智能体该用哪种声音？

在真实通话中选声音

几周后，您新上线的语音智能体用会上选中的那个声音，给一位客户打电话。她正站在巴士站，身边车来车往。声音刚开始报她的送货时间，她还没等它念到地址就挂断了。

如果您正要为客户电话挑选 AI 语音，就按客户听到它的方式来挑。用手机听，听完整的一通电话，再盯住通话里最难的那几个时刻。先定日后改不了的部分，也就是声音本身的特质，发音和语速留到之后再调。最后让最好的两个声音接同一批真实电话，留下更多客户愿意听到最后、并点头答应通话要求（比如确认一个送货时间）的那个。

试听页的声音为什么会误导人？

试听页本来就是为了让每个声音展示最好的一面。页面上的每个合成声音，念的都是供应商挑好的试听句，约 6 秒长，干净得像录音室里录的，开会的人又是在安静的会议室里听。

客户是隔着电话线路听到 AI 语音的。线路传递的声音细节比笔记本电脑或耳机里少，客户说不定还站在街上或店里。通话持续两三分钟，声音念的是客户自己的姓名、送货时段、地址和订单号，没有一句是打磨好的台词。客户说一声“您说什么？”，它就得再说一遍。

有些声音在会上胜出，一到电话线路上却输了一截。明亮又带很多气声的声音，在笔记本电脑上可能很动听，到了电话里却会变得单薄，在户外更明显。电台广告和有声书里那种字正腔圆的播音腔，在电话里可以一直保持清晰，听着却还是像录音，而人一听出是录音就会挂电话。

声音只是演示和真实通话之间落差的一部分，其余的部分，请看我们的演示顺利、真实通话却频频出错的智能体一文。

什么样的声音才合适？

先看语言。声音要像母语者那样说客户的语言，连客户所在地区的口音也要对得上。巴西的葡萄牙语和葡萄牙的葡萄牙语，一听就能分出来，所以适合圣保罗客户的声音，放到里斯本客户那里就选错了，声音本身再好听也一样。

接着想想，您的客户最愿意跟哪位客服多聊几句，再找一个像这位客服那样日常说话的声音，听着就像自己团队里的人在讲话，不像播音腔。不管选哪个声音，语速都设成均匀，念到时间和数字时稍微放慢一点，好让客户来得及记下来。

声音还要配得上人设，也就是智能体自我介绍用的名字和说话风格。自称 Mia 的智能体，就该用女声。听起来自然，并不等于假装自己是真人。如果您所在的市场有这样的要求，智能体会在问候语里说明自己是 AI，不管用的是哪个声音。

该测试哪些时刻？

以网上家具店[店名]为例。本文里的店、人物、试听小组、分数和通话，都是示例，不是真实数据。[店名]的智能体会在每次送货的前一天给客户打电话，确认送货时段和地址。负责客服的王静，从供应商的试听页上选出了三个候选声音，因为智能体自称 Mia，所以全是女声。开会时，大家最喜欢的是声音 C，明亮，带着很多气声。

先像王静那样，从智能体打得最多的那种电话入手。她把[店名]的送货电话写得比平时长一点，让它大约持续三分钟，把每个难点都放进去。这通测试通话，她让每个声音各念一遍，再用自己的手机播放，一次在办公室里，一次在街边。

测试通话以“您好，我是[店名]的 AI 助理 Mia。”开场。Mia 先确认接电话的是覃女士，这个姓氏取自[店名]的客户名单，读音容易出错。接着告诉她，沙发“明天周四，9:00 到 12:00 之间”送到，地址是和平路 14 号。Mia 分两组念订单号，4471 2093。客户说“您说什么？”，Mia 又念了一遍，这次更慢。客户问能不能改到下午，而明天下午已经排满，Mia 先道了歉，再提出周一 13:00 到 16:00。客户同意了，Mia 把日期、送货时段和地址复述一遍，双方道别。

试听句约 6 秒，和开场问候差不多长。会上评判声音，靠的就是这第一个时刻，其余七个时刻一个也没听到。

候选名单怎么打分？

王静请来五个人组成试听小组，包括两位每天和[店名]客户打交道的客服、她自己、一位清楚客户投诉点的配送协调员，以及一位项目之外的人。大家盲听声音 A、声音 B 和声音 C，不知道供应商是谁，也不知道价格。每个人都用手机把整通测试通话听完，按五个问题给每个声音打 1 到 5 分。

