يميّز التفريغ بين الأصوات، لكنه لا يعرف أيّها صوت الوكيل. احفظ كل وكيل مرة واحدة من إحدى مكالماته، وتعود كل مكالمة بعدها باسم الوكيل مكتوبًا، وملخص في أعلاها، وجدول جاهز لمراقبة الجودة.
مسؤول الجودة الذي يراجع مكالمات الدعم بالاستماع يستطيع إنجاز حفنة منها في اليوم، ومكالمة مدتها سبع دقائق تستغرق سبع دقائق مهما أسرعتَ في النقر. أما إذا قُرئت نصًا فالمكالمة نفسها نحو ألف كلمة، صفحة واحدة، والصفحة يمكن تصفحها سريعًا والبحث فيها ولصقها في تذكرة. يحوّل تفريغ مكالمات خدمة العملاء التسجيلات التي يحتفظ بها نظام الهاتف لديك أصلًا إلى مثل هذه الصفحات. وثلاثة أمور تحدد هل تنفع هذه الصفحات: هل يبيّن كل سطر من تكلم، الوكيل أم العميل؛ وهل تأتي المكالمة بملخص قصير لما طُلب وما اتُّفق عليه؛ وهل تصل النتيجة إلى حيث يعمل الفريق، في ملاحظة على نظام إدارة علاقات العملاء (CRM) أو في جدول لمراقبة الجودة.
يستعرض هذا المقال سير العمل هذا مع VocalStack: مكالمات مسجَّلة تُرسل عبر واجهة البرمجة، والوكيل يُتعرَّف عليه بالاسم، وملخص يُكتب لكل مكالمة، وتصدير بصيغتي JSON وExcel. ويقول بوضوح أيضًا ما لا يفعله VocalStack لفريق الدعم، لأن بعضه يهمّ قبل رفع أول مكالمة.
تستطيع معظم أنظمة الهاتف ومراكز الاتصال تصدير تسجيلات المكالمات ملفات صوتية، أو إعطاء رابط تنزيل لكل منها. وكلاهما يصلح. يقبل POST /v1/transcriptions ملفًا برفع متعدد الأجزاء (multipart)، أو جسم JSON فيه url يجلبه الخادم بنفسه. ويشرح دليل الملفات الاستدعاء بالتفصيل؛ وفي المكالمات تهمّ هذه الإعدادات، وكلها داخل settings:
speakerLabels: اضبطه على on، ليحمل كل سطر في مكالمة بين شخصين متحدثًا. والافتراضي، When Needed (auto)، لا يضع التسميات على الأسطر إلا بعد سماع متحدث ثانٍ، وهذا يناسب المحاضرة أكثر من المكالمة.summary وtitle: كلاهما معطّل ما لم تطلبهما. وعند تفعيلهما يُكتب عنوان وملخص قصير للمكالمة بعد تفريغها.spokenLanguage: حدّدها إن كنت تعرفها، كما في طابور لا يستقبل إلا مكالمات بلغة واحدة. وإن أغفلتها اكتُشفت اللغة من بين 100.يردّ الرفع فورًا بمعرّف تفريغ؛ وتأتي الكلمات بعد قليل. أرسل Idempotency-Key مع كل رفع: فإعادة المحاولة بالمفتاح والجسم نفسيهما خلال 24 ساعة تُرجع التفريغ الأول بدل إنشاء تفريغ ثانٍ ومحاسبتك عليه. والمعرّف الخاص بالمكالمة من نظام الهاتف لديك مفتاح طبيعي.
