TTS：语音合成

快速阅读

TTS 是智能体通话里的说：把智能体要回复的文本合成语音播给客户。它跑在通话过程中，不是企业语音库里预先做好的素材，也不是 BYO-TTS 那种自有服务或音色复刻说明。

• 先有可用的智能体和语音导航，再选播放效果。企业未开通大模型音色时，音色区可能不可选。
• 合成发生在智能体给出文本之后。文本空、变量空，客户会听到静音或兜底提示。
• 智能体节点常见配置：音色、语速、音调、音量。语速 / 音调 / 音量范围 0.5 - 2.0，默认都是 1。音色从控制台当前列表选，文档不写平台内部厂商名。
• 节点上选了音色，就覆盖这条导航的默认声音。只改语速、不选音色，听感仍可能是导航音色。
• 试听走控制台播放，自定义试听文本常见上限 300 字；电话里好不好听，仍要用真机打一通。
• 要接企业自有 TTS 或做音色复刻，走 BYO-TTS。IVR 里播已有文件，走 IVR 音频资源管理 和 基础节点：播放。

阅读地图

• 先分清平台 TTS、企业语音库、BYO-TTS：读“二”和“九”。
• 要配音色和语速：读“六”。
• 要验收：读“八”和“附录 C”。

一、文档说明

智能体能不能说得像人，先取决于这通有没有稳定的实时合成。本文说明平台 TTS 怎么定位、在智能体节点上先配什么、何时真正出声、失败怎么看。

适用：配置呼入 / 外呼机器人的实施顾问、要定品牌声音的运营、对接自有 TTS 或推送的技术负责人。

智能体本身怎么搭，见 智能体搭建、智能体搭建（进阶）。节点上怎么开口、怎么被打断，见 交互节点: 智能体。打断检测见 语音智能模型。

二、产品总览

本页对象是正在进行的智能体会话里的实时语音合成，不是播放节点读一段现成录音，也不是语音库里审核过的 TTS 素材。

智能体写出回复 → 平台按你选的音色合成 → 电话里播给客户。音色、语速配错，客户听到的是声音问题，不是话术问题。

开通或更换音色，不会改已经结束的通话录音。

三、核心概念

通话背景音是环境声，不是音色本身。怎么选见智能体节点的播放效果。对外英文 background sound。

四、对象关系与运行链路

智能体已发布，语音导航的智能体节点已选中该智能体
        ↓
播放效果：音色、语速 / 音调 / 音量；企业已开通大模型音色
        ↓
呼入或外呼进入智能体节点，智能体产出回复文本
        ↓
平台按该节点（或导航默认）的音色实时合成并播放
        ↓
客户听到声音；耗时可在呼入 / 外呼机器人记录里回看
        ↓
可选：开场白用 SSML；可选：BYO-TTS 提供企业音色

四个层次不要混：

五、能力地图

TTS 耗时、缓存是否命中，来自交互过程，和 RASR 耗时一起在记录详情里看。

六、配置项与生效

1. 配置来源与优先级

节点上选了音色时，覆盖导航音色。只改语速、音调、音量且大于 0 时，用节点值；否则用导航音色，再否则按 1.0。事件或接口若另带音色，以当通实际下发为准。

2. 播放效果

不要同时大幅改语速、音调、音量，否则听感变化说不清来自哪一项。音色以控制台当前列表为准。

3. 和开场白、打断的关系

开场白文本或 SSML 在智能体节点的对话启动里配，合成仍走本页这套音色。开场白保护时间、开场白可打断决定第一句能不能被客户打断，见 交互节点: 智能体 和 语音智能模型。TTS 配错不会自动变成“不可打断”。

4. 何时真正出声

• 合成在智能体给出文本之后跑，不改已经结束的旧通话。
• 企业未开通大模型音色、音色为空、回复文本或 TTS 变量为空时，允许通话在、客户听到静音或异常提示。
• 控制台试听成功，不表示电话链路采样率和音量一定合适。
• Streaming TTS 是否边说边出声，取决于当前选中的音色，不作为所有租户的默认能力。
• 企业语音库里已有一条 TTS 素材，不表示智能体多轮也会用那条文件。

七、典型场景

外呼回访要统一品牌女声
开通大模型音色后，在智能体节点选同一套音色，语速先保持 1。验收：新打一通，声音与试听一致，关键句听清。

老年客群觉得说太快
先只降语速，例如到 0.9，不要同时改音调和音量，也不要先换音色。

IVR 欢迎语要固定一段、每周改文案
用企业语音库做 TTS 素材，播放节点引用。不要把智能体实时 TTS 当成素材库。

必须用企业复刻的品牌音
走 BYO-TTS 完成复刻和授权，再回到本页从列表里选那条音色。定制音色只在授权企业可见。

八、上线准备与运营建议

1. 确认企业已开通大模型音色，节点音色下拉有可选值。
2. 音色给业务负责人听过，再定语速。
3. 同一业务线尽量共用一套音色，不要每个节点各选一个互相不像的声音。
4. 用新通话真机验收，不要只听控制台试听。
5. 先核对客户侧听感，再核对记录里的 TTS 耗时。
6. 开场白要播完合规句时，同时验收保护时间和打断，不要只调语速。
7. 上线后抽检：破音、过快、变量被读成空、关键数字被读错。

运营上把「完全没声音」和「有声音但不对」分开。前者核开通、文本和是否进了智能体节点；后者核音色、语速和变量。

九、相关能力

十、常见问题

配了音色，以前的通话录音会变声吗？
不会。只对配置保存之后的新通话生效。

音色下拉是空的或灰的？
先看企业是否开通大模型音色；再看控制台当前列表里有没有对这个企业开放的音色。

试听正常，电话里没声音？
先看智能体这轮有没有文本、变量是不是空；再看是否进了该智能体节点。空 TTS 变量要在播放或开场白侧做兜底。

和 BYO-TTS 是不是同一页？
不是。那页讲自有服务怎么接、音色怎么复刻；本页讲智能体通话里怎么选音色和语速。复刻完成后，仍回到本页或节点上从控制台当前列表选用。

智能体 TTS 和企业语音库是一回事吗？
不是。语音库存的是已经生成或上传的文件；本页是多轮对话当场合成。导航音色是默认声音，常被播放节点引用。

语速调到 2.0 会更像人吗？
通常不会。范围允许到 2.0，上线建议仍在 0.8 - 1.2。过快会像抢读，也会让打断更难控。

十一、总结

TTS：语音合成解决的是「智能体打完腹稿后，按选好的音色说出来」。先开通并选好音色，语速从 1 起步，用新通话真机听。预存文件走企业语音库；自有服务和复刻走 BYO-TTS。不要和 RASR、播放节点、质检评分混成一件事。

附录 A. 入口与权限

附录 B. 字段定义

密钥和复刻素材不要写进音色名称。

附录 C. 实施检查清单

• 智能体已发布，导航节点已选中该智能体
• 企业已开通大模型音色，节点能选到目标音色
• 语速 / 音调 / 音量在 0.5 - 2.0，上线值已听过
• 开场白关键句：保护时间和打断已一起验收
• 新通话真机：声音对、语速可接受、变量不空读
• 未用历史录音验收，未把语音库或 BYO 接入页当成本页

附录 D. 快速排障