翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

エージェント音声のベストプラクティス

Amazon Connect エージェント音声は、高度な音声認識 (ASR) と表現的で自然な音声を組み合わせて、完全な音声 AI エクスペリエンスを提供します。アドバンスト ASR は、リアルタイム会話を自然な低レイテンシーのターンインを提供し、音声エンジンは 50 以上のロケールでリアルな音声を提供します。これらのコンポーネントを組み合わせることで、発信者と Amazon Connect AI エージェント間のシームレスで人間のようなやり取りが可能になります。このガイドでは、エージェント音声エクスペリエンスを最大限に活用できるように、両方のコンポーネントの設定とベストプラクティスについて説明します。

このガイドでは、以下について説明します。

高度な音声認識 (ASR) のベストプラクティス

Advanced ASR 音声モデル設定は、リアルタイム会話を自然で低レイテンシーのターンを取るように設計されたストリーミングレコグナイザーです。無音の固定ウィンドウのみに依存する代わりに、発信者が話すときに発信者の音声を評価し、発信者がいつ終了するかを予測します。終了 (終了）。

セッション属性構文

このセクションのコントロールは、 x-amz-lex名前空間の標準 Lex V2 セッション属性で設定されます。会話を開始するときに設定し、Lambda 関数で上書きできます (たとえば、機密値を収集している間のみ検出を緩和するため）。

すべての属性をインテントとスロットにスコープします。

x-amz-lex:audio:<setting>:<intentName>:<slotToElicit>

実行:

次の操作は行わないでください。

割り込み (割り込み動作)

割り込みを使用すると、呼び出し元はボットが再生しているプロンプトを中断できます。デフォルトでは有効になっており、通常は自然な会話に必要です。次の方法で制御します。

x-amz-lex:allow-interrupt:<intentName>:<slotToElicit>

デフォルト: true

次の場合に割り込み (false) を無効にします。

割り込みは、次の場合に有効にします。

例

セルフサービス AI エージェントの場合、デフォルトではどこでも割り込みのままにします。法的またはコンプライアンス上の免責事項など、プロンプトを完全に聞く必要がある場合にのみ無効にします。会話を開始するときに属性を設定します。*:* エントリを指定してデフォルトをオンにし、免責事項を再生するインテントに対してのみ割り込みをオフにします。

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:allow-interrupt:*:*": "true",
      "x-amz-lex:allow-interrupt:Disclaimer:*": "false"
    }
  }
}

インテントとスロット固有のエントリは*:*デフォルトよりも優先されるため、呼び出し元はインDisclaimerテントが話している間以外はどこでも割り込みできます。代わりに Lambda 関数で免責事項属性を設定する場合は、免責事項プロンプトが再生される前に設定してください。会話の残りが中断されないように、true後で にリセットします。

End-of-turnのチューニング

アドバンスト ASR は、いずれかの条件が最初に満たされるとターンを終了します。

値を大きくすると、ボットの待機時間が長くなり、終了ターンがより控えめになります (早期カットオフが少なくなり、レイテンシーがわずかに長くなります）。値が小さいほど、ターンが早くなります (レイテンシーが低くなり、一時停止する発信者が切断される可能性が高くなります）。信頼度しきい値はプライマリレバーです。サイレンスタイムアウトは、信頼度がまだターンを終了していない場合にのみ重要です。

Out-of-rangeの動作:

値の選択

例

VerifyIdentity インテントのAccountNumberスロットの保守的なend-of-turn検出:

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:audio:end-confidence-threshold:VerifyIdentity:AccountNumber": "0.9",
      "x-amz-lex:audio:end-timeout-ms:VerifyIdentity:AccountNumber": "7000"
    }
  }
}

インテントとスロットごとに 1 つのデフォルト:

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:audio:end-confidence-threshold:*:*": "0.8",
      "x-amz-lex:audio:end-timeout-ms:*:*": "800"
    }
  }
}

多言語認識のための言語ヒント

アドバンスト ASR は、予想される言語を知らされることなく、同じ会話で複数の言語を認識します。発信者の音声から言語を検出するため、発信者は英語で開始し、スペイン語に切り替えて文字起こしを行うことができます。これはデフォルトの動作であり、設定は必要ありません。

