Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Best Practices für Agentic Voice

Amazon Connect Agentic Voice kombiniert erweiterte Spracherkennung (ASR) mit ausdrucksstarken, natürlich klingenden Stimmen, um ein umfassendes KI-Erlebnis zu bieten. Advanced ASR sorgt bei Gesprächen in Echtzeit für natürliche Abfolge mit niedriger Latenz, während die Sprachengine lebensechte Sprache an über 50 Orten wiedergibt. Zusammen ermöglichen diese Komponenten eine nahtlose, menschenähnliche Interaktion zwischen Anrufern und Amazon Connect AI-Agenten. In diesem Handbuch werden die Konfiguration und bewährte Methoden für beide Komponenten behandelt, damit Sie das volle Spracherlebnis von Agentic optimal nutzen können.

Dieser Leitfaden behandelt:

Bewährte Methoden für die erweiterte Spracherkennung (ASR)

Bei der Sprachmodell-Voreinstellung Advanced ASR handelt es sich um eine Streaming-Erkennung, die für natürliche Abfolge bei Echtzeitgesprächen mit niedriger Latenz entwickelt wurde. Anstatt sich nur auf ein festes Schweigefenster zu verlassen, bewertet es die Sprache des Anrufers während des Gesprächs und sagt voraus, wann der Anrufer das Gespräch beendet hat — das Ende der Runde (EOT).

Syntax der Sitzungsattribute

Die Steuerelemente in diesem Abschnitt sind mit den standardmäßigen Lex V2-Sitzungsattributen im x-amz-lex Namespace eingerichtet. Sie legen sie fest, wenn Sie eine Konversation beginnen, und Sie können sie in einer Lambda-Funktion überschreiben (z. B. um die Erkennung nur beim Erfassen eines sensiblen Werts zu vereinfachen).

Ordnen Sie jedes Attribut einer Absicht und einem Slot zu:

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

Tun Sie:

Tun Sie nicht:

Barge-in (Verhalten unterbrechen)

Barge-in lässt den Anrufer eine Aufforderung unterbrechen, die der Bot gerade abspielt. Es ist standardmäßig aktiviert, was normalerweise das ist, was Sie für eine natürliche Konversation benötigen. Du steuerst es mit:

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

Standard: true

Deaktiviere barge-in (false), wenn:

Lassen Sie Barge-In aktiviert, wenn:

Beispiel

Für einen KI-Agenten mit Self-Service sollten Sie Barge-In standardmäßig überall aktiviert lassen. Deaktivieren Sie es nur, wenn eine Aufforderung vollständig verstanden werden muss — zum Beispiel ein Haftungsausschluss aus rechtlichen Gründen oder zur Einhaltung gesetzlicher Vorschriften. Legen Sie die Attribute fest, wenn Sie die Konversation beginnen. Behalte die Standardeinstellung bei einem *:* Eintrag bei und schalte Barge-In nur für die Absicht aus, die im Disclaimer wiedergegeben wird:

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

Die für die Absicht und den Slot spezifische Eingabe hat Vorrang vor der *:* Standardeinstellung, sodass der Anrufer überall unterbrechen kann, außer während die Absicht spricht. Disclaimer Wenn Sie das Disclaimer-Attribut stattdessen in einer Lambda-Funktion festlegen, stellen Sie es ein, bevor die Disclaimer-Eingabeaufforderung abgespielt wird. Setzen Sie es auf „truedanach“ zurück, damit der Rest der Konversation unterbrochen werden kann.

End-of-turn Tuning

Advanced ASR beendet eine Runde, wenn eine der Bedingungen zuerst erfüllt ist:

Bei höheren Werten wartet der Bot länger und beendet Turns konservativer (weniger vorzeitige Cutoffs, etwas mehr Latenz). Niedrigere Werte beenden die Runde früher (geringere Latenz, höhere Wahrscheinlichkeit, dass ein Anrufer, der eine Pause einlegt, unterbrochen wird). Die Vertrauensschwelle ist der wichtigste Hebel. Das Timeout für die Stille spielt nur eine Rolle, wenn die Zuversicht nicht bereits beendet ist.

