Транскрипция дауыстарды ажыратады, бірақ қайсысы агент екенін білмейді. Әр агентті өз қоңырауларының бірінен бір рет сақтаңыз, сонда одан кейінгі әр қоңырау агенттің аты, үстінде қысқаша мазмұны және сапаны бақылауға дайын кестесімен қайтады.
Қолдау қоңырауларын тыңдап тексеретін сапа бақылау жетекшісі күніне бірнешеуін ғана үлгереді, ал жеті минуттық қоңырау қанша жылдам басып шықсаңыз да жеті минут алады. Мәтін ретінде сол қоңырау шамамен мың сөз, бір бет, ал бетті жылдам шолып, іздеп, тапсырыс карточкасына қоюға болады. Тұтынушыларға қызмет көрсету қоңырауларын транскрипциялау телефон жүйеңіз бұрыннан сақтап жүрген жазбаларды осындай беттерге айналдырады. Беттердің пайдалы болуын үш нәрсе анықтайды: әр жол кім сөйлегенін, агент пен тұтынушының қайсысы екенін айта ма; қоңырау нені сұрағанын және не келіскенін қысқаша мазмұнмен бере ме; нәтиже команда жұмыс істейтін жерге, CRM жазбасына немесе сапаны бақылау кестесіне түсе ме.
Бұл мақала VocalStack арқылы сол жұмыс барысын көрсетеді: API арқылы жіберілген жазылған қоңыраулар, атымен танылатын агент, әр қоңырауға жазылатын қысқаша мазмұн және JSON мен Excel экспорты. Ол сондай-ақ VocalStack қолдау командасы үшін нені істемейтінін ашық айтады, себебі кейбірі алғашқы қоңырау жүктелмес бұрын маңызды.
Көптеген телефон және байланыс орталығы жүйелері қоңырау жазбаларын аудио файлдар ретінде экспорттай алады немесе әр жазбаға жүктеу сілтемесін береді. Екеуі де жұмыс істейді. POST /v1/transcriptions файлды multipart жүктеу ретінде немесе сервер өзі алатын url бар JSON денесін қабылдайды. Файл бойынша оқулық шақыруды егжей-тегжейлі қамтиды; қоңыраулар үшін мына параметрлер маңызды, олардың бәрі settings ішінде:
speakerLabels: оны on деп орнатыңыз, сонда екі адамның қоңырауындағы әр жолда спикер болады. Әдепкі When Needed (auto) жолдарды екінші спикер естілгенде ғана белгілейді, бұл қоңырауға қарағанда дәріске көбірек сәйкес келеді.summary және title: сұрамасаңыз, екеуі де өшірулі. Қосулы болғанда қоңырау транскрипцияланған соң оған тақырып пен қысқаша мазмұн жазылады.spokenLanguage: білсеңіз, көрсетіңіз, мысалы тек бір тілдегі қоңырауларды қабылдайтын кезекте. Көрсетпесеңіз, тіл 100 тілден анықталады.Жүктеу бірден транскрипция идентификаторымен жауап береді; сөздер сәл кейінірек келеді. Әр жүктеумен бірге Idempotency-Key жіберіңіз: 24 сағат ішінде сол кілтпен және сол денемен қайталау екіншісін жасап, есепке жазудың орнына бірінші транскрипцияны қайтарады. Телефон жүйеңіздегі қоңыраудың өз идентификаторы табиғи кілт болады.
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 ?? ''}`);
Түнгі жазбаларды бір циклмен жүктеуге болады. Әр жоспар бір мезгілде қанша транскрипция жұмыс істейтінін белгілейді, ал одан асатын файл қабылданбайды: ол жасалады, queued күйінде күтеді және ертерек басталған біреуі аяқталғанда өздігінен басталады. Сіз тап болуыңыз мүмкін шек - аккаунттың API арқылы сағатына бастай алатын транскрипциялар саны; әр жоспардың көрсеткіштері бағалар бетінде. Вебхуктар жоқ, сондықтан скриптіңіз әр тапсырманы аяқталғанша сұрайды, ал waitForJob мұны сіз үшін жасайды.
Спикер белгілері диаризациядан шығады: жазба кезектерге бөлінеді, ал кезектер дауыс бойынша топтастырылады. Қайтарылатыны - «Speaker 1» және «Speaker 2». Жүйе екі дауысты ажырата алады, бірақ аудиода қайсысы сіздің қызметкеріңіз екенін айтатын ештеңе жоқ. Диаризация мен сөйлеуді тану механизмді түсіндіреді; қолдау қоңыраулары үшін іс жүзіндегі жауап - әр агентті бір рет сақтау.
Сақталған спикер - аты бар дауыс іздері. Ол пайда болғаннан кейін аккаунттағы әр жаңа транскрипция естіген дауыстарды сақталған спикерлеріңізбен салыстырады, ал сәйкестік атты транскриптке әкеледі. Файлдар автоматты түрде сәйкестендіріледі, сондықтан агенттің жолдары «Speaker 1» емес, «Dana» болып келеді. Тұтынушыға ат бергенше ол нөмірленген күйінде қалады.
