Настройка голоса ИИ-агента: что крутить, если он мешает

Агент диктует клиенту номер заказа один раз, без единой паузы: восемь цифр подряд, как скороговорка. Клиент переспрашивает, агент послушно повторяет с той же скоростью. Дальше в трубке тишина: то ли клиент наконец записывает номер, то ли уже положил трубку в раздражении.

У каждого из этих трёх моментов своя настройка, и чинятся они порознь.

Почему голосовой робот перебивает клиента

Робот перебивает, когда пауза для завершения речи выставлена слишком короткой: система считает, что человек договорил, хотя он просто задумался между словами. Именно она задаёт длительность тишины, после которой реплика клиента считается законченной.

Короткая пауза ускоряет ответ, но платит за это обрывами: клиент делает вдох посреди фразы или диктует адрес по частям, а агент уже начинает говорить поверх второй половины предложения. Рядом стоят ещё два параметра, которые легко перепутать с паузой, хотя они работают на другом этапе. Минимальная длительность речи задаёт нижнюю границу звучания сигнала: совсем короткий звук система считает кашлем или случайным шумом, а более долгий — уже полноценной репликой. Чувствительность к голосу задаёт порог громкости: чем ниже значение, тем легче агент распознаёт тихую речь, и тем выше риск принять фоновый шум за слова клиента.

Руководство платформы прямо советует начинать со значений по умолчанию и менять их по одному — тогда видно, какой параметр действительно убрал перебивание, а какой просто добавил задержку перед ответом.

Как настроить распознавание речи агента по порядку

Распознавание речи агента складывается из трёх параметров под одним общим вопросом: что система вообще расслышала. Если агент переспрашивает то, что клиент явно проговорил, чувствительность к голосу стоит понизить. Если он реагирует на шум в трубке или случайный вздох, поднять.

Такой порядок экономит недели: без него легко покрутить все три ползунка разом и получить агента, который стал вести себя иначе, но непонятно почему.

Что делать, если робот говорит слишком быстро

Темп речи агента задаёт параметр «Скорость»: чем выше значение, тем быстрее звучит голос. Но ощущение скороговорки почти никогда не создаёт одна эта настройка — обычно рядом высокая стабильность голоса при низкой выразительности, и вместе они звучат как ровное, безостановочное бормотание.

Стабильность голоса — чем выше значение, тем ровнее звучит агент и тем меньше в его речи естественных интонаций. Выкрученная на максимум стабильность и создаёт эффект скороговорки без смысловых пауз. Выразительность работает наоборот: чем выше значение, тем живее и человечнее звучит фраза. Сходство с оригиналом показывает, насколько голос совпадает с выбранным эталоном. На скорость это не влияет, зато меняет узнаваемость голоса.

Если жалобы клиентов сводятся к «слишком быстро и монотонно», разумная первая правка — снизить скорость на один шаг и одновременно поднять выразительность, а стабильность оставить как есть до следующего прослушивания.

Настройки распознавания и синтеза закрывают половину проблем с голосом. Вторая половина — в самой инструкции: чем компактнее промпт, тем быстрее агент формирует ответ и тем меньше поводов у настроек компенсировать медлительность модели. Общий костяк инструкции устроен так же, как у промптов для агента, а голосовые тонкости добавляет голосовой ИИ-агент.

Почему клиент не может продиктовать номер заказа

Чистота цифр в голосе зависит от режима синтеза речи. В режиме «Качество» голос звучит естественнее, но номера и цифры произносятся более расплывчато. В режиме «Скорость» речь становится суше, зато цифры и номера агент выговаривает чётче — это прямой компромисс, описанный в руководстве платформы.

Если клиенту нужно продиктовать номер заказа, артикул или код из письма, режима «Скорость» может быть недостаточно: помогает пунктуация в самой инструкции. Точки между цифрами замедляют произношение и добавляют паузы там, где клиент успевает записать. Такой приём уместен именно для диктовки — вставлять точки в обычную реплику агента не нужно, иначе речь начинает звучать рублено там, где в этом нет смысла.

Что происходит, когда клиент замолчал

Молчание в трубке решают два разных параметра, и путать их не стоит. Таймаут тишины возвращает клиента в разговор заготовленной фразой или сгенерированным вопросом. Завершение звонка при отсутствии кладёт трубку совсем, если реплик так и не последовало.

Между ними есть промежуточный шаг: агент сначала пытается вернуть клиента в разговор, и только потом, если тишина продолжается дольше отдельного лимита, звонок завершается сам. Слишком короткий таймаут тишины делает агента навязчивым: он переспрашивает раньше, чем клиент успел подумать. Слишком длинный — клиент решает, что связь оборвалась, и вешает трубку сам. Рядом стоит максимальная длительность звонка — жёсткий потолок в минутах, который не зависит от тишины и просто обрывает разговор, если он идёт по кругу слишком долго.

Как понять по аналитике, что настройки сбиты

Аналитика звонков сама подсказывает, какую настройку трогать. На вкладке «Звонки» причины завершения разговора собраны в отдельную диаграмму, и большая доля «Молчания абонента» почти всегда означает, что настройки распознавания выставлены слишком строго.

Диаграмма строится по последним тридцати дням без сегодняшнего дня и не требует ручного формирования отчёта — данные показываются сразу при открытии вкладки. Похожая логика чтения причин завершения разбирается и в материале про приём входящих звонков, только там разговор о том, какие звонки вообще стоит отдавать роботу, а здесь уже речь о настройках внутри них.

Что сделать в первую очередь

Обведите в аналитике звонков долю «Молчания абонента» и «Лимита длительности» за последний месяц. Если перевешивает молчание, начинайте с чувствительности к голосу и паузы для завершения речи. Если перевешивает лимит длительности, причина в самой инструкции: она слишком длинная или без явного финала.

Дальше идёт тестовый звонок по демо-ссылке: с него начинают, прежде чем трогать сразу десяток параметров. Меняйте по одному значению, слушайте результат и только после этого переходите к следующему: настройки распознавания и синтеза влияют друг на друга, и одновременная правка трёх из них не покажет, какая сработала. Полный список полей и значений по умолчанию — в руководстве платформы.

Частые вопросы