ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ ಧ್ವನಿಗಳನ್ನು ಬೇರೆ ಮಾಡುತ್ತದೆ, ಆದರೆ ಅವುಗಳಲ್ಲಿ ಯಾವುದು ಏಜೆಂಟ್ದು ಎಂದು ತಿಳಿಯಲಾರದು. ಪ್ರತಿ ಏಜೆಂಟ್ರನ್ನು ಅವರದೇ ಒಂದು ಕರೆಯಿಂದ ಒಮ್ಮೆ ಉಳಿಸಿ, ಅದರ ನಂತರದ ಪ್ರತಿ ಕರೆ ಏಜೆಂಟ್ ಹೆಸರು, ಮೇಲೆ ಸಾರಾಂಶ ಮತ್ತು QA ಗೆ ಸಿದ್ಧ ಸ್ಪ್ರೆಡ್ಶೀಟ್ನೊಂದಿಗೆ ಬರುತ್ತದೆ.
ಕರೆಗಳನ್ನು ಕೇಳಿ ಬೆಂಬಲ ಕರೆಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಒಬ್ಬ QA ಮುಖ್ಯಸ್ಥರು ದಿನಕ್ಕೆ ಬೆರಳೆಣಿಕೆಯ ಕರೆಗಳನ್ನು ಮಾತ್ರ ಮುಗಿಸಬಲ್ಲರು, ಮತ್ತು ಏಳು ನಿಮಿಷಗಳ ಕರೆಗೆ ಎಷ್ಟೇ ವೇಗವಾಗಿ ಕ್ಲಿಕ್ ಮಾಡಿದರೂ ಏಳು ನಿಮಿಷ ಬೇಕು. ಪಠ್ಯವಾಗಿ ಓದಿದರೆ, ಅದೇ ಕರೆ ಸುಮಾರು ಸಾವಿರ ಪದಗಳು, ಒಂದು ಪುಟ, ಮತ್ತು ಪುಟವನ್ನು ಓಡಿಸಿ ನೋಡಬಹುದು, ಹುಡುಕಬಹುದು ಮತ್ತು ಟಿಕೆಟ್ಗೆ ಅಂಟಿಸಬಹುದು. ಗ್ರಾಹಕ ಸೇವಾ ಕರೆ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ ನಿಮ್ಮ ಫೋನ್ ವ್ಯವಸ್ಥೆ ಈಗಾಗಲೇ ಇಟ್ಟುಕೊಳ್ಳುವ ರೆಕಾರ್ಡಿಂಗ್ಗಳನ್ನು ಅಂತಹ ಪುಟಗಳಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ. ಮೂರು ವಿಷಯಗಳು ಆ ಪುಟಗಳು ಉಪಯುಕ್ತವೇ ಎಂದು ನಿರ್ಧರಿಸುತ್ತವೆ: ಪ್ರತಿ ಸಾಲು ಯಾರು ಮಾತನಾಡಿದರು ಎಂದು ಹೇಳುತ್ತದೆಯೇ, ಏಜೆಂಟ್ ಅಥವಾ ಗ್ರಾಹಕ; ಕರೆ ಏನು ಕೇಳಲಾಯಿತು ಮತ್ತು ಏನು ಒಪ್ಪಲಾಯಿತು ಎಂಬ ಸಣ್ಣ ಸಾರಾಂಶದೊಂದಿಗೆ ಬರುತ್ತದೆಯೇ; ಮತ್ತು ಫಲಿತಾಂಶ ತಂಡ ಕೆಲಸ ಮಾಡುವ ಕಡೆ ತಲುಪುತ್ತದೆಯೇ, CRM ಟಿಪ್ಪಣಿ ಅಥವಾ QA ಸ್ಪ್ರೆಡ್ಶೀಟ್ನಲ್ಲಿ.
