Głos, tempo i imię asystenta

Barwa głosu ustawia oczekiwania

Ludzie oceniają kompetencję po głosie w kilka sekund, na długo przed treścią. Ten sam tekst przeczytany niżej i spokojnie brzmi jak informacja z firmy, a podany wysoko i energicznie jak reklama. Wybór barwy nie jest więc kwestią gustu osoby, która akurat klika w panelu.

Dopasowanie idzie za branżą i za stanem, w jakim ludzie dzwonią. Przychodnia potrzebuje głosu spokojnego i raczej wolniejszego, bez entuzjazmu, bo po drugiej stronie bywa ktoś chory albo zdenerwowany. Salon zniesie cieplejszą barwę. Firma transportowa woli głos rzeczowy, bo kierowca w kabinie chce usłyszeć godzinę i się rozłączyć.

Głos opieramy na ElevenLabs. W praktyce oznacza to sporo wariantów do przesłuchania i możliwość dostrojenia szczegółów, ale też jeden obowiązek: próbki trzeba odsłuchać przez telefon, a nie na dobrych słuchawkach. Linia telefoniczna obcina górę i dół pasma. Głos, który w komputerze brzmi aksamitnie, przez komórkę potrafi zrobić się płaski i nosowy.

Tempo, pauzy i to, co słychać w słuchawce

Tempo ustawia się nieco wolniej niż w zwykłej rozmowie. Rozmówca nie widzi twarzy, często jest w ruchu, czasem słabo słyszy. Zbyt szybki asystent zmusza do proszenia o powtórzenie, a każde powtórzenie zbliża rozmowę do progu przekazania do człowieka. Pauzy bywają przy tym ważniejsze od samego tempa. Po pytaniu musi zostać cisza, w której człowiek zdąży zebrać myśli, a dłuższą odpowiedź lepiej rozbić na dwa oddechy, zamiast wyrzucać ją jednym ciągiem.

Osobna sprawa to opóźnienie. Między końcem zdania rozmówcy a początkiem odpowiedzi zawsze coś upływa. Gdy ta przerwa rośnie, ludzie mówią „halo?” i wchodzą agentowi w słowo. Krótkie potwierdzenie w rodzaju „już sprawdzam” potrafi tę dziurę zasypać, o ile nie pada po każdej wypowiedzi, bo wtedy zaczyna brzmieć jak tik. Żadnej z tych rzeczy nie ocenicie w panelu, trzeba je przećwiczyć na słuchawce.

• Numery telefonów i kwoty czytajcie wolniej niż resztę zdania, w grupach po dwie albo trzy cyfry.
• Po pytaniu zostawcie ciszę zamiast dopowiadać podpowiedzi, kiedy rozmówca się zastanawia.
• Nagrania testujcie tak, jak dzwonią ludzie: z głośnika telefonu, w hałaśliwym pomieszczeniu i przy słabym zasięgu, kiedy dźwięk się rwie.

Imię, przedstawienie się i spójność z marką

Imię pomaga, bo daje rozmówcy sposób mówienia o asystencie i porządkuje rozmowę. Ma też drugą stronę. Ludzkie imię podane bez wyjaśnienia sugeruje pracownika, a tego chcemy uniknąć. Bezpieczny układ to imię plus rola nazwana wprost, na przykład „Ola, asystentka AI salonu”. Nie „asystentka głosowa”, nie „wirtualna recepcja”, tylko AI, bo tylko to słowo rozmówca zrozumie od razu.

Informacja, że rozmówca rozmawia z AI, nie jest kwestią stylu ani uprzejmości. Obowiązek i jego zakres opisujemy w lekcji siódmej, tutaj interesuje nas wyłącznie brzmienie. Praktyczny efekt bywa całkiem dobry: ludzie, którzy wiedzą, że mówią do maszyny, formułują prośby prościej i rzadziej irytują się drobnym potknięciem.

Spójność z marką to część mniej techniczna, za to widoczna od pierwszej sekundy. Jeśli firma pisze do klientów luźno i po imieniu, sztywny asystent brzmi obco. Jeśli komunikacja jest formalna, wesoły głos podważa jej wiarygodność. Zwykle prosimy o dwa nagrania rozmów z recepcji albo o kilka maili wysyłanych do klientów i z tego układamy ton.

Pułapka zbyt ludzkiego głosu

Najczęstszy błąd wygląda tak: ktoś wybiera najbardziej naturalną próbkę, jaką znajdzie, i wkłada ją do bota, który umie cztery rzeczy. Głos obiecuje partnera do rozmowy, a po pierwszym trudniejszym pytaniu okazuje się, że to prosty automat. Rozczarowanie jest wtedy większe, niż gdyby rozmówca od początku słyszał neutralną, wyraźnie syntetyczną barwę.

Do tego dochodzą rzeczy, których żaden silnik mowy nie robi bezbłędnie. Nazwy ulic, nazwiska z trudną odmianą, skróty branżowe, obce słowa wrzucone w polskie zdanie, godziny zapisane w nietypowy sposób. Część poprawia się ręcznie w słowniku wymowy, część zostaje. Po uruchomieniu zawsze zbieramy listę słów, które asystent przekręca, i czyścimy ją przez kolejne tygodnie.

Osobno odradzamy klonowanie głosu konkretnej osoby z firmy. Na pokazie robi wrażenie, a potem zaczynają się kłopoty: zgoda pracownika, zapis w umowie, aktualizacja nagrań, gdy ta osoba odejdzie. Do tego rozmówca, który zorientuje się później, że słyszał kopię głosu recepcjonistki, ma prawo poczuć się wprowadzony w błąd. Więcej papieru niż pożytku.

Częste pytania

Powiązane strony

• Agent głosowy AI dla firm
• Voicebot dla salonów