ブログ · · 約 5 分で読めます

電話で聞きやすい音声合成:声の選び方・話す速さ・読み方

電話の AI の声を聞きやすくするための、声の選び方・話す速さ・読み方の工夫を解説します。帯域の狭い電話の音声の特徴、数字・日時・記号・読みの分かれる言葉の書き方、携帯電話やスピーカーフォンで実際にかけて試し、聞き取りにくい箇所を直していく手順までまとめます。

要点

  • 電話の音声は帯域が狭く、パソコンで聞いて自然な声でも、電話では聞き取りにくくなることがあります。声は実際の電話で聞いて選びます。
  • 話す速さは、遅すぎると間延びして待たされている感じになり、速すぎると聞き返しが増えます。数字や日時を伝える場面ほど、ゆっくりめが向いています。
  • 読み方は、話す文章の側で直すのが確実です。日時はことばで書き、記号や略語を避け、読みの分かれる言葉はかなで書きます。

電話で聞きやすい音声合成にするには、声・話す速さ・読み方の 3 つを、電話の音で確かめながら決めます。電話の音声は帯域が狭く、パソコンのスピーカーで良く聞こえた声が電話ではこもることがあります。読み間違いは合成の設定より、話す文章を「読み上げる前提」で書くほうが確実に防げます。

電話の音声の特徴

電話の音は、パソコンや動画の音よりずっと情報が少ない状態で届きます。声を選ぶ前に、この前提を押さえておきます。

  • 帯域が狭い: たとえば Twilio の Media Streams では、音声は 8,000 Hz の μ-law で流れます(Twilio のドキュメント)。高い音の成分が落ちるので、「さ行」「は行」などの子音が聞き分けにくくなります。
  • 相手の環境がさまざま: 屋外・車の中・スピーカーフォンなど、雑音のある場所で聞かれます。
  • 聞き返しの手段が声だけ: 画面が無いので、聞き逃すと「もう一度お願いします」と言うしかありません。

だから、電話の声は「きれいさ」より「はっきり聞こえること」を優先して選びます。

声の選び方

声は、業種の雰囲気と聞き取りやすさの両方で選びます。

観点 向いている声 避けたい声
聞き取りやすさ はっきり・はきはきした声 息まじり・かすれた声(電話では雑音に埋もれやすい)
業種の雰囲気 医療・士業は落ち着いた声、飲食・小売は明るい声 用件と合わない軽すぎる声・重すぎる声
長い説明 説明的で落ち着いた声 抑揚が強すぎる声(長く聞くと疲れる)

候補は 2〜3 個に絞り、同じ文章をそれぞれ電話で聞き比べます。選ぶときは、作った人だけでなく、ふだん電話を受けているスタッフにも聞いてもらうと、利用者に近い耳で判断できます。

話す速さの決め方

話す速さは、遅すぎても速すぎても電話では不満につながります。

  • 遅すぎる: 間延びして、待たされている感じになります。AI の応答の遅れと重なると、会話のテンポが悪く感じられます。
  • 速すぎる: 年配の方や雑音のある場所では聞き返しが増え、結果として通話が長くなります。

全体の速さは少し速めにしておき、数字・日時・電話番号を伝える部分は、文章を短く区切ってゆっくり聞こえるようにする、という組み合わせが扱いやすい形です。たとえば「ご予約は 12 月 19 日の金曜日、午後 3 時です」を一息で言うより、「ご予約は、12 月 19 日、金曜日。午後 3 時からです」と区切ると、聞き取りやすくなります。

読み方の工夫

合成の読み間違いの多くは、話す文章の書き方で防げます。あいさつ・締めのことば・よくある質問の答えなど、決まった文章は「読み上げる前提」で書きます。

書き方 読み間違い・聞き取りにくさ 電話向けの書き方
9:00〜18:00 記号の読み方が定まらない 午前 9 時から午後 6 時まで
12/19 月日か分数か分からない 12 月 19 日
1F・B1 英字のまま読まれる 1 階・地下 1 階
TEL・FAX 略語のまま読まれる 電話・ファクス
日本橋 「にほんばし」と「にっぽんばし」に分かれる にほんばし(かなで書く)
〒・※・( ) 読まれない・不自然な間ができる 文章で言い換える

あわせて、1 文を短くします。電話では、長い文の最初の部分を覚えておくのが難しいからです。大事なこと(日時・金額・持ち物)は文の最後に置かず、1 文に 1 つずつ伝えます。

聞き取った内容を読み上げて確認する場面の書き方は、読み上げ確認の記事で詳しく扱います。

実際の電話で試す手順

声と速さは、管理画面の試聴だけで決めず、実際の電話で確かめます。

  1. テスト用の番号を用意し、エージェント設定を試しの環境で動かす。
  2. 携帯電話から、静かな部屋で 1 回かける。
  3. 同じ電話を、スピーカーフォンと屋外でもう 1 回ずつかける。
  4. 日時・電話番号・金額を読み上げる場面を、聞いた人に書き取ってもらう。
  5. 書き取りが合わなかった箇所の文章を直し、声か速さを 1 つだけ変えて、もう一度試す。

1 回に変えるのを 1 つにすると、何が効いたかが分かります。

voicast での声と話す速さ

voicast では、エージェント設定の voice で声を ID から選び、speaking_rate で話す速さを段階から選びます。声は「きっぱりした女性」(female-firm)・「落ち着いた男性」(male-calm)など、特徴の分かる 30 の声から選べます。話す速さは 0.85(とてもゆっくり)から 1.5(いちばん速い)までの段階で、省くと 1.0(ふつう)です。

json
{
  "voice": "male-calm",
  "speaking_rate": 1.1,
  "greeting": "お電話ありがとうございます。にほんばし歯科です。"
}

管理画面では声ごとに試聴できます。設定はバージョンで管理するので、声や速さを変えても、進行中の会話は始まったときのバージョンのまま進みます。業種と用語のヒント(domain・vocabulary)は音声認識のためのもので、読み方は変えません。読み方は、あいさつやよくある質問の答えの文章で直します。

よくある質問

男性の声と女性の声で、どちらが電話に向いていますか。

性別より、はっきり聞こえるかどうかで選ぶのがおすすめです。同じ文章を電話で聞き比べ、書き取りの誤りが少ない声を選びます。

読み間違いがある固有名詞はどう直しますか。

あいさつやよくある質問の答えなど、決まった文章の中では、かなで書くのが確実です。会社名や地名など、読みが分かれるものから順に直します。

話す速さは、相手に合わせて変えられますか。

voicast の話す速さはエージェントごとに決まり、会話の途中では変わりません。年配の方の多い窓口などは、その窓口のエージェント設定でゆっくりめを選びます。

関連記事