تسجيل صوتي للرد الآلي بالذكاء الاصطناعي: قائمة هاتفية كاملة بصوت خليجي واحد ونبرة مناسبة

أغلب الجهات تطلب تسجيل صوتي للرد الآلي مرة واحدة من معلّق محترف، ثم ترقّع الرسائل لسنوات بصوت من يتفرغ يومها. فيبدو الترحيب بصوت شخص، ومواعيد رمضان بصوت آخر، ورسالة العطل بصوت ثالث. وتحويل النص إلى كلام يحل مشكلة التناسق، لكن أغلب الأنظمة العربية تقرأ قائمة الهاتف كأنها إعلان في محطة قطار. أما nutq-speak-3 فيتيح لك توليد كل رسالة بصوت خليجي واحد، واختيار النبرة سطرًا سطرًا: دافئة للترحيب، وعادية للخيارات، واعتذار أثناء الانتظار يبدو صادقًا.

ما الرسائل التي يحتاجها نظام الرد الآلي (IVR)؟

وإشارتان لا مكان لهما في الرد الآلي: [angry] و[scared]. فتحذير الاحتيال بصوت خائف يقلق المتصل ولا يجعله حذرًا. أبطئه بالوقفات بدلًا من ذلك. وكل إشارة، ومدى سريانها، مشروحة في تحويل النص العربي إلى كلام بالمشاعر.

كيف تكتب رسائل يفهمها المتصل؟

اجعل القائمة أربعة خيارات أو خمسة، مع وقفة بين كل خيار. واكتب الأرقام كلمات لتتحكم في صيغتها: «اضغط اثنين» لا «اضغط 2». وأسماء العلامات والمنتجات بالإنجليزية، مثل Apple Pay، تُقرأ بالإنجليزية داخل العربية.

ترحيب وقائمة بالخليجية:

[Hind] [tender] هلا وغلا فيك، حياك الله في خدمة العملاء. [pause:500]
[Hind] [neutral] لخدمات البطاقات، اضغط واحد. [pause:400] للحسابات، اضغط اثنين. [pause:400] للتحدث مع موظف، اضغط صفر.

أثناء الانتظار:

[Hind] [tender] نعتذر على الانتظار، كل موظفينا مشغولين الحين. [pause:400] اتصالك يهمنا، وبنرد عليك في أقرب وقت.

تنبيه أمني، حازم وهادئ:

[Hind] [neutral] تنبيه مهم: [pause:500] ما بنطلب منك أبدًا رقمك السري أو رمز التحقق. [pause:600] لا تعطيه لأي أحد.

مواعيد رمضان:

[Hind] [tender] مبارك عليكم الشهر. [pause:400] [neutral] أوقات الدوام في رمضان من الساعة تسع الصبح لين الساعة اثنين الظهر.

وكثير من الجهات الحكومية والبنوك تفضّل الفصحى للقائمة نفسها. والأصوات نفسها تقرأ النص الفصيح، وحسن صوت مخصص للفصحى إن أردته. استمع إلى الخيارات في مكتبة الأصوات.

كيف تولّد الرسائل وتصدّرها؟

احفظ الرسائل في ملف نصي، كل رسالة في سطر بصيغة اسم-الملف|النص، ومرّ عليها بحلقة. تعيد الواجهة ملف WAV، ويحوّله ffmpeg إلى 8 كيلوهرتز أحادي القناة، وهي الصيغة التي تقبلها أغلب أنظمة الهاتف:

mkdir -p ivr
while IFS='|' read -r name text; do
  curl -s -X POST https://nutq.dev/v1/speech \
    -H "Authorization: Bearer $NUTQ_API_KEY" \
    -H "Content-Type: application/json" \
    -d "$(jq -n --arg t "$text" '{text: $t, voice: "hind", model: "nutq-speak-3"}')" \
    --output "$name.wav"
  ffmpeg -loglevel error -y -i "$name.wav" -ar 8000 -ac 1 -c:a pcm_mulaw "ivr/$name.wav"
done < prompts.txt

استخدم pcm_alaw بدل pcm_mulaw إن كان نظامك يتوقع A-law، واحتفظ بملفات WAV الأصلية نسخًا رئيسية. والقائمة الكاملة للمعاملات في توثيق الواجهة.

هل تطابق رسالة تُضاف العام القادم بقية الرسائل؟

نعم، إن ثبّتّ أمرين: الصوت والنموذج. فـnutq-speak-3 يعطي القراءة نفسها للنص نفسه بالصوت نفسه، والرسالة الجديدة بذلك الصوت تبدو كأن الشخص نفسه سجّلها. وسمِّ النموذج في كل طلب، كما يفعل النص البرمجي أعلاه، حتى لا يغيّر أي تبديل مستقبلي للنموذج الافتراضي صوت قائمتك.

وهذا التناسق نفسه يجعل التعديل رخيصًا: إذا تغيّرت مواعيد الدوام، عدّل سطرًا واحدًا في الملف وولّد رسالة واحدة، لا القائمة كلها.

وماذا عن المتصل الذي يريد أن يتكلم لا أن يضغط؟

الرسائل تغطي الأجزاء الثابتة من المكالمة. أما المساعد الصوتي الذي يسمع ويجيب، فنُطق تبث له الكلام بتردد 8000 أو 16000 هرتز للهاتف، وتتصل بـVapi؛ اقرأ كيف تبني مساعدًا صوتيًا بالخليجية مع Vapi. وكثير من مراكز الاتصال تجمع الاثنين: رسائل مسجلة للقائمة، ومساعد مباشر خلف أحد الخيارات.

كم يكلّف؟

0.05 دولار لكل ألف حرف. والرسالة النموذجية نحو 120 حرفًا، فالقائمة ذات الأربعين رسالة نحو 4,800 حرف، أي قرابة 25 سنتًا. والوقفات لا تُحتسب. وقائمة الهاتف استخدام تجاري، تشمله الخطط الشهرية. ولتجرب الأصوات أولًا، اكتب سطرًا في صفحة تحويل النص إلى صوت، أو ابدأ برصيد 5 دولارات عند التسجيل.