TTS 语音选择：ElevenLabs、Cartesia、Hume 与 PolyAI 语音库
语音是通话体验的第一印象
在语音渠道上，TTS（文本转语音）合成的声音对用户体验的影响极大——用户听到的第一个声音就是欢迎语里的 TTS 输出。好的语音让用户觉得"像在跟真人说话"，差的语音会让用户一开始就不想继续对话。
PolyAI 的 Voice 配置区域里有一个完整的 Voice Library（语音库），包含来自多家顶级 TTS 提供商的音色：
| 提供商 | 特色 | 覆盖语言 |
|---|---|---|
| ElevenLabs | 业界最自然的表现力，支持克隆品牌专属声音 | 32+ 语言 |
| Cartesia | 低延迟、自然度高 | 英、西、法、德等主流语言 |
| Hume AI | 情感表达丰富，适合需要情绪传递的场景 | 英语为主 |
| PolyAI 自研 | Raven / Dialog-RSN-1 的原生语音，专为通话场景优化 | 75 种语言全部支持 |
选择语音的三个维度
1. 口音和地域
优先选与目标客户群口音匹配的声音。同一个"英语"，美国客户听到英国口音会觉得奇怪，反之亦然。PolyAI 在每个语音条目上标注了口音属性（美音 / 英音 / 澳音 / 印英 / 普通话 / 粤语等），按目标地区筛选即可。
2. 行业调性
不同行业适合不同音色风格：
| 行业 | 建议风格 |
|---|---|
| 银行 / 金融 | 沉稳、权威、语速适中 |
| 酒店 / 餐饮 | 温暖、友好、稍慢 |
| 医疗 | 专业、关怀感、清晰 |
| 电商 | 活泼、有活力、中速 |
3. 品牌克隆（企业级）
如果你希望智能体的声音和你的品牌代言人或知名员工一模一样（比如用某位演员、CEO 的声音），PolyAI 企业版支持品牌专属声音克隆——录制 15-30 分钟的干净音频，经过授权审核后，PolyAI 技术团队可以为你生成独家声音模型。
试听和对比
Voice Library 支持一键试听每个声音（播放一段预设文本的合成效果），也支持把同一个文本用多个声音同时播放做对比。建议在选定前多听几个候选，用你自己的欢迎语和典型对话文本去试——不同文本在不同声音下的表现差异可能很大。
多语音场景
PolyAI 支持一个项目里配置多个语音，根据对话上下文切换：
- 白天和晚上用不同声音
- 根据客户的语言自动切换对应声音
- 不同 Flow 用不同声音（身份验证用严肃音色、预订用温暖音色）
这个功能在 Agent Voice → Multi-voice 配置里开启。