Промпты для голосового агента

Голосовой агент озвучивает то, что генерирует LLM. Поэтому промпт влияет не только на смысл ответов, но и на звучание: паузы, ударения, чтение чисел. Здесь — разметка, поддерживаемая движками синтеза, и практики, которые делают агента живым и понятным по телефону.

Разметка речи

Разметка вставляется прямо в текст, который произносит агент. Чтобы она доходила до синтеза (а не вырезалась), включите тумблер «Разметка речи» в настройках голоса проекта.

Пример реплики с разметкой:

Здравствуйте! sil<[300]> Вас приветствует клиника «Здоровье». Чем могу помочь?

XTTS, CosyVoice и ElevenLabs не понимают ручные ударения + — у них собственная простановка. Паузы у них задаются знаками препинания.

Числа, даты, телефоны

Разные движки по-разному читают цифры:

• Yandex — читает цифры сам: 1 200 рублей, 23 июля, 8 916 321 45 67 произнесёт правильно.
• Silero / клон-движки (F5, CosyVoice, XTTS) — голые цифры могут не озвучиться. Для них пишите числа словами: «тысяча двести рублей», «двадцать третье июля», «восемь, девятьсот шестнадцать, …».

Совет для промпта: попросите LLM проговаривать числа словами —

Все суммы, даты и номера телефонов проговаривай прописью (словами),
а не цифрами. Например: «тысяча двести рублей», «двадцать третьего июля».

Иностранные слова и латиница

Синтез на русском может прочитать латиницу по-английски или невнятно. Пишите бренды и термины кириллицей: «Вотсап» вместо «WhatsApp», «Гугл Мит» вместо «Google Meet», «имейл» вместо «email». В промпте можно задать правило:

Иностранные названия пиши русскими буквами так, как они звучат.

Бест-практис для голоса

• Короткие предложения. TTS делает естественные паузы на точках и запятах — дробите длинные фразы.
• Без markdown. Не используйте списки, **жирный**, # заголовки, эмодзи — движок прочитает символы вслух. Просите агента отвечать обычным текстом.
• Кратко для телефона. 1–3 предложения на реплику: по телефону длинные монологи теряются, и собеседник перебивает.
• Приветствие — в отдельном поле «Приветствие», а не в системном промпте: оно произносится первым и не должно «съедаться».
• Управляйте темпом в настройках, а не в тексте: скорость голоса задаётся ползунком и не зависит от движка.
• Проверяйте на симуляторе. На странице проекта можно прослушать агента голосом до запуска звонков.

Как агент вставляет паузы из промпта

Если включена «Разметка речи», можно поручить агенту расставлять паузы по смыслу:

Перед тем как назвать цену или дату, делай короткую паузу sil<[400]>.
В конце приветствия — пауза sil<[300]>.

Агент подставит метки в свой ответ, а движок (Yandex) их отыграет. На других движках метки пауз игнорируются — там используйте запятые и точки.