Что такое TTS: синтез речи простыми словами, отличие от записанного голоса и роль в ИИ-операторе
Команда Sado AI · · 3 мин чтения
Коротко
TTS (Text-to-Speech — «текст в речь») — технология, которая читает написанный текст синтезированным голосом, её ещё называют синтезом речи. В отличие от голоса, записанного в студии, TTS сразу произносит любой новый текст, например каждому клиенту — его имя и сумму заказа. Хороший TTS по телефону правильно читает цифры, даты и цены, а ударения и паузы звучат естественно. В голосовом ИИ-операторе TTS — последнее звено цепочки: превращает ответ оператора в голос, который слышит клиент.
Как работает TTS
- Текст подготавливается: цифры превращаются в слова («9 800 000» — «девять миллионов восемьсот тысяч»), сокращения раскрываются («кв. м» — «квадратный метр»).
- Определяются произношение, ударения и интонация: в вопросе голос поднимается, в конце фразы опускается.
- Голосовая модель создаёт из текста звук: женский или мужской голос, в нужном темпе.
- Готовый звук идёт в телефонную линию, и клиент его слышит.
Записанный голос и TTS
| Студийная запись | TTS | |
|---|---|---|
| Текст | Записан заранее, не меняется | Любой новый текст |
| Имя и сумма | Не произнести или склеивать из кусков | Каждому клиенту — его данные |
| Изменения | Нужно заново записывать диктора | Достаточно поменять текст |
| Где используется | IVR-меню, автоинформатор | ИИ-оператор, звонки-напоминания |
| На что смотреть | Устаревшие цены и акции | Правильное чтение цифр и названий |
Запись говорит только заранее известную фразу, поэтому разговор построить не может (что такое IVR, автоинформатор или ИИ-оператор). А TTS каждый раз озвучивает новый ответ.
Пример: жилой комплекс в Яшнабаде
В прайсе ЖК «Нур Бог Резиденс» (название придумано) есть строка: «1-комн., 52 кв. м, 9,8 млн сум/кв. м, первый взнос 30%». Если голос прочитает её неверно, клиент услышит «кв. м» по буквам или «девять запятая восемь», и доверие упадёт. Правильно прочитанный звонок звучит так (цены для примера):
Sado: Здравствуйте, ЖК «Нур Бог Резиденс», Шохрух, слушаю вас.
Клиент: Здравствуйте. Сколько стоят однокомнатные квартиры?
Sado: Однокомнатные — от пятидесяти двух квадратных метров, квадратный метр — девять миллионов восемьсот тысяч сум. Первый взнос — от тридцати процентов.
Клиент: В субботу можно приехать посмотреть?
Sado: Можно. Записываю вас на просмотр в субботу на одиннадцать. Подскажите ваше имя?
Клиент: Сардор.
О звонках в недвижимости: ИИ-оператор для недвижимости.
От чего зависит естественный голос по телефону
- Ударения и интонация: вопрос звучит как вопрос, ответ — как ответ.
- Паузы: короткий вдох на запятой и точке, длинная фраза делится на части.
- Темп: по телефону чуть более медленную речь понимают лучше.
- Правильное чтение цифр, дат, цен и номеров телефонов.
- Правильное произношение имён, названий компании и товаров.
- Если клиент перебивает, голос замолкает и слушает.
Слушайте голос не через колонки компьютера, а по телефону: со своими ценами, адресом и названием компании. Именно там клиенты и слышат ошибки.
Роль TTS в ИИ-операторе
ИИ-оператор — это не сам TTS, а вся цепочка. Клиент говорит, речь превращается в текст (что такое ASR), оператор понимает смысл, составляет ответ по данным компании, и TTS произносит его голосом. Если клиент перебивает, оператор замолкает и слушает.
ИИ-оператор на узбекском языке Sado говорит по-узбекски и по-русски. Голосов два: Малика (женский) и Шохрух (мужской). Послушайте их на главной странице или позвоните 78 778 01 23. Подробнее: голосовой оператор на узбекском и русском. Другие вопросы: ответы о Sado.
Вопросы
Чем TTS отличается от записи голоса?
Запись — точный текст, заранее прочитанный диктором, и он не меняется. TTS сразу озвучивает любой новый текст, поэтому его используют в разговоре.
Может ли TTS естественно говорить по-узбекски?
Узбекоязычные TTS есть, но качество разное, особенно на цифрах, ценах и названиях. Послушайте голос через телефон, на своих ценах и названиях.
Какими голосами говорит Sado?
Двумя: Малика (женский) и Шохрух (мужской), на узбекском и русском. Голос вы выбираете для своей компании, и оператор говорит от её имени.
Узнает ли клиент, что говорит с ИИ?
Если клиент спросит «вы робот?», Sado никогда не выдаёт себя за человека: говорит, что это голосовой помощник компании, и продолжает разговор. Можно также включить фразу в начале звонка о том, что разговор записывается.