import { VocalStack } from '@vocalstack/js-sdk';
const vs = new VocalStack({ baseUrl: '{{api}}', apiKey: process.env.VOCALSTACK_API_KEY });
const tx = await vs.transcriptions.create(
{
file: './calls/48213.mp3',
name: 'Ticket 48213',
settings: { speakerLabels: 'on', summary: true, title: true },
},
{ idempotencyKey: 'call-48213' },
);
const job = await vs.transcriptions.waitForJob(tx.id, { intervalMs: 5000 });
if (job.state !== 'done') throw new Error(`call 48213: ${job.state} ${job.error ?? ''}`);
يمكن رفع تسجيلات ليلة كاملة في حلقة واحدة. تحدد كل خطة عدد التفريغات التي تعمل في وقت واحد، والملف الذي يتجاوز هذا العدد لا يُرفض: بل يُنشأ وينتظر بحالة queued ويبدأ من تلقاء نفسه حين ينتهي ملف سابق. والحد الذي قد تبلغه هو عدد التفريغات التي يحق للحساب بدؤها عبر واجهة البرمجة في الساعة؛ وأرقام كل خطة في صفحة الأسعار. ولا توجد webhooks، فيستعلم سكربتك عن كل مهمة حتى تنتهي، وهذا ما تفعله waitForJob عنك.
تأتي تسميات المتحدثين من تمييز المتحدثين (diarization): يُقسَّم التسجيل إلى أدوار كلام، وتُجمَّع الأدوار بحسب الصوت. وما يعود هو «Speaker 1» و«Speaker 2». يستطيع النظام التمييز بين صوتين، لكن لا شيء في الصوت يقول أيّهما موظف لديك. ويشرح تمييز المتحدثين مقابل التعرّف على الكلام الآلية؛ أما في مكالمات الدعم فالجواب العملي أن تحفظ كل وكيل مرة واحدة.
المتحدث المحفوظ (saved speaker) بصمة صوتية لها اسم. وما إن توجد حتى يقارن كل تفريغ جديد في الحساب الأصوات التي يسمعها بمتحدثيك المحفوظين، فتنقل المطابقة الاسم إلى النص. وتُطابَق الملفات تلقائيًا، فتصل أسطر الوكيل باسم «Dana» بدل «Speaker 1». ويبقى العميل مرقَّمًا إلى أن تسمّيه.
خذ البصمة من إحدى مكالمات الوكيل نفسه لا من تسجيل أُجري على مكتب. فقد يبدو الصوت على سماعة رأس في غرفة هادئة والصوت نفسه على خط هاتف أقل تشابهًا للآلة من شخصين مختلفين سُجّلا بالطريقة نفسها، وتتطابق البصمة أفضل ما يكون مع صوت يشبه الذي أُخذت منه. يحفظ POST /v1/speakers/from-appearance متحدثًا مباشرةً من تفريغ، مستخدمًا مقاطع ذلك المتحدث نفسه من المكالمة عيّنةً. وappearance هو فهرس speaker الذي تحمله أسطره.
await vs.speakers.createFromAppearance({ transcriptionId: tx.id, appearance: 0, name: 'Dana (Billing)' });
حين يُحفظ المتحدث بهذه الطريقة لا تُبقى إلا بصمته، من 5 ثوانٍ على الأقل من كلامه؛ ومكالمة يتكلم فيها الوكيل دقيقة أو أكثر تعطي بصمة أثبت. أما استنساخ الصوت فخطوة منفصلة تتطلب موافقة الشخص، ولا حاجة إليها في سير عمل الدعم.
ومن ذلك الحين يخبرك نص المكالمة المنتهية بمن جرى التعرّف عليه. يسرد GET /v1/transcriptions/{id}/transcript الحقل speakers، والمتحدث المطابَق لمتحدث محفوظ فيه identified: true والاسم المحفوظ. ويمكن تسمية الباقين باستدعاء واحد لكل منهم، PUT /v1/transcriptions/{id}/appearances/{number}، حيث number هو رقم عرض المتحدث. وتُخزَّن التسمية في التفريغ، فيقرأ كل تصدير بعدها «Customer» بدل رقم.
const { speakers } = await vs.transcriptions.transcript(tx.id);
for (const s of speakers) {
if (!s.identified && s.number != null) await vs.transcriptions.nameAppearance(tx.id, s.number, 'Customer');
}
اعتبر «كل من لم يُتعرَّف عليه هو العميل» قاعدة تقريبية وتحقق منها على مكالماتك أنت. فالتحويل يأتي بوكيل ثانٍ، وقد يُسمَع نداء قائمة مسجَّل كأنه صوت قائم بذاته، والوكيل الذي لم يُحفظ بعدُ يبدو تمامًا كعميل. ولاحظ أيضًا حدود المقارنة: يُقارَن كل تفريغ بأحدث 64 متحدثًا محفوظًا جرى تحديثهم في الحساب، فلا ينبغي لفريق أكبر من ذلك أن يعوّل على التعرّف على كل وكيل في كل مكالمة.