発信者が使用している言語が既にわかっている場合は、言語ヒントを使用して認識にバイアスをかけることができます。ヒントは、2 つの言語が似ている場合にほとんどののに役立ちます。また、1 つの単語、1 つの数字、はい/いいえの短い発話でモデルがほとんど機能しない場合にも役立ちます。これらを設定するには、以下を使用します。

x-amz-lex:audio:locale-override:<intentName>:<slotToElicit>

デフォルト: ヒントなし — アドバンスト ASR は言語を単独で検出します。

このセクションの他のコントロールと同じ方法で属性の範囲を設定します。を使用して会話のすべてのターンにバイアス*:*をかけるか、インテントとスロットに名前を付け、予想される言語がわかっているターンにのみバイアスを与えます。

値形式

値をバイアスする言語コードに設定します。ほとんどの場合、最初に設定します。フローまたは Lambda 関数から生成しやすい場合は、オプションで角括弧と引用符で囲まれたカンマ区切りのリストを使用します。アドバンスト ASR は周囲の空白を無視し、アンダースコアをハイフンとして扱うため、 pt_BRと pt-BRは同等です。

次の表は、属性値の例と、それぞれが Advanced ASR をバイアスする言語を示しています。

検証

例

次の例では、発信者がスペイン語または英語を話し、スペイン語がより一般的な言語である行の認識をバイアスします。

{
  "sessionState": {
    "sessionAttributes": {
      "x-amz-lex:audio:locale-override:*:*": "es,en-US"
    }
  }
}

する

しない

長時間実行されるツール呼び出しの処理

AI エージェントまたは Lambda がボットがリッスンする準備が整う前に長時間実行されるツール呼び出し (バックエンドルックアップ、外部 API、モデル呼び出し) を行うと、呼び出し元は無音状態になります。発信者にとっては、ボットが最終的に応答したときに停止したり、話しかけたりしているように感じられます。

緩和策:

ASR セッション属性のクイックリファレンス

一般的な ASR ミス

音声のベストプラクティス

Amazon Connect エージェント音声は、50 を超えるロケールで表現的で自然なtext-to-speechを実現します。エンジンは、書き込まれたテキストを自動的に自然な音声に正規化します。ほとんどの場合、テキストをそのまま渡し、特別なフォーマットなしで優れた結果を得ることができます。

テキストのフォーマット

一般的なルール

句読点の多い自然なテキストを渡します。通常の大文字と句読点を含む完全な文は、最適なペースとイントネーションを生成します。

実行:

次の操作は行わないでください。

自動正規化

エンジンは、一般的な書き込み形式を自然な音声として読み取ります。ほとんどの場合、再フォーマットする必要はありません。

音声コントロールタグ

音声エンジンは、トランスクリプトコンテンツから適切なペースと感情を自動的に推測します。コントロールタグは、デフォルトが満たされない特定のユースケースでのみ使用します。すべてのタグはトランスクリプトに直接配置されます。

[Speed] (スピード)

話す速度を制御します。範囲: 0.6 (低速）～1.5 (高速）。デフォルト: 1.0。

<speed ratio="0.85"/>This call may be recorded for quality purposes.

速度を下げた後に速度をリセットするには:

<speed ratio="0.85"/>Important notice.<speed ratio="1.0"/>Now, how can I help?

Volume

ラウドネスを制御します。範囲: 0.5 (quiet)～2.0 (loud)。デフォルト: 1.0。

<volume ratio="0.5"/>I'll speak softly for this part.

ブレーク

挿入が一時停止します。期間を秒 (秒) またはミリ秒 (ミリ秒) で指定します。

Your balance is $1,234.<break time="500ms"/>Your next payment is due June 15th.

以下の場合は改行を使用します。

スペル

コード、IDs、電話番号、またはletter-by-lettercharacter-by-characterの読み上げを強制します。

Your confirmation code is <spell>TKT4829XB</spell>.

長いシーケンスの場合は、スペルタグラッパー内にスペースを追加して一時停止を挿入します。

Your phone number is <spell>(415)</spell><break time="200ms"/><spell>5551212</spell>.

