Texto para fala no atendimento ao cliente: URA e mensagens

No atendimento ao cliente, o texto para fala é usado principalmente na voz que as pessoas ouvem antes de falar com alguém: menus telefônicos (URA), saudações, mensagens de espera, avisos fora do horário e comunicados de queda do serviço. Ele dá uma voz consistente em todas as mensagens, em todos os idiomas que você atende, e permite mudar uma única mensagem em minutos, em vez de agendar uma nova gravação. A qualidade do resultado depende muito mais de como as mensagens são escritas do que da voz que você escolhe.

Este guia mostra como escrever mensagens que quem liga consegue acompanhar, os formatos de áudio que os sistemas telefônicos esperam, como tratar números e nomes, menus em vários idiomas, as regras de transparência e quanto custa.

Onde o texto para fala entra no atendimento ao cliente?

A maioria das equipes começa pelas cinco primeiras, que são só um conjunto de arquivos de áudio enviados ao sistema telefônico. As mensagens personalizadas exigem uma integração, explicada mais adiante.

Como escrever mensagens de URA que quem liga consiga acompanhar?

Quem liga não pode voltar uma linha para reler. Tudo precisa funcionar numa única escuta, muitas vezes no viva-voz do celular, num lugar barulhento.

Regras para menus telefônicos

• Diga a opção antes da tecla. “Para cobrança, digite 1” deixa a pessoa reconhecer primeiro o que precisa e só depois ouvir o número. “Digite 1 para cobrança” obriga a guardar um número na memória enquanto espera para saber para que ele serve.
• Limite-se a quatro ou cinco opções. Com mais do que isso, as pessoas esquecem as primeiras. Se for preciso, use um segundo nível.
• Coloque o motivo mais comum em primeiro lugar. Veja por que as pessoas realmente ligam.
• Não faça as pessoas ouvirem propaganda. Uma promoção antes do menu aumenta o tempo de todas as ligações.
• Ofereça sempre um jeito de repetir e um jeito de sair. “Para ouvir estas opções de novo, digite asterisco. Para falar com um atendente, digite 0.”
• Deixe uma pausa depois do menu. Dê à pessoa alguns segundos para decidir antes que o sistema encerre por tempo esgotado.

Antes e depois

Antes:

“Obrigado por ligar. Ouça com atenção, pois as opções do nosso menu mudaram recentemente. Digite 1 se você deseja consultar um pedido existente, o status de uma entrega ou uma devolução. Digite 2 para…”

Depois:

“Obrigado por ligar para a Northwind. Para pedido, entrega ou devolução, digite 1. Para cobrança, digite 2. Para ajuda técnica, digite 3. Para falar com um atendente, digite 0.”

A segunda versão tem metade do tamanho, e cada opção cabe em um só fôlego.

Como fazer números, datas e nomes serem lidos corretamente?

As mensagens de telefone estão cheias de coisas que uma voz pode ler de mais de um jeito. Nas mensagens pré-geradas, escreva tudo exatamente como deve ser falado.

Nomes de marcas, de produtos e de lugares devem entrar uma vez na lista de pronúncia, para que todas as mensagens os digam do mesmo jeito. Isso importa mais ao telefone do que em qualquer outro lugar, porque o nome da empresa pronunciado errado na saudação é a primeira coisa que todo mundo que liga ouve.

Que formato de áudio os sistemas telefônicos pedem?

O áudio de telefonia é de banda estreita: as linhas telefônicas tradicionais transmitem cerca de 300 a 3.400 Hz e usam taxa de amostragem de 8 kHz. A maioria dos sistemas telefônicos aceita um ou mais destes formatos:

• WAV, 8 kHz, 16 bits, mono (PCM)
• WAV, 8 kHz, mono, μ-law (comum na América do Norte e no Japão) ou A-law (comum na Europa e na maioria das outras regiões)
• MP3, que algumas plataformas de telefonia na nuvem aceitam e convertem por conta própria

O Leelo exporta MP3 e WAV (opções de exportação). Exporte em WAV e, se a sua plataforma pedir 8 kHz em μ-law ou A-law, use a ferramenta de upload dela ou um conversor de áudio. Duas dicas práticas:

• Escolha uma voz que resista à banda estreita. Vozes com uma faixa média clara passam bem pelo telefone. Vozes muito soprosas ou muito graves perdem detalhes. Teste as candidatas tocando-as numa ligação de verdade.
• Deixe a música discreta. A música de espera disputa espaço com a fala quando as duas são espremidas na banda do telefone. Se você montar mensagens de espera com uma música de fundo, mantenha a música bem abaixo da voz (adicionar sons e música).

Como montar um menu telefônico em vários idiomas?

1. Ofereça a escolha de idioma em cada idioma. “For English, press 1. Para español, oprima dos. Pour le français, appuyez sur trois.” Cada frase deve ser dita por uma voz nativa desse idioma.
2. Traduza as mensagens, não as transcreva palavra por palavra. As convenções telefônicas variam: as URAs em espanhol costumam usar “oprima” ou “marque” em vez de um “pressione” literal, e as brasileiras, “digite” ou “tecle”.
3. Escolha uma voz por idioma e mantenha-a. O Leelo tem vozes em mais de 80 idiomas; por exemplo, ouça várias vozes em espanhol e fique com a que quem liga achar mais natural.
4. Mantenha a estrutura do menu idêntica em todos os idiomas, para que a tecla 2 signifique cobrança em qualquer idioma e a equipe de suporte resolva problemas com facilidade.

