Голос, который мы уволили
Прежде чем Ася заговорила так, как говорит сейчас, она сменила шесть голосов — точнее, шесть движков, на которых держались её слух, голос и характер. Мы перепробовали всё громкое, что есть на рынке: ElevenLabs, OpenAI, Gemini, Grok. Каждому дали шанс на живых звонках. Эта мини-серия — о том, почему пять из них мы закрыли, и почему победил тот, о ком вы, скорее всего, не слышали. Начнём с самого красивого.
Осенью 2025-го Ася говорила голосом ElevenLabs — и это было потрясающе. Голоса у них живые, настраиваемые до мурашек; в первых тестах люди честно не могли понять, что говорят не с человеком. Для витрины — идеально. Мы и взяли его первым: если уж учить машину разговаривать, пусть хотя бы звучит по-человечески.
Проблемы начались не со звука, а с характера. У Аси есть привычка, которую мы тогда увидели впервые: после каждого обращения к своим — проверить тариф, найти абонента в картотеке — она забывала, на каком языке шёл разговор, и возвращалась к языку своей инструкции. Абонент говорит по-русски, Ася сходила проверить баланс — и продолжает по-украински, как ни в чём не бывало. Мы правили это заклинаниями в промпте, заклинания помогали до следующего звонка. Архитектурно дыра не закрывалась.
Вторая беда была коварнее. Перевод на живого человека у нас — два шага: подготовить перевод, потом перевести. Ася делала первый шаг, получала бодрое «готово» — и на этом успокаивалась: вежливо прощалась и вешала трубку. Задача же выполнена, вон и подтверждение пришло. Человек оставался на линии один, без оператора, к которому его так и не переключили. Полшага до цели — и полная уверенность, что дело сделано.
Были и мелочи, которых набирался ощутимый счёт: ответ инструментов ехал через чужое облако лишние триста-пятьсот миллисекунд; чувствительность слуха не настраивалась — стоило нам вставить дежурное «секундочку, проверяю», как Ася сама себя перебивала; минуты тикали в оплату даже там, где никто ничего не говорил.
Но уволили мы этот голос не за баги. Баги были у всех — дальше в серии вы увидите, что у некоторых они были веселее. Решающей оказалась вещь скучная и совершенно не звуковая: скорость работы над характером. Любая правка Асиного поведения в ElevenLabs — это клики в облачном дашборде. Без истории версий, без возможности посмотреть, что менялось вчера, без отката, без ревью. А характер живого агента правится не раз в месяц — раз в день, иногда раз в час, по свежей записи неудачного звонка.
Мы к тому моменту уже поняли простую вещь: промпт — это код. Он должен жить там же, где код, — в репозитории, с историей, с честным «кто, когда и зачем это поменял», с прогоном сценариев до выката. Движок, в котором характер агента редактируется мышкой в браузере, проигрывает не по качеству — по скорости обучения. Каждый день на дашборде — это день, за который агент мог стать умнее и не стал.
Так красивейший голос на рынке ушёл в архив — тёплым запасным, на случай если основному станет плохо. Расстались без скандала: для коротких сценариев и витрин он хорош до сих пор. Просто живая поддержка провайдера — это не витрина.
На его место пришёл OpenAI — и с ним история противоположная: придраться к качеству было почти не к чему. Придраться было к цифре в счёте за минуту. Какой именно и почему она в пять раз больнее, чем звучит, — в следующем выпуске.