代替形式 (タグなし):

Emotion

モデルはコンテンツから感情的なトーンを自然に推測します。ほとんどの場合、タグは必要ありません。感情タグはベータ機能であり、感情がトランスクリプトと一致すると最も確実に機能します。

<emotion value="sympathetic"/>I understand this is frustrating. Let me investigate that for you.

主な感情: neutral、angry、excited、content、sad、および scared。

笑い

を挿入[laughter]して自然に笑います。

Oh, I've actually heard that one before! [laughter] Alright, let's get this sorted out.

タグリファレンス

不正な形式のタグ

多言語音声設定

Amazon Connect エージェント音声には、複数の言語を話し、会話中にシームレスに切り替えることができる多言語音声が含まれています。発信者は英語で開始し、スペイン語に切り替えて、エージェントをフォローできます。フローの変更や中断は必要ありません。音声の設定 ブロックでは、これらの音声はポリ声としてラベル付けされます。このガイドでは、多言語音声という用語を使用して説明しています。このセクションでは、多言語音声の設定方法と注意点について説明します。

多言語音声

多言語音声は、1 回の会話でサポートされている言語をネイティブに切り替えます。コンタクトセンターで異なる言語を話す発信者や通話中に言語を切り替える発信者を処理する必要がある場合は、多言語音声を使用します。

設定

ステップ 1: 多言語音声のロケールで Amazon Lex ボットを構築する

多言語音声を使用する場合は、1 つの Amazon Lex ボットロケールのみが必要です。多言語音声 (en-US や en-GB など) に一致するロケールにボットを構築します。多言語音声がサポートするすべての言語を Amazon Lex の個別のロケールとして追加する必要はありません。

実行:

次の操作は行わないでください。

多言語音声でサポートされている言語リストにない言語 (タイ語やタガログ語など) をサポートする必要がある場合は、そのロケール用に別のボットを作成し、ロケール固有の音声を使用します。「英語以外のロケールでの非多言語エージェント音声の使用」を参照してください。

ステップ 2: Lex ボットロケールを音声設定ブロックに一致させる

Set Voice ブロックで設定された言語属性は、Lex ボットのロケールと一致する必要があります。一致しない場合、Get Customer Input ブロックはエラーを返します。ボットロケールと一致するように音声ブロック言語の設定を更新します。

英語ロケールで構築された多言語音声の場合:

初回の挨拶

最初のターンでは、AI エージェントは発信者入力を受信していません。入力しないと、エージェントは発信者の言語を検出できません。音声は、Get Customer Input ブロックで設定された挨拶テキストを発声します。ボットで特定の言語で発信者に挨拶する場合は、そのブロックの挨拶メッセージがその言語で書かれていることを確認してください。

たとえば、プライマリ発信者ベースがスペイン語を話す場合は、Get Customer Input greeting in Spanish を設定します。

Hola, gracias por llamar. ¿Cómo puedo ayudarle hoy?

最初のターンの後、AI エージェントは会話の残りの時間、発信者の言語を引き受けて検出し、それに従います。

ステップ 3: AI エージェントシステムプロンプトに言語処理手順を追加する

AI エージェントのシステムプロンプトに言語処理セクションを追加します。このセクションでは、多言語動作について説明します。AI エージェントは、トランスクリプトから発信者の言語を検出し、その言語で応答します。

テンプレート (ユースケースに合わせてカスタマイズ):

You are connected to a multilingual voice that supports the following languages: English, German, Spanish, French, Hindi, Italian, Japanese, Norwegian, Portuguese, and Russian.

Language handling rules:
Detect the language of the caller's input from the transcription.
If the caller speaks in one of the supported languages listed above, respond in that same language.
If the caller speaks a language not in the supported list, respond in English and politely let them know you can assist in the supported languages.
Always respond in one language at a time. Do not mix languages in a single response unless the caller mixes first.
If the caller switches languages mid-conversation, follow their lead immediately.
When responding in any non-English language, always use proper accent marks, diacritics, and locale-appropriate formatting (for example, é, ñ, ü, ç). This ensures the voice engine produces natural pronunciation.
Keep English brand names, product names, codes, and identifiers in English. Do not translate them.