É preciso avisar quem liga de que a voz é de IA?

Avisar é uma boa prática e, em alguns casos, uma exigência legal.

• Ligações de saída: nos Estados Unidos, a Federal Communications Commission decidiu em 2024 que vozes geradas por IA contam como vozes “artificiais” segundo as regras de chamadas automatizadas (“robocalls”), que em geral exigem o consentimento prévio de quem recebe a ligação.
• Sistemas de IA que conversam com pessoas: o AI Act da União Europeia exige que as pessoas sejam informadas quando estão interagindo com um sistema de IA, a menos que isso seja óbvio.
• Menus de ligações recebidas: os menus pré-gravados são um formato conhecido, mas, se uma voz sintética puder ser confundida com um atendente de verdade, deixe isso claro logo no início.

As regras variam de país para país e mudam rápido, então consulte o seu jurídico. Estas são informações gerais, não aconselhamento jurídico.

A sua marca deve usar uma voz da biblioteca ou uma voz própria?

• Voz da biblioteca: a mais rápida. Escolha uma na biblioteca e use em todos os lugares.
• Voz criada: crie uma voz a partir de uma descrição (“simpática, calma, trinta e poucos anos, clara, sem pressa”) para que nenhuma outra empresa soe como você.
• Voz clonada: se a sua empresa já tem uma voz conhecida, como a de um funcionário que gravou as saudações antigas, a clonagem de voz pode recriá-la a partir de uma gravação curta, com o consentimento por escrito dessa pessoa. Combine antes o que acontece se ela sair da empresa.

Como manter as mensagens sempre atualizadas?

O principal motivo para as equipes passarem a usar texto para fala são as atualizações. Um fechamento por causa de feriado antes exigia reservar horário de estúdio; agora é só editar uma linha.

Exemplo na prática: o fechamento de um feriado

1. Adicione uma nova fala abaixo da fala de “horário de funcionamento”, com o mesmo personagem.
2. Mude o texto: “Estaremos fechados na segunda-feira, dia vinte e cinco. Voltamos a atender na terça-feira, às nove da manhã.”
3. Gere de novo só essa fala, com a mesma voz e as mesmas configurações, para que combine com o resto do menu.
4. Exporte e envie para o sistema telefônico, com um agendamento para as datas do fechamento.

Automatizando com a API

Se as mensagens dependem de informações em tempo real, como um aviso de queda do serviço ou uma fila maior do que o normal, use a API para gerar áudio a partir de texto nos seus próprios sistemas e os webhooks para saber quando um arquivo está pronto. Para a fala gerada durante uma ligação ao vivo, teste o atraso de ponta a ponta com a sua plataforma de telefonia antes de se comprometer.

Quanto custa colocar voz em um sistema telefônico?

O Leelo funciona com créditos: 1 crédito é 1 palavra em uma voz padrão, 1,5 em vozes premium e 5 nas suas próprias vozes criadas ou clonadas. Tarefas que falham devolvem os créditos. Um exemplo de conta:

• Uma URA típica: 40 mensagens com média de 15 palavras dão cerca de 600 palavras, ou seja, 600 créditos com uma voz padrão. Isso cabe nos 1.000 créditos únicos do plano grátis, o bastante para montar e testar um menu completo.
• O mesmo menu em quatro idiomas: cerca de 2.400 créditos.
• Com uma voz de marca criada: cerca de 3.000 créditos para um idioma.
• O acesso à API começa no plano Pro (US$ 99 por mês, 600.000 créditos, 3 assentos).

O uso comercial do áudio, o que inclui tocá-lo para os seus clientes, é permitido nos planos pagos. Veja os preços de todos os planos e a página do caso de uso URA e menus telefônicos para mais exemplos.

Perguntas frequentes

Posso usar texto para fala no menu telefônico da minha empresa?

Sim. Escreva as mensagens, gere todas com uma voz, exporte em WAV e envie para o seu sistema telefônico. A maioria dos sistemas telefônicos, na nuvem ou instalados na própria empresa, aceita arquivos WAV, às vezes depois de uma conversão para 8 kHz.

Qual é a melhor voz para uma URA?

Uma voz clara, de faixa média, num ritmo um pouco mais lento que o de uma conversa normal, porque o áudio do telefone elimina detalhes. Teste duas ou três candidatas numa ligação de verdade, e não em fones de estúdio, e fique com a mais fácil de entender.

Qual deve ser a duração de uma saudação telefônica?

O mais curta possível: o nome da empresa, uma mensagem opcional de uma linha e depois o menu. Cada segundo a mais é pago por todas as pessoas que ligam, todas as vezes. Se precisar anunciar algo, coloque depois do menu ou na mensagem da fila.

Preciso regravar o menu inteiro quando uma opção muda?

Não. Num estúdio que trabalha fala a fala, você edita e gera de novo só a mensagem que mudou, com a mesma voz e as mesmas configurações, e ela combina com o resto. Depois, é só substituir esse único arquivo no sistema telefônico.

Quem liga percebe que a voz é de IA?

Algumas pessoas percebem, principalmente em mensagens mais longas. Tudo bem se as mensagens forem claras e a voz for agradável: quem liga quer, na maioria das vezes, chegar rápido ao lugar certo. Onde as leis ou as suas próprias políticas exigirem, avise que a voz é automatizada.