Создание голосового робота по шагам: сценарий звонка, инструкция, голос, проба в браузере, номер и запуск. Без программиста, на платформе Савви.
Голосового робота создают в таком порядке: пишут сценарий звонка, сжимают его в короткую инструкцию, включают режим «Голос», выбирают голос и распознавание речи, пробуют разговор в браузере и подключают номер. В Савви всё это делается в кабинете без программиста, а первый звонок слышно ещё до телефонии.
«Ваш звонок очень важен для нас», потом гудки, потом тишина. Клиент так и не узнал, чем закончилась его просьба, а в вашем списке пропущенных прибавилась ещё одна строка. Голосовой робот нужен, чтобы за этой фразой кто-то брал трубку сразу и доводил разговор до результата.
Голосовой робот — это программа, которая принимает или совершает звонок, слышит клиента, отвечает по сценарию и оставляет после разговора текст и итог.
Голосовой робот собирается из трёх звеньев: распознавание речи превращает слова клиента в текст, языковая модель с инструкцией решает, что ответить, синтез речи произносит ответ. Так описывает цепочку документация LiveKit Agents: фреймворк пропускает аудио через распознавание (STT), модель (LLM) и синтез (TTS), определяет, когда человек договорил, и обрабатывает перебивания.
Руководство OpenAI «Voice agents» называет и второй подход, «речь в речь»: одна модель принимает звук и отвечает голосом, интегрировать её проще. У цепочки выигрыш в контроле — промежуточный текст можно смотреть и менять, любое звено заменять отдельно, расшифровку сохранять, а политики проверять до ответа. Савви устроена как цепочка: распознавание и синтез речи настраиваются отдельными блоками, а текст разговора остаётся в диалоге.
Microsoft в документации Foundry о мониторинге голосовых агентов советует измерять задержку распознавания, модели и синтеза порознь, потому что каждое звено добавляет паузу. Для создателя робота вывод один — пауза в трубке складывается из трёх слагаемых, и длинная инструкция раздувает среднее из них.
Без программиста голосового робота собирают в кабинете Савви: распознавание, синтез, телефония и аналитика звонков уже подключены, остаётся написать сценарий и настроить голос. Тому, кто привык работать с ассистентом, подойдёт скилл, а своя разработка оправдана там, где нужна нестандартная инфраструктура. Выберите путь, и схема покажет, что остаётся вам.
Включаете режим «Голос» у агента и настраиваете его полями. Программировать не нужно.
Ассистент, например Claude Code, собирает голосового агента через MCP Савви примерно за 20 минут, а проверяете результат вы.
Разработка оправдана, когда нужна своя инфраструктура. Звенья распознавания, модели и синтеза вы подключаете и сопровождаете сами.
Скилл лежит в библиотеке на странице «Голосовой агент для звонков». Когда робот собран, кроме входящей линии ему можно отдать обзвон по базе, звонок после переписки и звонок по событию в CRM.
Сценарий звонка умещается на одном листе: цель разговора, три-пять шагов, условие перевода на человека и финал. Из этого листа получается инструкция, а справочные данные уходят в базу знаний. Главное правило голоса по руководству Савви — компактный промпт, потому что чем объёмнее инструкция, тем дольше модель обрабатывает её перед ответом, и в звонке это слышно как пауза.
| Что у вас есть | Куда его положить |
|---|---|
| Цель звонка, шаги, условия перевода на человека | Инструкция агента |
| Прайс, адреса, часы работы, условия | База знаний |
| Голос, темп речи, паузы, приветствие | «Доп.настройки», раздел «Голосовой агент» |
| Название компании и редкие слова | «Ключевые слова» в блоке «Распознавание речи (STT)» |
Стиль ответов вручную прописывать не нужно: при включении режима «Голос» платформа сама делает реплики короткими, без списков, с паузами через пунктуацию. Заготовка ниже описывает только содержание разговора, подставьте свои значения в квадратных скобках:
Ты голосовой помощник компании [название]. Цель звонка: [записать на приём / принять заявку / подтвердить заказ].
Ход разговора:
1. Выясни, по какому вопросу звонит клиент.
2. Задавай уточняющие вопросы по одному: [что нужно для записи: услуга, дата, имя].
3. Назови итог и попроси подтвердить: имя, дату и номер телефона.
4. Попрощайся и заверши звонок.
Если клиент просит человека или спрашивает про [темы вне сценария], переведи звонок на менеджера.
Имена, адреса и номера распознаются неточно: переспрашивай и проговаривай важное для подтверждения.
Цены, адрес и часы работы бери из базы знаний.
В заготовке три строки, которые чаще всего забывают — переспрос имён и номеров, проговаривание итога для подтверждения и финал. Без финала разговор может затянуться.
Сборка в кабинете сводится к шести настройкам в двух местах: в разделе «Инструкция» и в «Доп.настройках», раздел «Голосовой агент». Руководство советует начинать со значений по умолчанию и менять их по одному параметру, тогда слышно, что именно дало эффект.
