IVR 提示音:真人录音与文字转语音对比
如何在真人录音和文字转语音(TTS)之间为电话提示音做选择、如何为耳朵写作,以及如何保持音频清晰并及时更新,让来电者听得明白。
每个电话菜单,大部分都是大声说出来的话。这些话听起来怎样,决定了来电者的第一印象;能多快修改,则决定了它们能否保持准确。核心的选择,是在真人录音和合成语音之间,后者通常称为文字转语音,即 TTS。

本文对比这两种方式,讲解如何写出容易听懂的提示语,介绍录音和合成语音的实践,最后给出维护流程。它为《IVR 菜单设计》和《10 个常见 IVR 错误及纠正方法》提供支持。
真人录音还是文字转语音
两种方式的对比
| 真人录音 | 文字转语音 | |
|---|---|---|
| 声音 | 温暖、自然,带有说话者的个性 | 稳定而清晰;质量因声音和语言而异 |
| 修改提示 | 需要重新录音,或同一位说话者和同一间房间 | 编辑文字后重新生成 |
| 人名和生僻词 | 由熟悉它们的人正确读出 | 可能需要调整发音 |
| 语言 | 每种语言都需要一位说话者 | 通常很容易增加,但要检查每种语言的质量 |
| 成本与工作量 | 需要录制、剪辑、重录的时间 | 需要撰写和检查的时间;几乎没有制作工作 |
| 风险 | 说话者离开后声音会变 | 发音错误,长段落平淡单调 |
没有哪一种在所有情况下都更好。一家全新开业的餐厅,可能喜欢老板亲切地说一句“感谢您的来电”的录音;而一位物业管理者的季节性通知每周都在变,会看重可以编辑文字这一点。
混合方式
常见的折中做法是:录制很少变化的问候语和结束语,而营业时间、通知、姓名以及任何会更新的内容用 TTS。让两种声音的语气保持相近,使衔接不显突兀,并测试这些过渡。
为耳朵而写
在纸面上读来顺畅的文字,说出来可能显得笨拙。在录制或生成之前,把每条提示大声读一遍。
- 每句话一个意思。短句更容易听懂。
- 先说名称,再说按键。 “账单问题,请按 1。”
- 按说话的方式写数字。把日期和时间写成语音能正确读出的样子,并检查系统是怎么读的。
- 避免缩写。除非大家说话时都读缩写,否则请写出全称。
- 有意地加入停顿。每个选项之后留一拍,给来电者思考的时间。
- 删掉多余的话。 “请注意”“敬请”之类的话会多占几秒,却没有实际意义。
提示语撰写清单
- 大声读一遍,发现别扭的措辞
- 尽可能让每条提示在十秒左右以内
- 按键放在名称之后
- 日期、时间和数字按口语核对过
- 没有内部名称或行话
- 团队之外的人听过
录制真人声音
可靠的录音流程
- 准备脚本定稿每一条提示,包括按错键和无输入时的提示。
- 选择房间安静、有软装饰、无回声,关闭手机和风扇。
- 一次录完所有提示用同一声音、同一麦克风、同样的距离。
- 轻度剪辑去掉静音、均衡音量,避免过度处理。
- 用电话检查电话线路传输的音频比录音棚少,请用真实通话验证清晰度。
选择说话者
选一个清晰、温暖、适合您来电者的声音。平静、中等的语速效果不错。如果您打算让合成语音接管部分提示,请选择与之差别不太大的录音声音。如果使用的不是您自己的声音,请确保已获得说话者使用其声音的书面许可。
用好文字转语音
现代合成语音可以听起来很自然,但仍需细心。为每种语言选一个声音,在电话线路上听一听,并用您实际的文字测试,而不是示例句子。
人名、地名和生僻词
合成语音在姓氏、产品名、地名和缩略词上容易出错。大多数系统允许您为某个词提供发音或读法,对来电者最常听到的五到十个词,这点功夫是值得的。如果某种语言中同一书写形式有多种可能的读法,请结合语境逐一检查。
