# TTS

Adres: https://www.asystenciglosowi.xyz/slownik/tts | Sekcja: Słownik | Aktualizacja: 2026-09-29

TTS (text to speech, synteza mowy) to element [voicebota](https://www.asystenciglosowi.xyz/slownik/voicebot), który zamienia gotową odpowiedź, napisaną przez model językowy, na głos słyszalny w słuchawce. To ostatni krok w łańcuchu rozmowy: zanim TTS zacznie mówić, tekst przechodzi przez rozpoznawanie mowy i model językowy. Po polsku syntezator najłatwiej rozpoznać po liczbach, skrótach i intonacji pytań.

## Czytanie odpowiedzi, zanim model skończy pisać

W telefonie liczy się czas, więc TTS działa strumieniowo: zaczyna czytać pierwsze słowa odpowiedzi, zanim model językowy skończy pisać całe zdanie. Dzięki temu cisza po pytaniu jest krótsza, a każdą sekundę [opóźnienia odpowiedzi](https://www.asystenciglosowi.xyz/technologia/opoznienie-odpowiedzi) w słuchawce słychać. Głos w rozmowie powstaje na bieżąco, zdanie po zdaniu. Dlatego TTS przeczyta coś, czego żaden lektor nigdy nie nagrał, na przykład konkretną godzinę wolnego terminu albo nazwisko klienta wczytane z bazy, tym samym głosem co resztę rozmowy.

## Gdzie polszczyzna sprawia TTS najwięcej kłopotu

> Asystent AI: Serwis rowerowy Szprycha, dzień dobry, tu asystent AI. Termin przeglądu mamy wolny w czwartek o 9:00. Pasuje?
> Dzwoniący: A jest coś wcześniej?
> Asystent AI: Wcześniej nie mam wolnych miejsc w tym tygodniu.

_Serwis Szprycha i jego grafik są przykładowe._

Zdanie „Pasuje?” musi zabrzmieć jak pytanie, choć nie zaczyna się od „czy”, więc melodia głosu robi tu całą robotę.

Jeśli syntezator nie podniesie głosu na końcu, klient nie wie, że ma odpowiedzieć, i w słuchawce zapada niezręczna cisza. To jedna z pułapek [syntezy mowy po polsku](https://www.asystenciglosowi.xyz/technologia/synteza-mowy-po-polsku).

Osobny kłopot to liczby, daty i skróty. „8:15” trzeba przeczytać jako „ósma piętnaście”, nie „osiem, dwukropek, piętnaście”, a „NFZ” jako „en-ef-zet”, litera po literze. Zamianą takiego zapisu na słowa, które da się wymówić, zajmuje się [normalizacja tekstu](https://www.asystenciglosowi.xyz/technologia/normalizacja-tekstu), osobny mechanizm działający tuż przed syntezą.

## Głos jako szyld firmy

Dostawcy oferują zwykle biblioteki gotowych głosów, różniących się barwą, wiekiem i tempem mówienia. Głos powinien zgadzać się z charakterem firmy: dostojny, wolny głos pasuje do kancelarii notarialnej, a szybszy i swobodniejszy do firmy kurierskiej, gdzie klienci chcą usłyszeć konkret.

Przy [doborze głosu](https://www.asystenciglosowi.xyz/technologia/dobor-glosu) odsłuchaj kandydatów przez słuchawkę telefonu, nie z głośników komputera: w wąskim paśmie brzmią inaczej.

---
Źródło: https://www.asystenciglosowi.xyz. Wydawca: Infinity Tech Group sp. z o.o., Zamość. Przykładowe rozmowy i wyliczenia są fikcyjne i tak oznaczone. Treść nie jest poradą prawną.