Definition
Text-to-Speech, kurz TTS, wandelt Text in gesprochene Sprache. Am Telefon ist es die Stimme des Assistenten: Es liest die Antwort so vor, dass sie natürlich klingt, mit Betonung, Tempo und Pausen. Moderne TTS klingt kaum noch mechanisch. Der Klang entscheidet mit, ob ein Anrufer dem Gespräch vertraut oder gleich nach einem Menschen fragt.
Warum der Begriff zählt
TTS ist die Gegenseite der Spracherkennung: das eine hört, das andere spricht. Der Begriff macht klar, dass ein Telefonassistent nicht nur inhaltlich richtig sein muss, sondern auch angenehm klingen soll. Eine hölzerne Stimme kostet Sympathie, selbst bei perfektem Inhalt. Wer TTS versteht, achtet auf Klang und Tempo als Teil der Qualität.
Wann es relevant ist
- Ein Assistent soll Antworten frei vorlesen, nicht nur feste Ansagen.
- Inhalte ändern sich, feste Aufnahmen wären zu unflexibel.
- Der Klang soll zur Marke und zum Anlass passen.
- Zahlen, Termine und Namen müssen verständlich gesprochen werden.
Wann nicht
Für wenige, immer gleiche Ansagen kann eine hochwertige Aufnahme mit menschlicher Stimme genügen, dann braucht es kein TTS. Und wo eine sehr spezielle Aussprache nötig ist, kann synthetische Sprache an Grenzen stoßen, hier hilft Feinschliff oder eine Aufnahme.
Branchen, die das nutzen
- Praxen und Gesundheit: Termine und Rückfragen mit ruhiger, klarer Stimme bestätigen.
- Handel und Filialen: wechselnde Aktionen und Öffnungszeiten flexibel vorlesen, ohne neue Aufnahmen.
- Dienstleister mit Marke: eine Stimme wählen, die zum Auftritt passt und Wiedererkennung schafft.
- Ticket- und Eventservice: Zahlen, Plätze und Zeiten verständlich und ohne Stottern ansagen.
Typische Anwendungsfälle
- Frei formulierte Antworten am Telefon vorlesen.
- Termine, Zahlen und Namen deutlich aussprechen.
- Bestätigungen und Zusammenfassungen hörbar ausgeben.
- Wechselnde Inhalte ohne neue Aufnahme sprechen.
- Stimme und Tempo an Anlass und Marke anpassen.
Entscheidungshilfe
| Signal | Text-to-Speech passt | Alternative |
|---|---|---|
| Inhalte ändern sich oft | flexible TTS | feste Aufnahme veraltet |
| Frei formulierte Antworten | TTS liest vor | Aufnahme deckt das nicht |
| Nur wenige feste Ansagen | eher nicht | menschliche Aufnahme |
| Sehr spezielle Aussprache | mit Feinschliff | Aufnahme einsprechen |
Beispiel
Ein Ticketservice nutzt Text-to-Speech, damit sein Telefonassistent wechselnde Termine, Plätze und Preise klar ansagt. Die Stimme wird auf Tempo und Betonung abgestimmt, kritische Zahlen liest der Assistent langsam und wiederholt sie bei Bedarf. Das Beispiel beschreibt die Methode ohne behauptete Kennzahl.
Verbindung zu Services
TTS ist der letzte Schritt im Voice Agent, der den KI-Telefonassistenten hörbar macht, im Outbound den KI-Vertrieb am Telefon.
Verwandte Begriffe
Quellen
Diese Einordnung beschreibt gängige Praxis rund um Text-to-Speech. Stimmenwahl, Datenschutz und Aussprache hängen vom Fall ab und müssen im Einzelfall geprüft werden.
Mit AI zusammenfassen