了解局限
- 长段落听起来会平淡。请把它们拆开。
- 强调和情感有限;不要靠语气来传达紧急程度。
- 语音更新后,同样的文字听起来可能不同。服务商更换声音时,请重新听一遍。
- 对任何“接近真人”的说法都要留有余地。来电者可能会注意到自己听到的是合成语音,在一些地方您可能需要明确告知。
每条线路都需要的一组提示
很容易只写了问候语,却忘了其他。请列出来电者可能听到的每条信息,不要有任何一条留作默认或空白。
| 提示 | 用途 | 要点 |
|---|---|---|
| 问候语 | 说明您是谁 | 一句简短的话 |
| 主菜单 | 提供选项 | 先名称,后按键,选项之间停顿 |
| 按错键或无输入 | 帮助来电者恢复 | 措辞平和,把选项重复一遍 |
| 保持或排队提示 | 告知来电者正在发生什么 | 如实告知等待情况;不要无休止地播放促销 |
| 休息提示 | 说明营业时间和下一步 | 营业时间变化时更新 |
| 语音留言提示 | 请对方留下姓名、号码和事由 | 简短,并有清晰的提示音提示开始说话 |
| 结束语 | 礼貌地结束通话 | 控制在几个字以内 |
请至少把整套提示一起审查一次。不同的人在不同的日子写的提示,常常用不同的词来指同一件事,比如一条里写“预约”,另一条里写“预订”,这会让线路听起来前后不一。
保持音频清晰一致
需要检查的音频品质
- 音量各条提示之间均衡,没有突然的跳变。
- 清晰度在电话线路上没有嘶嘶声、爆音或被截断的字。
- 语速慢到能听清,并有自然的停顿。
- 语气友好、平静,并与您的品牌一致。
让提示保持最新
把提示当作网站文案来对待:它们会过时。保留一份简单的记录,写明确切的措辞、日期和批准人。每季度以及营业时间、服务或人员变化之后复查一次。尽量避免在录音提示中放入有时效性的事实,把它们放进可编辑的文字中。关于如何保持与营业时间相关的信息准确,请参阅《按营业时间、节假日和休业日路由来电》,关于语言方面的要点,请参阅《日语电话系统的文字转语音》。
最后,无论使用哪种方式,都要把每条提示的原文保存在安全的地方。如果录音丢失或声音发生变化,您可以迅速重新制作音频,让线路听起来保持一致。
在 Call 中操作
在 Call 中,AI 语音在“语音”下管理。您可以为工作区选择一个声音,也可以让单条电话线路使用自己的声音。发音词典可以教声音如何读它读错的人名、地名和词语:输入词语的书写形式和假名读法,试听一个句子,然后保存,上限为 100 个词。电话线路的主要语言决定通话以哪种语言开始。Call 提供声音克隆,声音档案有同意确认步骤,因此只有在说话者同意的情况下才能克隆其声音。练习通话和测试通话工具让您在来电者之前先听到效果。请参阅《选择并测试 AI 语音》。
常见问题
真人录音比文字转语音更好吗?
没有哪一种在所有情况下都更优。录音听起来有人情味,适合稳定不变的问候语;文字转语音更容易更新,适合经常变化的信息。许多团队两者都用。
提示应该多长?
在保持清晰的前提下越短越好。菜单大约控制在十秒,较长的信息请拆成独立的选项。
如何纠正读错的人名?
使用语音系统的发音设置(如果有),或者把这个词改写成拼音式的发音写法,并在电话上听一听结果。
需要专业录音棚吗?
不需要。安静的房间、一支不错的麦克风和一致的设置就够了。请用真实通话检查效果。
应该告诉来电者语音是合成的吗?
做法和规定因国家而异。请向当地监管机构确认,如果被问到,请如实回答。
可以使用别人的声音吗?
只有在获得对方明确的书面许可后才可以。这适用于录音,也适用于克隆的声音。