三个声音念测试通话时，设置、语速和数字分组方式都一样，所以小组听出来的差别，只来自声音本身。在“试听小组给三个声音的评分”这张表里，每个格子是五位听众的分数相加，所以单格在 5 到 25 分之间，总分在 25 到 125 分之间。

会上最受欢迎的声音 C，在电话里排了最后，得 75 分（满分 125）。“电话里容易听懂”一项，它只有 12 分（满分 25），“数字和时间听得清楚”一项只有 13 分，两项都是三个声音里最低的。那份在笔记本电脑上显得通透的明亮，一到电话线路里就变得单薄了。

声音 A 是候选名单里的播音腔，数字和时间听得最清楚，21 分（满分 25），到第三分钟却是三个声音里最低的，只有 11 分。它在“听起来像本地人”一项只拿到 14 分，还有两位听众在它旁边写了“像广告”。

声音 B 得了 103 分（满分 125），五个问题里有四项排第一。声音 A 只在“数字和时间听得清楚”一项上胜过它，21 分对 20 分。

人名和品牌这一行几乎打平，三个声音分别是 18、19 和 18 分（满分 25），原因是覃女士的姓氏，三个声音都念错了，而且错得一样。

王静把总分最高的两个，声音 B 和声音 A，拿去做真实通话测试。有两位听众觉得声音 A 像广告，客户会不会因此挂电话，只有真实通话才看得出来。

哪些可以以后再调？

挑声音，要看声音本身的特质，因为设置以后都能调，不管挑哪个声音都一样。发音规则决定声音怎么念人名、地名、您的品牌和产品术语，语速、停顿，还有数字和订单号怎么分组来念，同样是设置。

这就是为什么王静那张表里人名那一行，不该拿来做决定。这个姓氏错在发音上，加一条规则，三个声音都能读对。这类规则怎么写，可以看我们的人名、品牌和产品的发音词典一文。

特质是声音自带的。它在电话线路里听起来怎样，是不是播音腔，听到第三分钟还舒不舒服，不管怎么设置都不会变。把声音 C 放慢，它在电话里不会变得更饱满，声音 A 的广告味，也没有哪项设置能去掉。

哪个声音更能把客户留在电话上？

两周里，[店名]送货名单上的每位客户，都会随机接到声音 A 或声音 B 打来的电话，话术相同，拨打时间也一样，所以变的只有声音。到两周结束时，每个声音各有 400 通已接听的电话。王静不会提前去比，因为每个声音才几十通的话，样本太少。

她把每通已接听的电话归入三种结果之一，三种加起来正好是 400。客户在前 10 秒内挂断，记为“开头挂断”。客户同意了一个送货时段，不管是原定的还是新的，记为“确认了时段”。其他任何结局，比如客户要求转人工、线路中断或没有约定时间，都归入“其他”一栏。她还数了至少要求重复过一次的客户。这样的客户照样可能确认时段，所以“要求重复”一栏不计入这 400 通。

声音 B 的 400 通已接听电话里，有 338 位客户确认了时段，声音 A 是 296 位，所以声音 B 多了 42 位客户同意送货时段。声音 B 的开头挂断也更少，44 通对 72 通，以其他方式结束的有 18 通，声音 A 是 32 通。

要求重复的客户，都是听过了前 10 秒还没挂断的，所以公平的比法，是只看这些客户。声音 A 是 328 位里有 36 位，声音 B 是 356 位里有 41 位，占比差不多。他们跟得上声音 A 这个播音腔的程度也差不多，可前 10 秒里挂断声音 A 的客户还是更多。

这一次，客户和试听小组看法一致，王静留下声音 B，用在[店名]所有的送货电话上。

DRING 在哪一步帮得上忙？

在 DRING 的语音核心里，每个品牌按语言从声音库中挑选精选声音，并设定语速、正式程度和语气的人设，配合口音纠正，以及针对人名、地名和产品术语的发音词典。开始拨打之前，措辞、人设和声音都要经过您的审定。

开场白、语气和声音哪个管用，得在真实的外呼电话里见分晓，会议室里拍不了板。在 DRING 的外呼任务里，同一个任务可以让两个声音并行，对比效果。首页的试听样音是 DRING 的业务流程演示，请用手机播放，别用笔记本电脑。