ಈ ಲೇಖನ VocalStack ನೊಂದಿಗೆ ಆ ಕೆಲಸದ ಹರಿವನ್ನು ವಿವರಿಸುತ್ತದೆ: API ಮೂಲಕ ಕಳುಹಿಸಿದ ರೆಕಾರ್ಡ್ ಮಾಡಿದ ಕರೆಗಳು, ಹೆಸರಿನಿಂದ ಗುರುತಿಸಲ್ಪಟ್ಟ ಏಜೆಂಟ್, ಪ್ರತಿ ಕರೆಗೆ ಬರೆದ ಸಾರಾಂಶ, ಮತ್ತು JSON ಹಾಗೂ Excel ನಲ್ಲಿ ಎಕ್ಸ್ಪೋರ್ಟ್ಗಳು. VocalStack ಬೆಂಬಲ ತಂಡಕ್ಕಾಗಿ ಏನನ್ನು ಮಾಡುವುದಿಲ್ಲ ಎಂಬುದನ್ನೂ ಇದು ನೇರವಾಗಿ ಹೇಳುತ್ತದೆ, ಏಕೆಂದರೆ ಅವುಗಳಲ್ಲಿ ಕೆಲವು ಮೊದಲ ಕರೆಯನ್ನು ಅಪ್ಲೋಡ್ ಮಾಡುವ ಮೊದಲೇ ಮುಖ್ಯ.
ಹೆಚ್ಚಿನ ಫೋನ್ ಮತ್ತು ಕಾಂಟ್ಯಾಕ್ಟ್-ಸೆಂಟರ್ ವ್ಯವಸ್ಥೆಗಳು ಕರೆ ರೆಕಾರ್ಡಿಂಗ್ಗಳನ್ನು ಆಡಿಯೊ ಫೈಲ್ಗಳಾಗಿ ಎಕ್ಸ್ಪೋರ್ಟ್ ಮಾಡಬಲ್ಲವು, ಅಥವಾ ಪ್ರತಿಯೊಂದಕ್ಕೂ ಡೌನ್ಲೋಡ್ ಲಿಂಕ್ ನೀಡಬಲ್ಲವು. ಎರಡೂ ಕೆಲಸ ಮಾಡುತ್ತವೆ. POST /v1/transcriptions ಫೈಲ್ ಅನ್ನು ಮಲ್ಟಿಪಾರ್ಟ್ ಅಪ್ಲೋಡ್ ಆಗಿ, ಅಥವಾ ಸರ್ವರ್ ತಾನೇ ತರುವ url ಇರುವ JSON ಬಾಡಿ ಆಗಿ ಸ್ವೀಕರಿಸುತ್ತದೆ. ಫೈಲ್ ಟ್ಯುಟೋರಿಯಲ್ ಕರೆಯನ್ನು ವಿವರವಾಗಿ ವಿವರಿಸುತ್ತದೆ; ಕರೆಗಳಿಗೆ ಈ ಸೆಟ್ಟಿಂಗ್ಗಳು ಮುಖ್ಯ, ಎಲ್ಲವೂ settings ಒಳಗೆ:
speakerLabels: ಇದನ್ನು on ಗೆ ಹೊಂದಿಸಿ, ಇಬ್ಬರ ಕರೆಯ ಪ್ರತಿ ಸಾಲಿಗೂ ಒಬ್ಬ ಸ್ಪೀಕರ್ ಇರುವಂತೆ. ಡೀಫಾಲ್ಟ್, When Needed (auto), ಎರಡನೇ ಸ್ಪೀಕರ್ ಕೇಳಿದ ನಂತರವೇ ಸಾಲುಗಳಿಗೆ ಲೇಬಲ್ ಹಾಕುತ್ತದೆ, ಇದು ಕರೆಗಿಂತ ಉಪನ್ಯಾಸಕ್ಕೆ ಹೆಚ್ಚು ಸೂಕ್ತ.summary ಮತ್ತು title: ನೀವು ಕೇಳದ ಹೊರತು ಎರಡೂ ಆಫ್ ಆಗಿರುತ್ತವೆ. ಆನ್ ಇದ್ದರೆ, ಕರೆ ಟ್ರಾನ್ಸ್ಕ್ರೈಬ್ ಆದ ನಂತರ ಶೀರ್ಷಿಕೆ ಮತ್ತು ಸಣ್ಣ ಸಾರಾಂಶ ಬರೆಯಲ್ಪಡುತ್ತದೆ.spokenLanguage: ನಿಮಗೆ ತಿಳಿದಿದ್ದರೆ ಹೆಸರಿಸಿ, ಉದಾಹರಣೆಗೆ ಒಂದೇ ಭಾಷೆಯ ಕರೆಗಳನ್ನು ಮಾತ್ರ ಸ್ವೀಕರಿಸುವ ಸರದಿಯಲ್ಲಿ. ಬಿಟ್ಟರೆ, ಭಾಷೆಯನ್ನು 100 ರಲ್ಲಿ ಪತ್ತೆಹಚ್ಚಲಾಗುತ್ತದೆ.