وهناك خاصيتان في صوت الهاتف يحسن معرفتهما قبل الحكم على التسميات. فالتسجيل ثنائي القناة، والوكيل على اليسار والعميل على اليمين، يُدمج في قناة واحدة عند التفريغ، فيُفصل المتحدثون بأصواتهم لا بقناتهم. وخط الهاتف ضيّق النطاق لا ينقل شيئًا فوق نحو 3.4 kHz، وهذا يزيل جزءًا مما يجعل صوتين مختلفين؛ والأدوار القصيرة المتداخلة («yes» و«mm-hm» و«sorry, go on») هي حيث تخطئ التسميات أكثر.
عند تفعيل summary وtitle، تحصل كل مكالمة على عنوان وبضع جمل عن موضوعها حين يصير النص نهائيًا. وهذا ما يدخل في التذكرة، ليعرف الوكيل التالي الخلفية دون أن يفتح شيئًا. ويُكتب الملخص بعد النص، فاقرأه بـGET /v1/transcriptions/{id}/summary وانتظر ما دامت state فيه pending:
let sum = await vs.transcriptions.summary(tx.id);
while (sum.state === 'pending') {
await new Promise((r) => setTimeout(r, 3000));
sum = await vs.transcriptions.summary(tx.id);
}
وحين تصير state هي ready، يحمل title وsummary النص. والتسجيل الأقصر من دقيقة لا يحصل على ملخص أبدًا (not_requested)، وهذا يهمّ في الرسائل الصوتية: فمعظمها قصير بحيث يكون النص هو ملخصها. ويمكن إعطاء مكالمة أُجريت بلا summary ملخصًا لاحقًا بـPOST /v1/transcriptions/{id}/summarize. والملخصات مشمولة في كل خطة دون تكلفة إضافية.
يُرجع GET /v1/transcriptions/{id}/export ملفًا بإحدى سبع صيغ: json أو xlsx أو pdf أو srt أو vtt أو txt أو md. ويتضمن كل تصدير التصحيحات وأسماء المتحدثين التي أعطيتها. ويؤدي اثنان منها معظم العمل لفريق الدعم.
JSON لشيفرتك أنت. يحتوي تصدير JSON على name المكالمة وlanguage وdurationS ومعها، عند summary=true، summary، ثم segments: مدخل لكل سطر، فيه start وend بالثواني وspeaker وspeakerName وtext وconfidence وهل corrected السطر، وwords بتوقيتاتها. وهذا يكفي ليبني سكربت ملاحظة CRM (العنوان والملخص واسم الوكيل ومدة المكالمة)، أو ليستخرج كل سطر قاله العميل.
const res = await vs.transcriptions.export(tx.id, 'json', { summary: true });
const call = await res.json();
const note = { subject: sum.title, body: sum.summary, minutes: Math.round(call.durationS / 60) };
// Your code posts `note` to the ticket: VocalStack has no CRM or helpdesk connector.
Excel للمراجع. يحتوي تصدير XLSX على ورقة Transcript فيها صف لكل سطر والأعمدة # وStart وEnd وStart (s) وEnd (s) وSpeaker وText وConfidence وCorrected. وعند summary=true تحمل ورقة About الملخص بجانب اسم المكالمة ولغتها ومدتها. ويستطيع مسؤول الجودة أن يصفّي على صفوف الوكيل، ويضيف عمودًا للدرجات أو التعليقات، ويحتفظ بمصنِّف واحد لكل مراجعة.
curl -sSf "$API/v1/transcriptions/$TX/export?format=xlsx&summary=true" -H "$AUTH" -o ticket-48213.xlsx
والدعم بأكثر من لغة يعمل بالطريقة نفسها. أضِف lang=en إلى التصدير فيُقرأ الملف بالإنجليزية، سطر لكل جملة، مترجمًا حيث كانت المكالمة بالإسبانية أو البولندية؛ فيستطيع مراجع يقرأ لغة واحدة تقييم مكالمات أُجريت بعدة لغات. ويناسب تصدير PDF من يريد قراءة مكالمة كاملة على الورق، مع المتحدثين والطوابع الزمنية.
