ทำ IVR เสียงบริการลูกค้า โดนเพื่อนถาม 'เสียงนี้คนพากย์จริงป้ะ?'
เมื่อวานนั่งกินข้าวเที่ยงกับเพื่อนที่ออฟฟิศ มันมองหน้าผมแล้วถามด้วยสายตาสงสัย "เสียง IVR ที่ส่งให้วันก่อน ไปจ้างใครพากย์มา? ฟังแล้วมีลมหายใจด้วย" ผมหัวเราะ ก่อนจะบอกว่ามันคือเสียงจากเว็บโคลนเสียงฟรี แปลงจากข้อความเป็นเสียงพูด ใช้เวลาไม่ถึงสิบนาที
มันอึ้งไปสองวิ "ฟรี? ไม่ต้องสมัคร? ไปใช้ API ลับของค่ายใหญ่มาหรือไง?" ผมส่ายหัว แล้วชี้ให้ดูหน้าแปลงข้อความเป็นเสียงพูดออนไลน์ฟรี ที่เปิดค้างไว้ในแท็บเบราว์เซอร์ เพื่อนผมจ้องหน้าจออยู่นาน สุดท้ายก็พูดว่า "ถ้าเอาไปใส่ระบบคอลเซ็นเตอร์ที่บริษัท เจ้านายคงคิดว่าจ้างนักพากย์มืออาชีพ"
จริงๆ ผมก็ไม่คิดว่ามันจะออกมาดีขนาดนี้ ตอนแรกลองใช้สร้างเสียงพูด ai ฟรี มาหลายเจ้า เสียงมันทึมๆ หรือไม่ก็อ่านขาดเป็นท่อนๆ เหมือนหุ่นยนต์ แต่เจ้านี้มันเหมือนตั้งใจทำมาให้ฟังเป็น 'คนพูด' จริงๆ
หลุมแรกที่เจอ: จาก 'เสียงสังเคราะห์' ไปถึง 'เสียงคน'
ขอเล่าประสบการณ์พลาดก่อน สมัยแรกผมเอาสคริปต์ประชาสัมพันธ์บริษัทไปลองกับโคลนเสียงตัวเองฟรี เสียงออกมาชัดทุกพยางค์ แต่ประโยคแบบ "สวัสดีค่ะ ยินดีต้อนรับสู่" มันอ่านเหมือนพยากรณ์อากาศ ทุกคำหนักเท่ากัน ไม่มีน้ำหนักเบาหนัก แล้วลองคิดดู ลูกค้าโทรเข้ามาเจอเสียงแบบนั้น จะคิดทันทีว่า 'นี่มันเครื่อง' แล้ววางสายทันที
ผมเลยเปลี่ยนวิธี พอใช้โคลนเสียงฟรีอ่านข้อความ ก็แก้สคริปต์ให้เป็นภาษาพูดก่อน เช่น "กรุณากด 1" เปลี่ยนเป็น "กด 1 นะคะ" หรือ "ต้องการเจ้าหน้าที่ กด 0" แทน "โอนสายเจ้าหน้าที่" แถมปรับความเร็วและเว้นจังหวะ เพิ่มคอมมาหลังคำว่า 'โอนสาย' อีกครึ่งวิ แค่นี้ก็ต่างกันชัดเจน
ที่ทำให้ผมตกใจคือฟีเจอร์โคลนเสียงฟรี nice voice มันเก็บอารมณ์จากข้อความที่พิมพ์ได้ด้วย เช่น ลงท้ายด้วย 'จ้า' มันจะออกเสียงสดใสหน่อย ลงท้าย 'นะ' น้ำเสียงจะอ่อนลง ซึ่งสำคัญมากสำหรับ IVR ไม่งั้นลูกค้าจะรู้สึกเหมือนบ่นกับหุ่นยนต์เย็นชา
ทำไมผมเลิกจ้างคนพากย์จริง
คุณอาจคิดว่า ทำไมไม่จ้างคนอัดเสียงจริงๆ? ผมก็เคยคิดแบบนั้น แต่ความเป็นจริงคือแพง และแก้ไขยาก เดือนก่อนฝ่ายธุรกิจแก้แพ็กเกจ ต้องเปลี่ยนราคา 3 จุดในเสียงเดิม จะให้พากย์ใหม่ทั้งชุด? คิดค่าแรงเป็นชั่วโมง นัดคุยกันสามรอบ กว่าจะได้ของใช้เวลาเป็นอาทิตย์