Ізді үстел басында жасалған жазбадан емес, агенттің өз қоңырауларының бірінен алыңыз. Тыныш бөлмеде құлаққаптағы дауыс пен телефон желісіндегі сол дауыс машина үшін бірдей жолмен жазылған екі басқа адамнан гөрі аз ұқсас болуы мүмкін, ал дауыс ізі өзі алынған аудиоға ұқсас аудиомен жақсы сәйкес келеді. POST /v1/speakers/from-appearance спикерді тікелей транскрипциядан сақтайды, үлгі ретінде сол спикердің қоңыраудағы өз бөліктерін пайдаланады. appearance - олардың жолдары алып жүретін speaker индексі.
await vs.speakers.createFromAppearance({ transcriptionId: tx.id, appearance: 0, name: 'Dana (Billing)' });
Спикерді осылай сақтау тек олардың дауыс ізін, кемінде 5 секундтық сөйлеуден сақтайды; агент бір минут не одан көп сөйлеген қоңырау тұрақтырақ із береді. Дауысты клондау адамның келісімін қажет ететін бөлек қадам, ал қолдау жұмыс барысына ол қажет емес.
Содан кейін аяқталған қоңыраудың транскрипті кім танылғанын айтады. GET /v1/transcriptions/{id}/transcript speakers тізімін береді, ал сақталған спикерге сәйкес келген спикерде identified: true және сақталған ат болады. Қалғандарына әрқайсысына бір шақырумен ат беруге болады, PUT /v1/transcriptions/{id}/appearances/{number}, мұндағы number - спикердің көрсетілетін нөмірі. Ат транскрипцияда сақталады, сондықтан одан кейінгі әр экспорт нөмірдің орнына «Customer» деп оқылады.
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');
}
«Танылмағанның бәрі тұтынушы» ережесін бас бармақ ережесі ретінде қарастырып, өз қоңырауларыңызда тексеріңіз. Қоңырауды ауыстыру екінші агентті әкеледі, жазылған мәзір дауысы бөлек дауыс ретінде естілуі мүмкін, ал әлі сақталмаған агент тұтынушыдан еш айырмасыз көрінеді. Салыстырудың қалай шектелгеніне де назар аударыңыз: әр транскрипция аккаунтта соңғы жаңартылған 64 сақталған спикермен салыстырылады, сондықтан одан үлкен команда әр қоңырауда әр агент танылады деп сенбеуі керек.
Белгілерді бағалар алдында телефон аудиосының екі қасиетін білген пайдалы. Екі арналы жазба, сол жақта агент, оң жақта тұтынушы, транскрипциялау кезінде бір арнаға араластырылады, сондықтан спикерлер арнаға емес, дауысына қарай бөлінеді. Тар жолақты телефон желісі шамамен 3,4 кГц-тен жоғарыны өткізбейді, бұл екі дауысты ерекшелейтін нәрсенің бір бөлігін алып тастайды; қысқа, қабаттасқан кезектер («yes», «mm-hm», «sorry, go on») белгілер жиі қателесетін жер.
summary және title қосулы болғанда транскрипт түпкілікті болған соң әр қоңырау тақырып пен не туралы болғаны жөнінде бірнеше сөйлем алады. Бұл тапсырыс карточкасына түсетін мәтін, сондықтан келесі агент ештеңе ашпай-ақ тарихты біледі. Қысқаша мазмұн транскриптен кейін жазылады, сондықтан оны GET /v1/transcriptions/{id}/summary арқылы оқып, оның state мәні pending болғанда күтіңіз:
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);
}
state мәні ready болғанда title және summary мәтінді қамтиды. Бір минуттан қысқа жазба ешқашан қысқаша мазмұн алмайды (not_requested), бұл дауыстық хабарлар үшін маңызды: дауыстық хабарлардың көпшілігі транскриптің өзі қысқаша мазмұн болатындай қысқа. summary болмай жасалған қоңыраудың қысқаша мазмұнын кейін POST /v1/transcriptions/{id}/summarize арқылы алуға болады. Қысқаша мазмұн әр жоспарға қосымша ақысыз кіреді.
GET /v1/transcriptions/{id}/export жеті пішімнің бірінде файл қайтарады: json, xlsx, pdf, srt, vtt, txt немесе md. Әр экспорт түзетулерді және сіз берген спикер аттарын қамтиды. Қолдау командасы үшін олардың екеуі жұмыстың көп бөлігін атқарады.
Өз кодыңызға арналған JSON. JSON экспортында қоңыраудың name, language, durationS мәндері және summary=true болғанда оның summary мәні бар, содан кейін segments: әр жолға бір жазба, секундпен start және end, speaker, speakerName, text, confidence, жолдың corrected болғаны және өз уақыттарымен words. Бұл скриптке CRM жазбасын (тақырып, қысқаша мазмұн, агент аты, қоңырау ұзақтығы) құруға немесе тұтынушы айтқан әр жолды алуға жеткілікті.
