Нейросеть для озвучки текста в диалоге с клиентом

Где-то в компании до сих пор крутится запись автоответчика, начитанная три года назад: сотрудник, который её наговорил, давно сменил должность, а голос из трубки об этом не знает. Каждый месяц фраза звучит немного нелепее — интонации устарели быстрее, чем цены в прайсе, который она когда-то называла. Нейросеть для озвучки текста снимает эту проблему иначе: голос собирается из текста заново под каждый ответ, а не хранится одной и той же записью.

Нейросеть для озвучки текста: какая это озвучка

Нейросеть для озвучки текста — это технология синтеза речи (TTS), которая превращает написанный текст в голос без диктора и студии.

У этого запроса два разных адресата. Один ищет голос для ролика, подкаста или рекламы: готовый текст начитывается один раз и сохраняется файлом, дальше эту дорожку никто не трогает. Другой ищет голос для разговора с живым клиентом, и здесь текста заранее нет вовсе: он рождается по ходу беседы и в ту же секунду произносится.

Дальше в статье — только второй случай. В Савви это голосовой ИИ-агент: тот же ИИ-агент, что отвечает в переписке, у которого в разделе «Инструкция» включён переключатель «Голос». Он слышит клиента, формирует ответ и произносит его синтезированным голосом по телефону, без сценария, начитанного заранее.

Как текст ответа превращается в голос

Слоями. Речь клиента распознаёт линия телефонии, текст уходит в ту же модель, что ведёт переписку: она формирует ответ с учётом инструкции, истории разговора и базы знаний. Готовую фразу отправляют в синтез речи, который сразу проговаривает её выбранным голосом.

Голос выбирается из списка в дополнительных настройках агента, и у платформы есть два режима генерации: «Качество» звучит естественнее, «Скорость» чётче диктует номера и цифры. Полный список параметров распознавания и синтеза (стабильность голоса, выразительность, паузы до ответа) собран у голосового ИИ-агента, там же протокол одного звонка от реплики до ответа.

Голос может заговорить первым

Озвучка тут работает не только на входящий звонок. Тот же голосовой агент умеет и сам набирать номер, по трём поводам, уже разведённым в Савви на разные механизмы: массовый обзвон по загруженной таблице номеров с датой и временем запуска, звонок сразу после общения в чате со смещением в несколько минут и звонок по событию в подключённой CRM, когда лид меняет статус или заявка только создалась.

Разговор во всех трёх случаях ведёт один и тот же синтезированный голос, разница только в том, что именно поставило вызов в очередь. Как выбрать повод под задачу и назначить время, показано в разборе поводов для звонка, а сама механика обзвона по шагам — в обзвоне клиентов роботом.

Сколько стоит голосовая минута

Минута разговора с синтезированным голосом стоит от 15 до 30 ₽ в зависимости от тарифа — эта цифра стоит в руководстве платформы Савви на странице голосового агента. Считаются фактические минуты разговора: агент молчал в очереди, платить не за что.

Сравнивать эту цифру с нулём бессмысленно, потому что до озвучки те же звонки кто-то поднимал руками. Менеджер с зарплатой около 40 000 ₽ в месяц обрабатывает около 450 обращений — это около 89 ₽ за обращение, оценка по средним ставкам. Разговор на две-три минуты синтезированным голосом обходится в 30–90 ₽ и окупается там, где звонков много и они однотипны: подтверждение записи, статус заказа, обзвон по акции.

Озвучьте то, что раньше просто лежало записью

Озвучьте свой текущий сценарий заново, а не правьте табличку с приветствием на автоответчике. У многих компаний до сих пор крутится фраза, начитанная три года назад: голос давно сменившегося сотрудника читает то же самое приветствие, и с тех пор в него ни разу не заглядывали, разве что чтобы подправить цифру из старого прайса.

Включите у обычного агента переключатель «Голос» в разделе «Инструкция» и позвоните ему сами через демо-ссылку прямо в браузере, без подключения телефонии. Послушайте, как та же логика, что отвечает в переписке, звучит вслух, и там же проверьте, различимы ли цифры и не путается ли агент на паузах. Если сценарий пройдёт эту проверку, дальше остаётся подключить телефонию и завести первый повод для исходящего звонка — полный список полей для всех трёх поводов лежит в руководстве платформы.

Частые вопросы