英語以外のロケールでの非多言語エージェント音声の使用

多言語音声ではないエージェント音声 (タイ語、韓国語、ポルトガル語の音声など) を使用している場合は、システムが正しい ASR エンジンにルーティングされるように言語属性を明示的に設定する必要があります。

オプション A: Voice ブロックを設定する

オプション B: 問い合わせ属性の設定ブロック

Set Voice ブロックが設定の言語設定を公開していない場合は、Get Customer Input ブロックの前に Set Contact Attributes ブロックを使用して言語を設定できます。

特定の言語に制限する

コンタクトセンターが言語のサブセットのみをサポートしている場合は、プロンプトを簡素化します。

You support English and Spanish on this line only.
Detect the language of the caller's input.
If the caller speaks English or Spanish, respond in that language.
If the caller speaks any other language, respond in English: I apologize, but I can only assist in English or Spanish. How can I help you today?
If the caller switches between English and Spanish, follow their lead.
Use proper accent marks when responding in Spanish (á, é, í, ó, ú, ñ, ü).
Keep brand names and codes in English.

Amazon Connect AI エージェントのシステムプロンプト

Amazon Connect AI Agents が音声テキストを生成するときは、エージェントのシステムプロンプトにこれらの音声フォーマット手順を追加します。以下のブロックをコピーしてプロンプト設定に直接貼り付けます。

音声出力フォーマットプロンプト

Speech Output Formatting
Everything you output will be spoken aloud by text-to-speech.
Follow these rules:

GENERAL FORMATTING
Use full sentences with normal capitalization. Always end with . ? or !
Use conventional written forms for numbers, dates, acronyms, symbols.
Do NOT use markdown, bullet points, headers, bold, raw JSON, emoji, or special characters.
Write plain prose only.

SPELLING OUT CODES AND IDS
For codes or IDs that must be read character-by-character, except for phone numbers, wrap in <spell> tags:
Example: Your confirmation code is <spell>TKT4829XB</spell>. Was that the account ending in <spell>1234</spell>?

THINGS TO AVOID
Do not output bullet points, numbered lists, or structured formatting.
Do not use asterisks, hashtags, or markdown syntax.
Do not include internal thoughts, reasoning, or meta-commentary.
Do not use parentheses, brackets, curly braces, or quotation marks.

NATURALNESS
Respond as if speaking directly to the caller.
Keep responses concise. Avoid long monologues.
Use natural transitions like: Let me check that for you. Or: Here is what I found.

多言語アドオン

ボットが多言語音声を使用している場合は、システムプロンプトに以下を追加して、多言語レスポンスを有効にします。

Language Handling
You are connected to a multilingual voice that supports: English, German,
Spanish, French, Hindi, Italian, Japanese, Norwegian, Portuguese, and Russian.

Detect the language of the caller input from the transcription. If the
caller speaks in one of the supported locales, respond in that language.
If the caller speaks a language not in the supported list, respond in
English and politely let them know you can assist in English.

Always respond in one language at a time. Do not mix multiple languages
in a single response. If the caller switches languages mid-conversation,
follow their lead and switch your responses to match.

When responding in a non-English language, always use proper accent marks,
diacritics, and locale-appropriate formatting. This ensures the voice
engine produces natural, native-sounding pronunciation.

コンタクトセンターの例

IVR 挨拶

Hi, thanks for calling. How can I help you today?

タグは必要ありません。エンジンは会話の挨拶を自然に処理します。

法的免責事項 (スロー)

<speed ratio="0.85"/>This call may be recorded for quality assurance purposes. By continuing, you consent to recording.

フローレベルで割り込みを無効にしてペアリングします。

アカウント番号の読み取り

スペルタグの場合:

Your account number is <spell>1234</spell> <spell>5678</spell> <spell>9012</spell>.

スペルタグなし:

Your account number is 1 2 3 4, 5 6 7 8, 9 0 1 2.

リファレンスコードによる確認

I've created your ticket. Your reference number is <spell>TKT4829XB</spell>. Is there anything else I can help with?

メニューオプション

Press 1 for billing.<break time="500ms"/>Press 2 for technical support.<break time="500ms"/>Press 3 to speak with an agent.

顧客の名前をスペルする

Let me confirm — your last name is Smith, spelled <spell>SMITH</spell>. Is that correct?

一般的なtext-to-speechミス