Расшифровка звонков для контакт-центра
Точный текст звонка: оператор и клиент разведены, у реплик стоят имена и время. Голоса операторов узнаются между звонками, а не нумеруются заново в каждой записи. Загрузкой или прямо из вашей телефонии.
Загрузите один звонок для пробы — записи пачками идут по ключу
Загружайте запись любой длины — бесплатно расшифруем первые 3 минуты. Без регистрации.
Узнавание между звонками — то, чего нет у облачных платформ
Разделить одну запись на двоих умеют все. Проблема начинается на второй записи: у обычной диаризации нумерация говорящих своя в каждом звонке, поэтому «Спикер 1» из вчерашнего разговора и «Спикер 1» из сегодняшнего — разные люди, и сопоставить их нечем.
У нас голоса живут в справочнике организации. Один раз названный оператор дальше опознаётся сам, а вместе с ним — постоянный клиент, который звонит регулярно. Практическая разница:
- Разбор по операторам без сверки с расписанием смен: в расшифровке уже стоит имя.
- История клиента собирается по голосу, даже если он звонит с разных номеров.
- Проверка спорного звонка — понятно, кто говорил, без прослушивания «на опознание».
Речевая аналитика: что это и какой слой закрываем мы
Речевая аналитика — разбор записей разговоров машиной. Он всегда идёт в два шага, и путать их дорого: сначала речь превращается в текст, потом по тексту считаются показатели — соблюдение скрипта, частые возражения, доля молчания, время реплик каждой стороны, точки, где разговор пошёл не туда.
Второй шаг полностью зависит от первого: отчёт по кривой расшифровке считает неправильные вещи с уверенным видом. Ошибка в имени клиента или в сумме сделки проходит дальше по конвейеру и всплывает уже в сводке для руководителя.
Мы делаем первый шаг и не притворяемся вторым. Платформы аналитики — Т-Банк, Сбер, Битрикс24, МТТ, Яндекс.Облако — закрывают отчёты и правила; наш API отдаёт им на вход текст, в котором реплики разведены по участникам, операторы узнаются между звонками, а у каждого слова стоит время.
Где мы в вашем контуре
Мы — слой распознавания, а не платформа аналитики. Это осознанно: строить дашборды и правила скоринга поверх чужих данных умеет ваша система, а качество текста на входе определяет всё, что она потом посчитает.
- Приём — запись уходит на
POST /api/jobsсырым потоком, отвечает идентификатор задачи. - Готовность — по событиям SSE или опросом статуса; ждать в цикле не нужно.
- Результат — JSON: реплики с границами слов, метки и имена говорящих, длительность.
- Термины — названия продуктов и тарифов передаются вместе с записью списком, чтобы не править их в каждом звонке.
Что важно знать про записи из телефонии
- Полоса 8 кГц. Стандарт телефонии режет высокие частоты: «с» и «ш» путаются. Это ограничение канала, а не модели — цифры и фамилии в критичных местах стоит сверять.
- Разведённые каналы. Если оператор и клиент записаны в разные каналы стерео, принадлежность реплик известна точно — лучший вариант из возможных.
- Гарнитура против громкой связи. Гарнитура даёт чистый ближний звук; громкая связь добавляет эхо и наложение речи, на котором разметка иногда смазывается.
- Музыка на удержании. В текст она не попадает: участки без речи не распознаются, и платить за них не приходится.
- Перебивание. На отрезке, где оператор и клиент говорят одновременно, разделять реплики нечем — текст там смешивается. На разведённых каналах это не проблема, на общей дорожке такие места стоит считать спорными.
Сколько ошибок ждать в тексте звонка
Первый вопрос при выборе — процент ошибок, и честный ответ такой: он зависит от линии сильнее, чем от модели. Наш открытый замер сделан на общедоступных записях: 6,91 % ошибок в словах на подготовленной начитке, 7,62 % на живой спонтанной речи и 12,58 % на записях с бытовых устройств в шуме. Телефонный звонок в полосе 8 кГц не бывает лучше последней из этих цифр.
Отдельной открытой цифры по телефонии мы не публикуем по простой причине: набора телефонных записей с пригодной для замера лицензией не существует. Поэтому по телефонии мы мерим на закрытом наборе, а результат отдаём вместе с методикой — что за записи, сколько их, как считалась ошибка, — и без округления в свою пользу.
Вопросы
Что такое речевая аналитика простыми словами?
Это разбор записей разговоров машиной: сначала речь переводится в текст, потом по тексту считают то, ради чего всё затевалось — соблюдал ли оператор скрипт, какие возражения звучат чаще, где клиент начал раздражаться, сколько времени говорил каждый. Аналитика без расшифровки невозможна: считать не по чему. Мы делаем именно первый слой — точный текст с разделением по участникам, именами и таймкодами, — а отчёты и скоринг строит ваша система поверх него.
Это речевая аналитика?
Нет, и подменять её мы не пытаемся. Мы отдаём точный текст звонка с разделением по участникам, именами и таймкодами через API — а отчёты, скоринг и правила строит ваша система или платформа аналитики, которой этот текст и нужен на входе.
Расшифровка разговора — это детализация звонков у оператора?
Нет, это разные вещи, и их постоянно путают. Детализацию — кто кому звонил, когда и сколько длился вызов — выдаёт оператор связи по вашему номеру, и содержания разговора там нет: операторы записей не хранят. Мы работаем с записью, которая есть у вас на руках: файл из телефонии, с диктофона или с телефона превращается в текст с разделением на собеседников и временем у каждого слова. Если записи нет, взять содержание разговора неоткуда — ни у нас, ни у оператора.
Как сервис узнаёт оператора между звонками?
Голос оператора попадает в справочник организации, и в следующих записях он опознаётся автоматически. Именно это отличает нас от облачных решений, где нумерация говорящих начинается заново в каждой записи.
Записи из телефонии на 8 кГц — нормально?
Это основной материал. Узкая полоса режет шипящие, поэтому цифры и фамилии стоит проверять, но смысл диалога и разметка по участникам получаются надёжно. Если каналы разведены по стерео, оператор и клиент различаются точно.
Сколько стоит обработка при больших объёмах?
Оплата за секунды обработанного аудио, тариф на странице цен. Нет ни подписки, ни платы за рабочие места: месяц без звонков — ноль в счёте.
Как гонять поток звонков без ручной загрузки?
По ключу организации: запись отправляется на /api/jobs, готовность приходит по SSE, результат забирается JSON. Ключи выдаются на каждую интеграцию отдельно и отзываются по одному.
Можно ли не хранить расшифровки у вас?
Да, хранение отключается на уровне организации: в журнале не останется ни текста, ни имени файла. Загруженный файл удаляется после обработки всегда.
Какая точность получается на записях звонков?
Открытый замер сервиса даёт 6,91 % ошибок в словах на подготовленной начитке, 7,62 % на живой спонтанной речи и 12,58 % на записях с бытовых устройств в шуме. Телефонная запись в узкой полосе 8 кГц не бывает лучше последней из этих цифр — это свойство канала, а не модели. Открытого набора телефонных записей с пригодной лицензией не существует, поэтому по телефонии мы мерим на закрытом наборе и публикуем результат отдельно, вместе с методикой и без округления в свою пользу.
Падает ли точность, когда оператор и клиент перебивают друг друга?
Да, наложенная речь — главный источник ошибок в звонках: на отрезке, где говорят одновременно, разделять реплики нечем, и текст там может смешаться. Если оператор и клиент записаны в разные каналы стерео, этой проблемы нет — принадлежность реплик известна из самой записи.
Страница обновлена 6 октября 2026