ทีนี้ผมใช้แพลตฟอร์มโคลนเสียงฟรี ปั้นเสียงใหม่ วางข้อความลงไป เลือกเสียงที่ใกล้เคียงเดิม เสร็จในสิบนาที และที่สำคัญคือโคลนเสียงออนไลน์ไม่ต้องสมัคร สะดวกมาก แก้คำนิดหน่อยก็ทำได้ทันที ไม่ต้องล็อกอิน แค่อัปโหลดเสียงอ้างอิง ปรับโทน จบ
มีจุดหนึ่งที่อยากเล่า ผมลองใช้โคลนเสียงฟรีร้องเพลง ทำเสียงริงโทน แม้ IVR จะไม่ใช้ แต่การสังเคราะห์เสียงที่มีทำนองทำให้รู้ว่าเอ็นจินนี้แข็งแรงจริงๆ มันไม่ได้แค่อ่านข้อความ แต่มัน 'แสดง' ข้อความด้วย
หลุมที่เจอและคำแนะนำ
พูดไปพูดมาก็มีหลุมให้ระวัง ครั้งแรกที่ใช้หน้าแรกโคลนเสียงฟรี ผมพิมพ์คำว่า 'VIP' ตามภาษาอังกฤษ ผลคือมันอ่านเป็น 'วีไอพี' แบบแยกตัวอักษร พอเปลี่ยนเป็น 'วิไอพี' ก็อ่านถูก แล้วก็เรื่องประโยคยาวๆ ต้องใส่คอมมาให้ดี เพราะเว็บนี้พึ่งพาการแบ่งวรรคตอนมากกว่าที่คิด
อีกอย่างสังเคราะห์เสียง TTS ฟรี จัดการเสียงรบกวนพื้นหลังได้ดี ผมอัดเสียงอ้างอิงในห้องที่มีไฟกระแสไฟฟ้าดังเบาๆ มันกรองออกให้ แต่ถ้าอัปโหลดเสียงที่มีเสียงก้อง จะได้เสียงที่ฟังดู 'โปร่ง' เหมือนอยู่ในห้องเปล่า ดังนั้น อัดเสียงอ้างอิงในห้องเงียบๆ ด้วยมือถือก็พอ ไม่ต้องใช้ไมค์แพง
ท้ายสุด มีเรื่องที่เพื่อนผมไม่รู้: เสียง IVR ที่มันชมว่าฟังเหมือนคนพากย์จริง ผมไม่ได้เสียเงินสักบาท ใช้แค่หน้าโคลนเสียงฟรีถาวร ไม่ต้องสมัครสมาชิก ถ้าคุณทำระบบคอลเซ็นเตอร์หรืออยากเปลี่ยนเสียงโทรออกอัตโนมัติ ลองเอาข้อความนี้ไปวางดู:
"สวัสดีค่ะ บริษัท XXX ค่ะ สอบถามกด 1 บริการหลังการขายกด 2 ต้องการเจ้าหน้าที่กด 0 ค่ะ ขอบคุณที่ใช้บริการนะคะ"
ฟังแล้วตัดสินใจเอง ถ้าเพื่อนคุณถามว่า 'เสียงนี้คนพากย์จริงป้ะ' แสดงว่าคุณไม่พลาดแน่นอน
อีกอย่าง อย่าไปลองที่คอมพิวเตอร์ที่ทำงาน เดี๋ยวฝ่ายไอทีเห็นว่าคุณแอบทำสังเคราะห์เสียงไม่ต้องสมัคร ผมทำที่บ้าน ผลเหมือนกัน
เปรียบเทียบละเอียด: ประโยคเดียวกัน ปรับค่าไม่เหมือนกัน