ಅಪ್ಲೋಡ್ ತಕ್ಷಣ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ ಐಡಿಯೊಂದಿಗೆ ಉತ್ತರಿಸುತ್ತದೆ; ಪದಗಳು ಸ್ವಲ್ಪ ನಂತರ ಬರುತ್ತವೆ. ಪ್ರತಿ ಅಪ್ಲೋಡ್ನೊಂದಿಗೆ Idempotency-Key ಕಳುಹಿಸಿ: 24 ಗಂಟೆಗಳೊಳಗೆ ಅದೇ ಕೀ ಮತ್ತು ಬಾಡಿಯೊಂದಿಗೆ ಮರುಪ್ರಯತ್ನಿಸಿದರೆ, ಎರಡನೆಯದನ್ನು ರಚಿಸಿ ಬಿಲ್ ಮಾಡುವ ಬದಲು ಮೊದಲ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ ಅನ್ನೇ ಹಿಂದಿರುಗಿಸುತ್ತದೆ. ನಿಮ್ಮ ಫೋನ್ ವ್ಯವಸ್ಥೆಯ ಕರೆಯ ಸ್ವಂತ ಐಡಿ ಸಹಜ ಕೀ.
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 ?? ''}`);
ಒಂದು ರಾತ್ರಿಯ ರೆಕಾರ್ಡಿಂಗ್ಗಳನ್ನು ಒಂದು ಲೂಪ್ನಲ್ಲಿ ಅಪ್ಲೋಡ್ ಮಾಡಬಹುದು. ಪ್ರತಿ ಯೋಜನೆಯೂ ಒಂದೇ ಸಮಯದಲ್ಲಿ ಎಷ್ಟು ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ಗಳು ನಡೆಯಬಹುದು ಎಂದು ನಿಗದಿಪಡಿಸುತ್ತದೆ, ಮತ್ತು ಆ ಸಂಖ್ಯೆಯನ್ನು ಮೀರಿದ ಫೈಲ್ ನಿರಾಕರಿಸಲ್ಪಡುವುದಿಲ್ಲ: ಅದು ರಚನೆಯಾಗಿ, queued ಆಗಿ ಕಾಯುತ್ತದೆ, ಮತ್ತು ಹಿಂದಿನದು ಮುಗಿದಾಗ ತಾನಾಗಿಯೇ ಆರಂಭವಾಗುತ್ತದೆ. ನೀವು ತಲುಪಬಹುದಾದ ಮಿತಿ ಎಂದರೆ ಖಾತೆಯು ಗಂಟೆಗೆ API ಮೂಲಕ ಆರಂಭಿಸಬಹುದಾದ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ಗಳ ಸಂಖ್ಯೆ; ಪ್ರತಿ ಯೋಜನೆಯ ಅಂಕಿಅಂಶಗಳು ಬೆಲೆಗಳ ಪುಟ ದಲ್ಲಿವೆ. ವೆಬ್ಹುಕ್ಗಳಿಲ್ಲ, ಆದ್ದರಿಂದ ನಿಮ್ಮ ಸ್ಕ್ರಿಪ್ಟ್ ಪ್ರತಿ ಜಾಬ್ ಮುಗಿಯುವವರೆಗೆ ಪೋಲ್ ಮಾಡುತ್ತದೆ, ಅದನ್ನು waitForJob ನಿಮಗಾಗಿ ಮಾಡುತ್ತದೆ.