Out-of-range Verhalten:

Werte auswählen

Beispiel

Konservative Erkennung am Ende des Zuges für den AccountNumber Slot, in dem die Absicht passiert ist: VerifyIdentity

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

Eine einzige Standardeinstellung für jeden Intent und Slot:

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

Sprachhinweise für mehrsprachige Erkennung

Advanced ASR erkennt mehrere Sprachen in derselben Konversation, ohne dass Ihnen mitgeteilt wird, welche Sprachen zu erwarten sind. Es erkennt die Sprache anhand der Sprache des Anrufers, sodass ein Anrufer auf Englisch beginnen und auf Spanisch wechseln kann. Die Transkription folgt. Dies ist das Standardverhalten und benötigt keine Konfiguration.

Wenn Sie bereits wissen, welche Sprachen Ihre Anrufer verwenden, können Sie die Erkennung mithilfe von Sprachhinweisen auf sie ausrichten. Hinweise helfen am meisten, wenn zwei Sprachen ähnlich klingen. Sie helfen auch, wenn kurze Äußerungen — ein einzelnes Wort, eine Ziffer, ein yes/no — dem Modell wenig Spielraum bieten. Du stellst sie ein mit:

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

Standard: keine Hinweise — Advanced ASR erkennt die Sprache von selbst.

Definieren Sie das Attribut auf die gleiche Weise wie bei den anderen Steuerelementen in diesem Abschnitt. Verwenden Sie diese Option, *:* um jede Wendung der Konversation zu beeinflussen, oder benennen Sie eine Absicht und ein Zeitfenster, um nur die Abfolge zu beeinflussen, bei denen Sie die erwartete Sprache kennen.

Format des Werts

Stellen Sie den Wert auf die Sprachcodes ein, auf die Sie sich konzentrieren möchten, höchstwahrscheinlich zuerst. Verwenden Sie eine durch Kommas getrennte Liste, die optional in Klammern und Anführungszeichen eingeschlossen ist, wenn dies mit Ihrer Flow- oder Lambda-Funktion einfacher zu erstellen ist. Advanced ASR ignoriert umgebende Leerzeichen und behandelt Unterstriche als Bindestriche, sind also gleichwertig. pt_BR pt-BR

Die folgende Tabelle zeigt beispielhafte Attributwerte und die Sprachen, auf die Advanced ASR jeweils ausgerichtet ist.

Validierung

Beispiel

Das folgende Beispiel verzerrt die Erkennung einer Leitung, deren Anrufer Spanisch oder Englisch sprechen, wobei Spanisch die gebräuchlichste Sprache ist:

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

Tun

Tun Sie das nicht

Umgang mit lang andauernden Toolaufrufen

Wenn ein AI-Agent oder Lambda einen lang andauernden Toolaufruf tätigt (eine Backend-Suche, eine externe API, ein Modellaufruf), bevor der Bot bereit ist, zuzuhören, schweigt der Anrufer. Für den Anrufer kann sich das so anfühlen, als ob der Bot ins Stocken geraten ist oder über ihn gesprochen hat, wenn er endlich reagiert.

Abhilfemaßnahmen:

Kurzreferenz zum ASR-Sitzungsattribut

Häufige ASR-Fehler

Bewährte Methoden für Sprachkommunikation

Amazon Connect Agentic Voice bietet ausdrucksstarke, natürlich klingende Text-to-Speech-Übertragung an über 50 Standorten. Die Engine normalisiert geschriebenen Text automatisch in natürliche Sprache. In den meisten Fällen können Sie Text unverändert weitergeben und ohne spezielle Formatierung hervorragende Ergebnisse erzielen.

Text-Formatierung

Allgemeine Regeln

Übergeben Sie natürlichen, gut unterbrochenen Text. Vollständige Sätze mit normaler Groß- und Kleinschreibung und Interpunktion sorgen für das beste Tempo und die beste Intonation.

Tun Sie:

Tun Sie nicht:

Automatische Normalisierung

Die Engine liest gängige Schriftformate als natürliche Sprache. In den meisten Fällen müssen Sie sie nicht neu formatieren:

Schlagworte zur Sprachsteuerung

Die Sprachengine leitet aus dem Inhalt des Transkripts automatisch das richtige Tempo und die richtigen Emotionen ab. Verwenden Sie Kontroll-Tags nur für bestimmte Anwendungsfälle, in denen die Standardeinstellung nicht den Anforderungen entspricht. Alle Tags werden direkt im Protokoll platziert.