يبقى التفريغ في الحساب بعد تصديره، فتتكوّن من المكالمات مكتبة. وتجمعها الوسوم (tags): أنشئ وسمًا لكل طابور أو فريق بـPOST /v1/tags، ثم ضعه على التفريغات بـPOST /v1/tags/{id}/transcriptions.
const billing = await vs.tags.create({ name: 'Billing queue' });
await vs.tags.tagTranscriptions(billing.id, { add: [tx.id] });
ثم يبحث GET /v1/search فيما قيل عبر كل المكالمات، مقيَّدًا بالوسم والتاريخ: كل مكالمة في طابور الفوترة هذا الشهر قال فيها أحدهم «cancel»، وكل نتيجة مع مكالمتها والثانية التي قيلت فيها.
curl -sSfG "$API/v1/search" -H "$AUTH" --data-urlencode "q=cancel" \
--data-urlencode "tag=Billing queue" --data-urlencode "createdAfter=2026-11-01"
وكل ما سبق يعمل أيضًا دون شيفرة. فالملف المرفوع في Transcriptions → New يُوسَم ويُلخَّص ويُصدَّر من صفحته، ويُحفظ المتحدثون ضمن Speakers، وتوجد الوسوم والبحث في قائمة Transcriptions.
بعض الفجوات يحسن معرفتها قبل إعداد أي شيء.
والاحتفاظ بالبيانات يتوقف على الخطة؛ وتبيّن صفحة الأسعار المدة التي يُحتفظ فيها بالصوت والتفريغات في كل منها. ويمكن أرشفة التفريغ، وحذف المؤرشَف نهائيًا بـPOST /v1/transcriptions/{id}/purge، الذي يحذفه وكل ما فيه إلى الأبد.
بأسعار الإطلاق، تكلف المكالمات المسجَّلة $0.20 للساعة من الصوت، وتُحتسب بالثانية ($0.0033 للدقيقة)، مع حد أدنى 5 دقائق لكل تفريغ في الدفع حسب الاستخدام (ولا حد أدنى في Premium أو Enterprise). والأسعار الحالية في صفحة الأسعار. وتسميات المتحدثين وتسمية المتحدثين والملخصات والترجمات والتصديرات لا تزيد الفاتورة أبدًا.
مكالمات الدعم قصيرة في الغالب، فيحسم الحدُّ الأدنى من فاتورة فريق الدعم أكثر مما يحسمه السعر. في الدفع حسب الاستخدام:
وفي Premium وEnterprise لا حد أدنى، فتُحتسب كل مكالمة بثوانيها: تكلف الرسالة الصوتية من 40 ثانية نحو خُمس سنت، والـ1,000 مكالمة من ثلاث دقائق نحو $10. وعلى الفريق الذي تغلب عليه المكالمات القصيرة أن يقارن بين الاثنين على أطوال مكالماته هو.
بأسعار الإطلاق، يرسل فريق يسجّل 2,000 مكالمة شهريًا بمتوسط 8 دقائق 16,000 دقيقة من الصوت: نحو $53 من الرصيد شهريًا في Premium، بما فيها الملخصات والجداول. وفي الدفع حسب الاستخدام تزيد كل مكالمة أقصر من 5 دقائق على ذلك.
ويكلف التفريغ المباشر أكثر ($0.60 للساعة بأسعار الإطلاق)، لأنه يواكب المكالمة؛ فإن لم يحتج أحد إلى الكلمات أثناء المكالمة، فرّغ التسجيل بعدها. ويبدأ الحساب الجديد برصيد تسجيل لمرة واحدة ودون طلب بطاقة، فيمكن تجربة الخطوات أعلاه على دفعة من مكالماتك قبل شراء أي شيء.