ಸ್ಪೀಕರ್ ಲೇಬಲ್ಗಳು ಡಯರೈಸೇಶನ್ನಿಂದ ಬರುತ್ತವೆ: ರೆಕಾರ್ಡಿಂಗ್ ಅನ್ನು ಮಾತಿನ ಸರದಿಗಳಾಗಿ ಭಾಗಿಸಲಾಗುತ್ತದೆ, ಮತ್ತು ಸರದಿಗಳನ್ನು ಧ್ವನಿಯ ಮೂಲಕ ಗುಂಪುಮಾಡಲಾಗುತ್ತದೆ. ಹಿಂದಿರುಗುವುದು "Speaker 1" ಮತ್ತು "Speaker 2". ವ್ಯವಸ್ಥೆ ಎರಡು ಧ್ವನಿಗಳನ್ನು ಬೇರ್ಪಡಿಸಬಲ್ಲದು, ಆದರೆ ಆಡಿಯೊದಲ್ಲಿ ಅವುಗಳಲ್ಲಿ ಯಾವುದು ನಿಮ್ಮಿಂದ ನೇಮಕಗೊಂಡಿದೆ ಎಂದು ಹೇಳುವ ಯಾವುದೂ ಇಲ್ಲ. ಸ್ಪೀಕರ್ ಡಯರೈಸೇಶನ್ ಮತ್ತು ಸ್ಪೀಚ್ ರೆಕಗ್ನಿಷನ್ ಕಾರ್ಯವಿಧಾನವನ್ನು ವಿವರಿಸುತ್ತದೆ; ಬೆಂಬಲ ಕರೆಗಳಿಗೆ, ಪ್ರಾಯೋಗಿಕ ಉತ್ತರ ಪ್ರತಿ ಏಜೆಂಟ್ರನ್ನು ಒಮ್ಮೆ ಉಳಿಸುವುದು.
ಉಳಿಸಿದ ಸ್ಪೀಕರ್ ಎಂದರೆ ಹೆಸರಿರುವ ಧ್ವನಿ ಫಿಂಗರ್ಪ್ರಿಂಟ್. ಅದು ಅಸ್ತಿತ್ವಕ್ಕೆ ಬಂದ ಮೇಲೆ, ಖಾತೆಯ ಪ್ರತಿ ಹೊಸ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ ತಾನು ಕೇಳುವ ಧ್ವನಿಗಳನ್ನು ನಿಮ್ಮ ಉಳಿಸಿದ ಸ್ಪೀಕರ್ಗಳೊಂದಿಗೆ ಹೋಲಿಸುತ್ತದೆ, ಮತ್ತು ಹೊಂದಾಣಿಕೆಯಾದರೆ ಹೆಸರು ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಟ್ಗೆ ಬರುತ್ತದೆ. ಫೈಲ್ಗಳು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಹೊಂದಿಸಲ್ಪಡುತ್ತವೆ, ಆದ್ದರಿಂದ ಏಜೆಂಟ್ರ ಸಾಲುಗಳು "Speaker 1" ಬದಲಿಗೆ "Dana" ಎಂದು ಬರುತ್ತವೆ. ನೀವು ಹೆಸರಿಡುವವರೆಗೆ ಗ್ರಾಹಕರು ಸಂಖ್ಯೆಯಲ್ಲೇ ಇರುತ್ತಾರೆ.
ಫಿಂಗರ್ಪ್ರಿಂಟ್ ಅನ್ನು ಮೇಜಿನ ಬಳಿ ಮಾಡಿದ ರೆಕಾರ್ಡಿಂಗ್ನಿಂದಲ್ಲ, ಏಜೆಂಟ್ರ ಸ್ವಂತ ಕರೆಯೊಂದರಿಂದ ತೆಗೆದುಕೊಳ್ಳಿ. ಶಾಂತ ಕೋಣೆಯಲ್ಲಿ ಹೆಡ್ಸೆಟ್ನಲ್ಲಿರುವ ಧ್ವನಿ ಮತ್ತು ಅದೇ ಧ್ವನಿ ಫೋನ್ ಲೈನ್ನಲ್ಲಿ, ಒಂದೇ ರೀತಿ ರೆಕಾರ್ಡ್ ಆದ ಇಬ್ಬರು ಬೇರೆ ವ್ಯಕ್ತಿಗಳಿಗಿಂತಲೂ ಯಂತ್ರಕ್ಕೆ ಕಡಿಮೆ ಹೋಲಿಕೆಯಾಗಿ ಕೇಳಬಹುದು, ಮತ್ತು ಫಿಂಗರ್ಪ್ರಿಂಟ್ ಅದು ಬಂದ ಆಡಿಯೊವನ್ನು ಹೋಲುವ ಆಡಿಯೊಗೆ ಉತ್ತಮವಾಗಿ ಹೊಂದುತ್ತದೆ. POST /v1/speakers/from-appearance ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ನಿಂದ ನೇರವಾಗಿ ಸ್ಪೀಕರ್ ಅನ್ನು ಉಳಿಸುತ್ತದೆ, ಕರೆಯಲ್ಲಿ ಆ ಸ್ಪೀಕರ್ರದೇ ಭಾಗಗಳನ್ನು ಮಾದರಿಯಾಗಿ ಬಳಸಿ. appearance ಎಂದರೆ ಅವರ ಸಾಲುಗಳು ಹೊತ್ತಿರುವ speaker ಸೂಚ್ಯಂಕ.
