Co to jest prozodia w syntezie mowy asystenta głosowego

Pytanie bez słowa pytającego i akcent zdaniowy

Polskie pytanie bez słowa pytającego, na przykład „zapisać pana na czwartek”, musi zabrzmieć jak pytanie wyłącznie dzięki podniesionej intonacji na końcu zdania, a jeśli syntezator nie podniesie głosu, klient nie wie, że ma odpowiedzieć, i w słuchawce zapada niezręczna cisza, aż ktoś w końcu się odezwie. Sprawdź to przy ocenie głosu w polskim voicebocie. Drugi problem to akcent zdaniowy, czyli to, które słowo w zdaniu wybrzmiewa mocniej. „Mam wolne we wtorek, nie w środę” powinno mocniej zaakcentować „wtorek”, żeby klient usłyszał, że to ta informacja jest ważna, a nie tylko zbiór słów wypowiedzianych jednym tonem.

Jedno „pasuje?” na końcu propozycji terminu

Krótkie „pasuje?” na końcu musi brzmieć inaczej niż reszta wypowiedzi.

Inaczej klient usłyszy ciąg informacji bez sygnału, że agent czeka na odpowiedź. W tym miejscu prozodia robi więcej dla naturalności rozmowy niż sam dobór ładnie brzmiącego głosu.

Emocje w głosie mają swoje granice

Nowsze systemy TTS potrafią dodać do prozodii coś w rodzaju emocji: cieplejszy ton przy przeprosinach, spokojniejszy przy trudnej sprawie. Zależy to od dostawcy, bo nie każdy daje taką kontrolę, a część brzmienia ustalają też znaczniki SSML.

Z emocjami nie przesadzaj: agent, który brzmi zbyt entuzjastycznie przy zwykłym potwierdzeniu terminu, budzi więcej podejrzeń niż zaufania.