Приветствие клиент слышит первым, поэтому выбирать его стоит осознанно. Фиксированный текст звучит одинаково в каждом звонке и прослушивается заранее. Приветствие по инструкции создаётся под каждый звонок, и заранее послушать его не получится.
Голос выбирают на слух. Модели синтеза речи — ElevenLabs v4, v3, Turbo v2.5, Multilingual v2 и Yandex SpeechKit, у каждой свой список голосов. У v4 есть «Стиль речи»: «Без стиля», «Деловой», «Тёплый» и «Живой», писать его в инструкции не нужно. Распознавание речи работает на Yandex SpeechKit или Deepgram Nova-3. Цена минуты от выбора модели не зависит, поэтому сравнивать модели можно только по звучанию.
Номер подключают от своего оператора связи или АТС по SIP. Нужна отдельная SIP-учётная запись, не менеджерская: номер, сервер, порт, имя пользователя и пароль.
Номер добавляют в агенте на вкладке «Телефония», блок «Входящие звонки», кнопка «Добавить новый номер», или в разделе «Агенты» на вкладке «Номера». В форме заполняются «Номер телефона», «Название», «Входящий агент», «Канальность», «Сервер», «Порт» (по умолчанию 5060), «Имя пользователя» и «Пароль». После «Добавить» статус «Не проверялся» меняется кнопкой «Проверка регистрации» на «Зарегистрирован». Входящие на стороне АТС направляют на внутренний номер агента.
Перед рабочими звонками владелец аккаунта подписывает заверение на подключение телефонии: без него исходящие не работают и новые номера не добавляются. Оплата по счёту с расчётного счёта организации платой за подключение не считается, вся сумма попадает на баланс, минимум 5 000 ₽.
Минута разговора стоит 25 ₽ на PRO, 20 ₽ на Business и 15 ₽ на Scale, связь у оператора оплачивается отдельно. Трёхминутный звонок обойдётся в 75, 60 и 45 ₽ соответственно. Для сравнения — обращение у менеджера стоит около 89 ₽ (оценка по средним ставкам: 40 000 ₽ в месяц на 450 обращений). Месячный бюджет из минут проще прикинуть по расчёту стоимости голосового агента.
Позвоните роботу сами, пока к нему не подключён ни один номер: тестовый звонок открывается после включения режима «Голос», разговор идёт прямо в браузере и стоит 0 ₽. Слушайте темп: где робот задумывается, где перебивает, где тянет. Смысл ответов проверите вторым заходом.
Прогоните три сценария, по одному звонку на каждый:
Звонок на свой телефон возможен после подключения номера: на вкладке «Телефония», в блоке «Исходящие звонки» есть «Тестовый звонок от лица ИИ-Агента». Там указывают «Номер для звонка», «Номер агента» (линию, с которой пойдёт вызов), «Звонящего агента» и по желанию «Контекст звонка», затем нажимают «Позвонить». Перебивание, молчание и тараторенье номеров лечатся отдельными настройками голоса. После первых рабочих звонков откройте вкладку «Звонки» в аналитике и посмотрите «Причины завершения звонка»: по ним видно, где сценарий требует правки.
Чтобы повторить этот порядок на своём сценарии, откройте аккаунт и начните собрать голосового робота с пробного звонка.
Включите у агента режим «Голос» в разделе «Инструкция», напишите сценарий звонка короткой инструкцией, выберите голос в «Доп.настройках» и проверьте разговор тестовым звонком в браузере. Затем подключите номер по SIP. Код писать не нужно: распознавание речи, синтез и телефония уже встроены в платформу.
При разработке с нуля вы собираете три звена сами: распознавание речи, модель и синтез, плюс определение конца реплики и перебивания. На платформе эти звенья настраиваются полями в кабинете, а ваша работа сводится к сценарию, инструкции и базе знаний. Свой код оправдан, когда нужна нестандартная инфраструктура.
Робот слышит речь клиента, распознавание превращает её в текст, модель по инструкции формирует ответ, а синтез речи произносит его голосом. Эта цепочка проходит между репликами, поэтому всё, что её удлиняет, клиент слышит как паузу. Текст разговора остаётся в диалоге.
Да. После включения режима «Голос» в разделе «Инструкция» появляется тестовый звонок: разговор идёт прямо в браузере и стоит 0 ₽. Номер понадобится только для рабочих звонков.
Синтез речи работает на моделях ElevenLabs v4, v3, Turbo v2.5, Multilingual v2 и Yandex SpeechKit. Распознавание речи доступно на Yandex SpeechKit и Deepgram Nova-3. У ElevenLabs v4 есть «Стиль речи»: «Без стиля», «Деловой», «Тёплый» и «Живой».
Минута разговора стоит 25 ₽ на тарифе PRO, 20 ₽ на Business и 15 ₽ на Scale. Связь у оператора оплачивается отдельно, а тестовый звонок на вкладке «Голос» бесплатный. От выбора модели синтеза речи цена минуты не меняется.
Хотите сразу к продукту: Голосовой ИИ-агент для звонков
Дарим 500 ₽ на баланс при регистрации
Хватит на 33 диалога с ИИ-агентом. Карта не нужна.