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.
Тексеруші үшін Excel. XLSX экспортында әр жолға бір қатар бар Transcript парағы және #, Start, End, Start (s), End (s), Speaker, Text, Confidence және Corrected бағандары бар. summary=true болғанда About парағы қысқаша мазмұнды қоңыраудың аты, тілі және ұзақтығымен қатар береді. Сапа бақылау жетекшісі агенттің қатарларын сүзіп, баллдар немесе пікірлер үшін баған қосып, әр тексеруге бір жұмыс кітабын сақтай алады.
curl -sSf "$API/v1/transcriptions/$TX/export?format=xlsx&summary=true" -H "$AUTH" -o ticket-48213.xlsx
Бірнеше тілдегі қолдау да дәл солай жұмыс істейді. Экспортқа lang=en қосыңыз, сонда файл ағылшынша оқылады, әр сөйлем бір жол, қоңырау испан немесе поляк тілінде болған жерде аударылған; бір тілді оқитын тексеруші бірнеше тілде қабылданған қоңырауларды бағалай алады. PDF экспорты бүкіл қоңырауды қағазда оқығысы келетін адамға жарайды, спикерлер мен уақыт белгілері бар.
Транскрипция экспортталғаннан кейін де аккаунтта қалады, сондықтан қоңыраулар кітапханаға айналады. Тегтер оларды топтайды: әр кезекке не командаға біреуін POST /v1/tags арқылы жасап, оны транскрипцияларға POST /v1/tags/{id}/transcriptions арқылы қойыңыз.
const billing = await vs.tags.create({ name: 'Billing queue' });
await vs.tags.tagTranscriptions(billing.id, { add: [tx.id] });
Содан кейін GET /v1/search барлық қоңырауларда айтылғанды іздейді, тег пен күн бойынша шектеп: осы айдағы төлем кезегіндегі біреу «cancel» деген әр қоңырау, әр табылған нәтиже өз қоңырауымен және оның айтылған секундымен.
curl -sSfG "$API/v1/search" -H "$AUTH" --data-urlencode "q=cancel" \
--data-urlencode "tag=Billing queue" --data-urlencode "createdAfter=2026-11-01"
Жоғарыдағының бәрі кодсыз да жұмыс істейді. Transcriptions → New бетінде жүктелген файл өз бетінен белгіленеді, қысқаша мазмұны жасалады және экспортталады, спикерлер Speakers астында сақталады, ал тегтер мен іздеу Transcriptions тізімінде.
Бірдеңені орнатпас бұрын кейбір олқылықтарды білген пайдалы.
Сақтау мерзімі жоспарға байланысты; бағалар беті әр жоспарда аудио мен транскрипциялар қанша сақталатынын көрсетеді. Транскрипцияны мұрағатқа салуға болады, ал мұрағаттағыны POST /v1/transcriptions/{id}/purge арқылы толық жоюға болады, ол оны және ішіндегі бәрін біржола өшіреді.
Іске қосылу бағасымен жазылған қоңыраулар аудионың сағатына $0.20, секундына есептеледі (минутына $0.0033), Pay as you go жоспарында әр транскрипцияға кемінде 5 минуттық шекпен (Premium немесе Enterprise жоспарында жоқ). Ағымдағы тарифтер бағалар бетінде. Спикер белгілері, спикерлерге ат беру, қысқаша мазмұн, аудармалар және экспорт шотқа ешқашан қосылмайды.
Қолдау қоңыраулары көбіне қысқа, сондықтан қолдау командасының шотын тарифтен гөрі ең аз шек көбірек анықтайды. Pay as you go жоспарында:
Premium және Enterprise жоспарларында ең аз шек жоқ, сондықтан әр қоңырау өз секундтарымен есептеледі: 40 секундтық дауыстық хабар центтің шамамен бестен біріне, ал үш минуттық 1 000 қоңырау шамамен $10-ға тұрады. Көбіне қысқа қоңырау қабылдайтын команда екеуін өз қоңырау ұзақтықтары бойынша салыстыруы керек.
Іске қосылу бағасымен орташа 8 минуттық айына 2 000 қоңырау жазатын команда 16 000 минут аудио жібереді: Premium жоспарында айына шамамен $53 кредит, қысқаша мазмұн мен кестелерді қоса алғанда. Pay as you go жоспарында 5 минуттан қысқа әр қоңырау оған қосылады.
Тікелей транскрипция қымбатырақ (іске қосылу бағасымен сағатына $0.60), себебі ол қоңыраумен қатар жүреді; қоңырау кезінде сөздер ешкімге қажет болмаса, жазбаны кейін транскрипциялаңыз. Жаңа аккаунтқа бір реттік тіркелу кредиті беріледі және карта қажет емес, сондықтан жоғарыдағы қадамдарды ештеңе сатып алмай тұрып өз қоңырауларыңыздың бір партиясында байқап көруге болады.