BYO-TTS
BYO-TTS
本文说明两条接入路径:把已有 TTS 服务接到通话播报,或提交录音做音色复刻后再用于播报。页名 BYO-TTS。合成效果和音色授权由企业或 TTS 服务负责。平台负责按企业、场景选择音色,并把合成结果送进电话链路。
快速阅读
通话中选音色、导航音色、语速、音调、音量,走 TTS:语音合成 和智能体节点。企业语音库里预先合成的素材,不是通话中的实时合成。
Streaming TTS 不译。只有当前 TTS 服务支持时,才能边生成边播放。
定制音色只给授权企业和授权场景使用,不会变成全平台通用音色。
阅读地图
| 路径 | 企业准备 | 下文 |
|---|---|---|
| 已有自研、云厂商或第三方 TTS | 可调用的服务、声音或发音人、语言、异常处理 | 配置项「已有 TTS」 |
| 用真人声音做音色复刻 | 授权、5 段左右录音、业务试听文本 | 配置项「音色复刻」 |
播报对象包括呼入机器人、外呼机器人、IVR 外呼任务、回访和通知。IVR 外呼任务是自动外呼,不是外呼机器人。
配置项
已有 TTS 服务
本稿没有单独的页面字段表。接入时说清下列信息,由平台写入企业或场景绑定。
| 信息项 | 必填 | 作用 | 配错时 |
|---|---|---|---|
| 服务是否可被通话链路调用 | 是 | 决定能否合成 | 节点无声或超时 |
| 声音或发音人、语言、风格 | 是 | 平台侧可选音色 | 绑到错误声音 |
| 访问方式与异常处理 | 服务需要平台调用时必填 | 连通和失败区分 | 失败被当成静音 |
| 授权企业与业务场景 | 企业专用声音时必填 | 限制使用范围 | 未授权场景播到该音色 |
音色复刻材料
| 材料项 | 要求 |
|---|---|
| 音频数量 | 建议 5 段。单段可以复刻,多段便于筛选 |
| 单段时长 | 每段约 10–15 秒 |
| 音频格式 | wav、mp3、m4a |
| 录音环境 | 避免噪声、回响、喷麦、电流音 |
| 说话方式 | 自然电话沟通。朗读腔、播音腔不适合作为样本 |
| 断句 | 标点处自然停顿,可按习惯加过渡词 |
| 语速语调 | 正常或略快,避免破音、卡壳、拖音 |
| 授权 | 录音人声音可用于该企业业务 |
复刻前先定业务场景。回访和通知宜稳定、耐听。营销宜更接近日常对话。提醒类宜清晰、坚定。客服咨询宜清晰、不易疲劳。新闻播报或影视配音不适合作为电话复刻样本。
POC 可先试听。正式使用的费用和范围按商务约定。上线时确认音色名称、企业、场景和授权范围。
配置来源:企业提交服务信息或录音;平台完成音色配置并限定应用范围;呼入机器人、外呼机器人、IVR 外呼任务或通知流程引用该音色后才播放。
生效
- 音色已配到目标企业和场景,专用音色未放开到其他企业。
- 流程实际进入使用该音色的节点或任务。
- 文本被合成,并在电话链路中播放。
- Streaming TTS 仅在该服务支持时生效;不支持时按服务自身的合成方式播放。
更换声音、发音人或使用范围后,更新平台配置,并用关键话术重新试听。已在跑的任务沿用任务开始时的音色,直到配置更新后的新呼叫。
验收
- 用真实业务文本试听,核对关键词和专有名词,并在电话里再听一遍。
- 多轮呼入或外呼机器人中,各节点听感一致。
- IVR 外呼任务先跑测试任务,再批量呼叫。
- 未授权企业或未绑定流程播不到该定制音色。
- 已有 TTS 服务同时核对连通、稳定性和异常返回。
- 复刻听感偏离说话人、有明显机械感、拖音或破音时,更换录音片段或补充材料后再试听。
Updated about 2 months ago
Did this page help you?