await vs.speakers.createFromAppearance({ transcriptionId: tx.id, appearance: 0, name: 'Dana (Billing)' });
ಈ ರೀತಿ ಸ್ಪೀಕರ್ ಅನ್ನು ಉಳಿಸಿದರೆ ಅವರ ಫಿಂಗರ್ಪ್ರಿಂಟ್ ಮಾತ್ರ ಉಳಿಯುತ್ತದೆ, ಅವರ ಕನಿಷ್ಠ 5 ಸೆಕೆಂಡುಗಳ ಮಾತಿನಿಂದ; ಏಜೆಂಟ್ ಒಂದು ನಿಮಿಷ ಅಥವಾ ಹೆಚ್ಚು ಮಾತನಾಡುವ ಕರೆ ಹೆಚ್ಚು ಸ್ಥಿರವಾದದ್ದನ್ನು ನೀಡುತ್ತದೆ. ಧ್ವನಿ ಕ್ಲೋನಿಂಗ್ ಒಂದು ಪ್ರತ್ಯೇಕ ಹಂತ, ಅದಕ್ಕೆ ವ್ಯಕ್ತಿಯ ಒಪ್ಪಿಗೆ ಬೇಕು, ಮತ್ತು ಬೆಂಬಲದ ಕೆಲಸದ ಹರಿವಿಗೆ ಅದರ ಅಗತ್ಯವಿಲ್ಲ.
ಅಲ್ಲಿಂದ, ಮುಗಿದ ಕರೆಯ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಟ್ ಯಾರು ಗುರುತಿಸಲ್ಪಟ್ಟರು ಎಂದು ಹೇಳುತ್ತದೆ. GET /v1/transcriptions/{id}/transcript speakers ಅನ್ನು ಪಟ್ಟಿ ಮಾಡುತ್ತದೆ, ಮತ್ತು ಉಳಿಸಿದ ಸ್ಪೀಕರ್ಗೆ ಹೊಂದಿಕೆಯಾದ ಸ್ಪೀಕರ್ಗೆ identified: true ಮತ್ತು ಉಳಿಸಿದ ಹೆಸರು ಇರುತ್ತದೆ. ಉಳಿದವರನ್ನು ತಲಾ ಒಂದು ಕರೆಯಲ್ಲಿ ಹೆಸರಿಸಬಹುದು, PUT /v1/transcriptions/{id}/appearances/{number}, ಇಲ್ಲಿ number ಸ್ಪೀಕರ್ನ ಪ್ರದರ್ಶನ ಸಂಖ್ಯೆ. ಹೆಸರಿಡುವಿಕೆ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ನಲ್ಲಿ ಸಂಗ್ರಹವಾಗುತ್ತದೆ, ಆದ್ದರಿಂದ ಅದರ ನಂತರದ ಪ್ರತಿ ಎಕ್ಸ್ಪೋರ್ಟ್ ಸಂಖ್ಯೆಯ ಬದಲು "Customer" ಎಂದು ಓದುತ್ತದೆ.