Geschwindigkeit

Kontrollieren Sie die Sprechgeschwindigkeit. Bereich: 0,6 (langsam) bis 1,5 (schnell). Standard: 1,0.

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

Um die Geschwindigkeit nach dem Verlangsamen zurückzusetzen:

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

Volume

Steuern Sie die Lautstärke. Bereich: 0,5 (leise) bis 2,0 (laut) Standard: 1,0.

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

Pausen

Pausen einfügen. Geben Sie die Dauer in Sekunden (s) oder Millisekunden (ms) an.

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

Verwenden Sie Pausen für:

Spruch

Erzwingt das zeichenweise Auslesen von Codes, IDs, Telefonnummern oder einer beliebigen Zeichenfolge, die Buchstabe für Buchstabe gesprochen werden soll.

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

Fügen Sie bei langen Sequenzen ein Leerzeichen in den Spell-Tag-Wrapper ein, um Pausen einzufügen:

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

Alternative Formate (ohne Tags):

Emotion

Das Modell leitet auf natürliche Weise aus dem Inhalt den emotionalen Ton ab — in den meisten Fällen sind keine Schlagworte erforderlich. Emotion-Tags sind eine Beta-Funktion und funktionieren am zuverlässigsten, wenn die Emotion mit dem Transkript übereinstimmt.

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

Primäre Emotionen: neutralangry,excited, contentsad, undscared.

Gelächter

Fügen Sie ein[laughter], um ein natürliches Lachen zu erzeugen.

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

Tag-Referenz

Falsch formatierte Tags

Mehrsprachige Sprachkonfiguration

Amazon Connect Agentic Voice umfasst mehrsprachige Stimmen, die mehrere Sprachen sprechen und während eines Gesprächs nahtlos zwischen ihnen wechseln können. Ein Anrufer kann auf Englisch beginnen, auf Spanisch wechseln, und der Agent folgt ihm — ohne dass Änderungen oder Unterbrechungen erforderlich sind. Im Block Set Voice sind diese Stimmen als polyglotte Stimmen gekennzeichnet. In diesem Handbuch wird der Begriff mehrsprachige Stimmen verwendet, um sie zu beschreiben. In diesem Abschnitt erfahren Sie, wie Sie mehrsprachige Stimmen konfigurieren und worauf Sie achten müssen.

Mehrsprachige Stimmen

Mehrsprachige Stimmen wechseln innerhalb einer einzigen Konversation nativ zwischen den unterstützten Sprachen. Verwenden Sie eine mehrsprachige Stimme, wenn Ihr Contact Center Anrufer bearbeiten muss, die verschiedene Sprachen sprechen oder während eines Anrufs die Sprache wechseln.

Konfiguration

Schritt 1: Erstellen Sie Ihren Amazon Lex-Bot in der Sprachumgebung der mehrsprachigen Stimme

Wenn Sie eine mehrsprachige Stimme verwenden, benötigen Sie nur ein einziges Amazon Lex-Bot-Gebietsschema. Erstellen Sie Ihren Bot in dem Gebietsschema, das der mehrsprachigen Stimme entspricht (z. B. en-US oder en-GB). Sie müssen nicht jede Sprache, die die mehrsprachige Stimme unterstützt, als separates Gebietsschema in Amazon Lex hinzufügen.

Tun Sie:

Tun Sie nicht:

Wenn Sie eine Sprache unterstützen müssen, die nicht in der Liste der unterstützten Sprachen der mehrsprachigen Stimme aufgeführt ist (z. B. Thai oder Tagalog), erstellen Sie einen separaten Bot für dieses Gebietsschema und verwenden Sie eine landesspezifische Stimme. Siehe Verwendung einer nicht mehrsprachigen Agentenstimme in einer anderen Sprache als Englisch.

