уровень и придерживайтесь его. Смешение разговорных и формальных окончаний в одном сообщении звучит небрежно, а чрезмерно официальный тон может казаться холодным. Привычные фразы, например стандартное приветствие и благодарность за звонок, должны звучать так, как их произнёс бы человек, а не как перевод с другого языка. См. статью Скрипты приветствия для ИИ-ответа на звонки.
Имена собственные
Названия компании и продуктов, а также имена сотрудников заслуживают отдельной проверки, ведь они звучат в каждом звонке. Прослушайте их как в составе предложения, так и отдельно. Названия брендов, в которых смешаны разные системы письма или есть латинские буквы, часто требуют явно заданного чтения.
Цикл улучшений
От скрипта к голосу, который звучит правильно
- Пишите для слухаКороткие предложения, разговорный стиль, единый уровень вежливости.
- Исправьте чтенияДобавьте имена, термины и числа в словарь.
- Прослушайте по телефонуПозвоните на линию и слушайте так, как слушал бы абонент.
- ОценитеОтметьте каждую паузу, ударение или чтение, которое звучит неправильно.
- ДоработайтеОтредактируйте скрипт или словарь.
- Проверьте сноваПрослушайте все прежние исправления, чтобы убедиться, что ничего не сломалось.
Ведите регрессионный список: каждую исправленную проблему вместе с фразой, на которой она проявилась. Прослушивайте его после любого изменения скрипта, голоса или движка, поскольку обновление движка может отменить исправление.
Типичные моменты звонка, которые стоит проверить
Некоторые части звонка слышит каждый абонент, поэтому дополнительное внимание к ним окупается. Прослушайте каждую из них по телефону прежде всего остального.
| Момент | Что проверить | Типичное решение |
|---|---|---|
| Приветствие | Название компании прочитано правильно, тепло и без спешки | Добавить название в словарь; сократить фразу |
| Часы работы | Время и дни недели звучат чётко | Записывать время так, как его произносят вслух |
| Адреса и схема проезда | Топонимы и числа | Чтения каной; более медленный темп; короткие фрагменты |
| Извинение или задержка | Тон спокойный, а не жизнерадостный | Выбрать более спокойный голос; переписать формулировку |
| Завершение | Благодарность и прощание звучат естественно | Использовать стандартную заключительную фразу, а не перевод |
Условный магазин, филиал которого назван в честь местной достопримечательности, может обнаружить, что хуже всего во всём скрипте звучит его собственный адрес. Это обычное дело. Слова, наиболее важные для бизнеса, — его название, адрес и продукты — движок встречал реже всего. Проверяйте их первыми, исправляйте первыми и храните в словаре, где их найдёт следующий сотрудник.
Перед публикацией японского скрипта
- У каждого имени, топонима и термина проверено чтение
- Числа, даты и время звучат естественно в реальных фразах
- Предложения достаточно короткие, чтобы произнести их на одном дыхании
- Во всём скрипте используется один уровень вежливости
- Голос соответствует тону сообщения
- Носитель языка прослушал скрипт по телефону
Почему важна телефонная линия
Телефонный звук сжат и узкополосен: одни детали он скрывает, другие преувеличивает. Голос, который богато звучит в наушниках, на мобильной линии может стать глухим, а некоторые согласные — размытыми. Всегда оценивайте звучание на реальном звонке, желательно через мобильную сеть, а затем ещё раз через стационарную линию. Почему так, объясняет статья Качество звука в телефонии.
Как это сделать в Call
В Call голос ИИ-агента выбирается в разделе «Голос» → «ИИ-голоса». Укажите язык, на котором говорят ваши абоненты, прослушайте образцы на нескольких карточках, нажмите «Использовать этот голос», а затем «Послушать, как слышат абоненты», чтобы прослушать результат с сохранёнными настройками. В области настроек голоса и тестовой площадки можно ввести собственную фразу и прослушать её. Для телефонной линии можно задать отдельный голос; основным языком звонков на линии по умолчанию является японский, а абоненту, говорящему на другом языке, отвечают на его языке.
Словарь произношения на той же странице учит голос правильно читать имена, топонимы и слова, в которых он ошибается. Нажмите «Добавить слово», введите слово в поле «Написание» и его чтение каной в поле «Чтение», затем введите фразу в поле «Проверить фразу», чтобы увидеть, как она будет прочитана, и прослушать её. Меняется только произношение; письменные сообщения остаются прежними. Словарь вмещает до 100 слов, изменять его могут только руководители рабочего пространства. В завершение проверьте результат на реальном телефоне с помощью тестового звонка агента. См. также статью Выбор языка в IVR.
Частые вопросы
Почему японский TTS неправильно читает некоторые слова?
Кандзи могут иметь несколько чтений, и правильное зависит от контекста. Если система ошибается, это можно исправить, указав чтение каной.
Можно ли управлять тональным ударением?
Некоторые движки позволяют его корректировать, но возможности различаются. Часто на практике проще выбрать хороший голос и перефразировать предложения, которые звучат странно.
Как быть с числами и датами?
Проверяйте их в тех фразах, которые вы реально используете. Если чтение звучит неправильно, запишите его каной или перефразируйте.
Какой уровень вежливости использовать?
Выберите уровень, соответствующий вашему бренду и абонентам, и последовательно используйте его во всех сообщениях. Смешение уровней звучит небрежно.
Может, лучше использовать записанный голос?
Записи звучат естественно для неизменных сообщений, но менять их дольше. Синтез подходит для текста, который часто меняется. Многие компании используют оба варианта.
Как часто нужно проверять голос?
После каждого изменения скрипта, словаря, голоса или движка, а также периодически на реальных звонках. Ведите список прошлых исправлений, чтобы прослушивать их повторно.