语音 AI 技术

让日语语音合成在电话里听起来自然

如何让日语语音合成在电话线路上听起来自然:读音、停顿、语速、敬语、专有名词,以及能发现错误的测试循环。

Call 编辑部 · 发布于 · 阅读约需 5 分钟

语音合成(TTS)已有长足进步,但日语仍会以英语很少遇到的方式难倒它。来电者如果听到“日本橋”被读错,或道歉的话被说得毫无起伏,不会认为“这是软件出错了”,而会认为这家公司不上心。在本就音频狭窄、毫不留情的电话线路上,小错误格外显眼。

一位戴耳机的人在电话中听合成语音
示意图

本指南面向在日本经营或服务日语来电者的企业,说明日语为什么难、最常见的六类问题及其解决办法,以及一套可重复的改进循环,最后介绍 Call 中的相关工具。如果你正在录音和合成之间犹豫,请先阅读用录音提示还是合成语音?。

日语为什么难倒 TTS

英语的拼写大体能提示发音,而日语的文字往往做不到。一个汉字可能有多种读法(音读和训读),正确的读法取决于词语和上下文。数字和量词会改变形态:同样的数字搭配不同量词,读法不同。仅靠音高区分的词,例如“橋”和“箸”,写法不同,读音除旋律之外却一样。只能看到文字的系统,只能靠猜。

六个问题及其解决办法

哪里出了问题,该怎么办

  • 读音错误对姓名、地名和术语,用假名标明读音。
  • 缺少停顿缩短句子,在说话人会换气的地方加标点。
  • 语速不当数字和操作说明要放慢,不要把整段话术都说得很快。
  • 声音不合适选择语气与场景相称的声音,而不只是示范效果最好的那个。
  • 敬语等级不当全程使用同一个敬语等级。
  • 专有名词怪异单独测试公司名、产品名和员工姓名。

读音

大多数 TTS 引擎都支持指定词语读法,或提供覆盖用的词典。建立一份自己的名称、地名、产品名和行业用语清单,用平假名或片假名标明正确读音。数字、日期、时间和电话号码的分组也要检查,因为它们常常读得不自然。能避免的话,话术中尽量避开容易产生歧义的句式;换一种说法往往比修正读音更省事。

停顿与节奏

要按“听”的习惯来写。纸面上通顺的句子,可能长得一口气说不完。把它拆开,在该停顿的地方加逗号,并记住电话比书面需要稍多一点的间隔。列举的条目要短。问候之后、抛出主要问题之前稍作停顿,有助于来电者做好准备。

语速

慢并不总是更好。一味放慢听起来像居高临下,一味加快则让人疲惫。要有变化:普通句子保持平稳,数字、地址以及来电者需要记下的内容稍慢一些。许多来电者边听边记,请给他们时间。

声音的选择

选择声音时,要在真实电话上听你自己的话术,而不只是听示范句。考虑场景:沉稳温和的声音适合道歉,干脆清晰的声音适合菜单。男声还是女声取决于品牌和喜好,但整条线路的一致性更重要。涉及严肃信息时,避免使用异常明快或情绪化的声音。

敬语

日本的商务电话遵循尊敬的礼仪。选定一个等级,并始终坚持。同一条信息里夹杂随意和正式的句尾显得草率,而过分正式的语气又会显得冷淡。标准的问候语和“感谢来电”这类自然的开场白,应该像真人说话那样表达,而不是从其他语言翻译过来。请参阅AI 电话应答的问候话术。

专有名词

公司名、产品名和员工姓名每通电话都会出现,值得单独测试。既要单独读,也要放在句子里读。混用文字或含有拉丁字母的品牌名,往往需要指定读法。

改进循环

从话术到听起来对味的声音

  1. 按“听”的习惯来写短句、口语化、敬语等级一致。
  2. 修正读音把名称、术语和数字加入词典。
  3. 在电话上试听拨打线路,以来电者的身份去听。
  4. 评价记下每一处听起来不对的停顿、重音或读音。
  5. 修改编辑话术或词典。
  6. 重新测试重放此前所有的修正,确保没有改坏。

维护一份回归清单:记下你修正过的每个问题,以及暴露该问题的句子。每次修改话术、声音或引擎之后都重放一遍,因为引擎更新可能让修正失效。

需要检查的常见通话环节

通话中有些部分每位来电者都会听到,值得格外用心。在听其他内容之前,先在电话上逐一听这些环节。

环节检查什么典型的修正办法
问候语公司名读得正确,语气温和、不急促把名称加入词典;缩短句子
营业时间时间和星期读得清楚按口头说的方式写时间
地址与指路地名和数字用假名标注读音;放慢语速;分成短段
道歉或告知延迟语气平静,而不是欢快换一个更沉稳的声音;改写措辞
结束语感谢和告别听起来自然使用标准的结束语,而不是翻译出来的句子

假设一家店有一家以当地地标命名的分店,它可能发现自己的地址是整份话术里被读得最糟的句子。这很常见。对企业最重要的词,即名称、地址和产品,恰恰也是引擎见得最少的。先测试它们,先修正它们,并把它们保存在词典里,让下一个人能找到。

发布日语话术之前

  • 每个名称、地名和术语都有经过核对的读音
  • 数字、日期和时间在真实句子中听起来自然
  • 句子短到一口气能说完
  • 全程使用同一个敬语等级
  • 声音与信息的语气相称
  • 已有母语者在电话上听过

为什么电话线路很重要

电话音频经过压缩、频带狭窄,会掩盖一些细节,也会放大另一些。在耳机里听起来饱满的声音,在手机线路上可能发闷,某些辅音也会模糊。务必在真实通话中评估,最好先在手机网络上听,再在固定电话上听一遍。电话音质解释了其中的原因。

在 Call 中如何做

在 Call 中,AI 智能体使用的声音在「语音」下的「AI 语音」中选择。把语言设为来电者所说的语言,在几张卡片上试听样本,点击「使用此声音」,再点击「试听来电者听到的声音」,用已保存的设置来听。「声音设置与试听区」让你输入自己的句子并试听。一条电话线路可以有自己的声音,线路通话的主要语言默认是日语;说其他语言的来电者会得到该语言的应答。

同一页面上的发音词典会教声音如何读它读错的名称、地名和词语。点击「添加词语」,在「写法」中输入该词,在「读法(假名)」中输入假名读音,再在「试听一个句子」中输入一个句子,看看它会怎么读并播放出来。只改变发音,书面消息保持不变。词典最多容纳 100 个词,且只有工作区管理员才能修改。最后用智能体的测试通话在真实电话上测试。另请参阅IVR 中的语言选择。

常见问题

为什么日语 TTS 会把某些词读错?

汉字可能有多种读法,正确的读法取决于上下文。如果系统猜错了,你可以用假名给出读音来修正。

我能控制音高重音吗?

有些引擎允许调整,但控制方式各不相同。实际可行的办法往往是选一个好的声音,并把听着奇怪的句子换一种说法。

数字和日期该怎么处理?

在你实际使用的句子里测试。如果读音听着不对,就用假名写出读音,或换一种说法。

应该用哪个敬语等级?

选一个适合你的品牌和来电者的等级,并在每条消息中保持一致。混用等级会显得草率。

我应该改用录音吗?

录音对固定消息听起来自然,但更改起来较慢;合成适合经常变化的文字。许多企业两种方式并用。

我应该多久检查一次声音?

每次修改话术、词典、声音或引擎之后,以及定期用真实通话检查。保留一份过往修正的清单,用来重放。

用 Call 的发音词典修正日语读音

在演示控制台中,您可以通过模拟体验来电。

相关指南