ผมทดลองเล่นกับข้อความเดียวกัน โดยใช้ค่าเริ่มต้น ปรับความเร็วเพิ่ม และเพิ่มการเว้นวรรค ประโยค "สวัสดีค่ะ ยินดีต้อนรับ" ค่าเริ่มต้นอ่านความเร็วปานกลาง แต่ละคำห่างเท่ากัน ฟังเหมือนข่าว ปรับเร็วขึ้น เสียงจะกระชับ แต่คำว่า 'ยินดี' กับ 'ต้อนรับ' จะติดกันนิดหน่อย เหมือนรีบ พอเพิ่มการเว้นวรรค ฟังดูเป็นธรรมชาติที่สุด ผมเพิ่มคอมมาหลัง 'ต้อนรับ' สองตัว มันอ่านแล้วน้ำเสียงท้ายประโยคลดลง และก่อน 'กรุณากด 1' มีช่วงหายใจเหมือนพนักงานจริงๆ
การทดลองนี้ทำให้รู้ว่าเครื่องมือโคลนเสียงฟรี ไม่ได้แปลว่ายิ่งเร็ว越好 แต่ต้องหาจังหวะ 'หายใจ' ตามธรรมชาติ ผมเลยแยกประโยคยาวๆ ใน IVR เป็นประโยคสั้นๆ และลงท้ายแต่ละประโยคด้วยคอมมา ผลลัพธ์แทบไม่ฟังดูเป็นเครื่องจักร
หลุมที่หลายคนมองข้าม: บุคลิกของเครื่องหมายวรรคตอน
คุณอาจคิดว่าเครื่องหมายวรรคตอนเป็นแค่รูปแบบ แต่บนแพลตฟอร์มนี้ มันส่งผลต่ออารมณ์โดยตรง ผมลองเติมเครื่องหมายตกใจหลัง 'กด 1' มันอ่านออกเสียงเร่งเร้า เปลี่ยนเป็นมหัพภาค กลายเป็นประโยคเฉยๆ ที่แปลกที่สุดคือ เติมเครื่องหมายคำถามหลัง 'โอนสาย' มันอ่านได้น้ำเสียงสงสัยว่า 'คุณแน่ใจว่าจะโอน?'
ดังนั้น เวลาเขียนสคริปต์ IVR อย่าขี้เกียจใส่เครื่องหมาย ควรใส่มหัพภาคหรือคอมมาให้ถูกที่ ผมถึงกับใส่มหัพภาคหลัง 'ขอบคุณที่ใช้บริการ' เพื่อให้เสียงจบแบบสะอาด ไม่ยืดยาว รายละเอียดนี้เพื่อนผมไม่ทันสังเกต แต่มันบอกว่า 'ฟังแล้วรู้สึกดีกว่าคอลเซ็นเตอร์อื่น'
สำหรับคนใจร้อน: วิธีลัด
ถ้าคุณไม่อยากปรับค่าอะไรเลย ลอกการบ้านผมได้เลย เทมเพลต IVR ของผมตอนนี้: ขึ้นต้น 'สวัสดี' ตามด้วยคอมมา กลางประโยคแต่ละตัวเลือกจบด้วยมหัพภาค และ '再见' (ล้อเล่น) ท้ายสุด 'ลาก่อน' ไม่ใส่เครื่องหมายอะไร จากนั้นปรับความเร็วเป็นปานกลางค่อนข้างช้า และเพิ่มระยะหยุดเป็น 1.2 เท่า เสียงที่ได้จะหลอกคนได้ 90%
ถ้าขี้เกียจแม้แต่ปรับ ก็ใช้โคลนเสียงออนไลน์ฟรี หน้าที่มีพรีเซ็ต 'สำหรับคอลเซ็นเตอร์' ซึ่งมีโทนเสียงสุภาพ ยิ้มแย้ม ผมลองแล้วฟังเป็นธรรมชาติกว่าที่ปรับเองอีก เพราะเขาปรับมาเพื่อบริบทนี้โดยเฉพาะ
สุดท้าย ขอเตือนว่า อย่าเอาไปเทียบกับเสียงคนอัดจริง เพราะจะรู้สึกห่างชั้น แต่ถ้าเอาไปแทนเสียงหุ่นยนต์เดิมของคุณ นี่คือการอัปเกรดแบบก้าวกระโดด ถ้าเพื่อนคุณถามอีกว่า 'เสียงนี้คนพากย์จริงป้ะ' ก็ตอบไปว่า "ลองทายดูสิ"