Schritt 2: Ordnen Sie das Lex-Bot-Gebietsschema dem Block Set Voice zu

Das im Set Voice-Block festgelegte Sprachattribut muss dem Gebietsschema Ihres Lex-Bot entsprechen. Wenn sie nicht übereinstimmen, gibt der Block „Kundeneingabe abrufen“ einen Fehler zurück. Aktualisiere die Blocksprache „Stimme einstellen“, sodass sie mit deinem Bot-Gebietsschema übereinstimmt.

Für mehrsprachige Stimmen, die auf einem englischen Gebietsschema basieren:

First-turn Begrüßung

In der ersten Runde hat der AI-Agent keine Anrufereingabe erhalten. Ohne Eingabe kann der Agent die Sprache des Anrufers nicht erkennen. Die Stimme spricht den Begrüßungstext, der im Block „Kundeneingabe abrufen“ konfiguriert ist. Wenn Sie möchten, dass der Bot den Anrufer in einer bestimmten Sprache begrüßt, stellen Sie sicher, dass die Begrüßungsnachricht in diesem Block in dieser Sprache verfasst ist.

Wenn Ihre primäre Anruferbasis beispielsweise Spanisch spricht, konfigurieren Sie die Begrüßung Get Customer Input auf Spanisch:

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

Nach der ersten Runde übernimmt der KI-Agent und erkennt die Sprache des Anrufers und folgt ihr für den Rest der Konversation.

Schritt 3: Fügen Sie der Systemaufforderung des AI-Agenten Anweisungen zur Sprachverarbeitung hinzu

Fügen Sie der Systemaufforderung Ihres AI-Agenten einen Abschnitt zur Sprachbehandlung hinzu. Dieser Abschnitt bestimmt das mehrsprachige Verhalten. Der AI-Agent erkennt die Sprache des Anrufers anhand des Transkripts und antwortet in dieser Sprache.

Vorlage (an Ihren Anwendungsfall anpassen):

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.

Verwendung einer nicht mehrsprachigen Agentenstimme in einer anderen Sprache als Englisch

Wenn Sie eine Agentenstimme verwenden, die keine mehrsprachige Stimme ist (z. B. eine thailändische, koreanische oder portugiesische Stimme), müssen Sie das Sprachattribut explizit festlegen, damit das System an die richtige ASR-Engine weiterleitet.

Option A: Sprachblock einrichten

Option B: Legen Sie den Block „Kontaktattribute“ fest

Wenn im Block „Spracheinstellungen“ die Spracheinstellung für Ihre Konfiguration nicht angezeigt wird, können Sie die Sprache mithilfe des Blocks „Kontaktattribute festlegen“ vor dem Block „Kundeneingabe abrufen“ festlegen:

Beschränkung auf bestimmte Sprachen

Wenn Ihr Kontaktzentrum nur eine Untergruppe von Sprachen unterstützt, vereinfachen Sie die Eingabeaufforderung:

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.

Systemaufforderung für Amazon Connect AI-Agenten

Wenn Amazon Connect AI-Agenten Text generieren, der gesprochen wird, fügen Sie diese Anweisungen zur Sprachformatierung der Systemaufforderung Ihres Agenten hinzu. Kopieren Sie den folgenden Block und fügen Sie ihn direkt in Ihre Eingabeaufforderungskonfiguration ein.

Aufforderung zur Formatierung der Sprachausgabe

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.

Mehrsprachiges Add-on

Wenn Ihr Bot eine mehrsprachige Stimme verwendet, fügen Sie Ihrer Systemaufforderung Folgendes hinzu, um mehrsprachige Antworten zu aktivieren:

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.

Beispiele für Contact-Center

IVR-Begrüßung

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

Keine Tags erforderlich — die Engine verarbeitet Konversationsgrüße auf natürliche Weise.

Rechtlicher Hinweis (verlangsamt)

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

Kombinieren Sie das Gerät mit deaktiviertem Barge-In auf der Flow-Ebene.

Eine Kontonummer zurücklesen

Mit Rechtschreib-Tags:

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

Ohne Rechtschreib-Tags:

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

Bestätigung mit Referenzcode

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

Menü-Optionen

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

Buchstabieren Sie den Namen eines Kunden

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

Häufige Fehler bei der Sprachausgabe