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');
}
"ಗುರುತಿಸದವರೆಲ್ಲ ಗ್ರಾಹಕರು" ಎಂಬುದನ್ನು ಅಂದಾಜಿನ ನಿಯಮವೆಂದು ಪರಿಗಣಿಸಿ ಮತ್ತು ನಿಮ್ಮ ಸ್ವಂತ ಕರೆಗಳಲ್ಲಿ ಪರಿಶೀಲಿಸಿ. ವರ್ಗಾವಣೆ ಎರಡನೇ ಏಜೆಂಟ್ರನ್ನು ತರುತ್ತದೆ, ರೆಕಾರ್ಡ್ ಮಾಡಿದ ಮೆನು ಪ್ರಾಂಪ್ಟ್ ತನ್ನದೇ ಧ್ವನಿಯಾಗಿ ಕೇಳಬಹುದು, ಮತ್ತು ಇನ್ನೂ ಉಳಿಸದ ಏಜೆಂಟ್ ಥೇಟ್ ಗ್ರಾಹಕರಂತೆ ಕಾಣುತ್ತಾರೆ. ಹೋಲಿಕೆಗೆ ಮಿತಿ ಹೇಗಿದೆ ಎಂಬುದನ್ನೂ ಗಮನಿಸಿ: ಪ್ರತಿ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ ಅನ್ನು ಖಾತೆಯಲ್ಲಿ ಇತ್ತೀಚೆಗೆ ನವೀಕರಿಸಿದ 64 ಉಳಿಸಿದ ಸ್ಪೀಕರ್ಗಳೊಂದಿಗೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ, ಆದ್ದರಿಂದ ಅದಕ್ಕಿಂತ ದೊಡ್ಡ ತಂಡ ಪ್ರತಿ ಕರೆಯಲ್ಲಿ ಪ್ರತಿ ಏಜೆಂಟ್ ಗುರುತಿಸಲ್ಪಡುತ್ತಾರೆ ಎಂದು ನಂಬಬಾರದು.
ಲೇಬಲ್ಗಳನ್ನು ತೀರ್ಮಾನಿಸುವ ಮೊದಲು ಫೋನ್ ಆಡಿಯೊದ ಎರಡು ಗುಣಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದು ಉಪಯುಕ್ತ. ಏಜೆಂಟ್ ಎಡಭಾಗದಲ್ಲಿ ಮತ್ತು ಗ್ರಾಹಕ ಬಲಭಾಗದಲ್ಲಿರುವ ಡ್ಯುಯಲ್-ಚಾನೆಲ್ ರೆಕಾರ್ಡಿಂಗ್ ಟ್ರಾನ್ಸ್ಕ್ರೈಬ್ ಆಗುವಾಗ ಒಂದು ಚಾನೆಲ್ಗೆ ಬೆರೆಸಲಾಗುತ್ತದೆ, ಆದ್ದರಿಂದ ಸ್ಪೀಕರ್ಗಳನ್ನು ಚಾನೆಲ್ನಿಂದಲ್ಲ, ಅವರ ಧ್ವನಿಗಳಿಂದ ಬೇರ್ಪಡಿಸಲಾಗುತ್ತದೆ. ಮತ್ತು ಕಿರಿದಾದ ಬ್ಯಾಂಡ್ನ ಫೋನ್ ಲೈನ್ ಸುಮಾರು 3.4 kHz ಗಿಂತ ಮೇಲೆ ಏನನ್ನೂ ಒಯ್ಯುವುದಿಲ್ಲ, ಇದು ಎರಡು ಧ್ವನಿಗಳನ್ನು ಭಿನ್ನವಾಗಿಸುವ ಭಾಗವನ್ನು ತೆಗೆದುಹಾಕುತ್ತದೆ; ಚಿಕ್ಕ, ಒಂದರ ಮೇಲೊಂದು ಬರುವ ಸರದಿಗಳು ("yes", "mm-hm", "sorry, go on") ಲೇಬಲ್ಗಳು ಹೆಚ್ಚು ತಪ್ಪುವ ಜಾಗಗಳು.
summary ಮತ್ತು title ಆನ್ ಇದ್ದಾಗ, ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಟ್ ಅಂತಿಮವಾದ ಮೇಲೆ ಪ್ರತಿ ಕರೆಗೆ ಶೀರ್ಷಿಕೆ ಮತ್ತು ಅದು ಏನು ಕುರಿತಾಗಿತ್ತು ಎಂಬ ಕೆಲವು ವಾಕ್ಯಗಳು ಸಿಗುತ್ತವೆ. ಟಿಕೆಟ್ಗೆ ಹೋಗುವುದು ಅದೇ, ಇದರಿಂದ ಮುಂದಿನ ಏಜೆಂಟ್ ಏನನ್ನೂ ತೆರೆಯದೆ ಇತಿಹಾಸ ತಿಳಿಯುತ್ತಾರೆ. ಸಾರಾಂಶ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಟ್ ನಂತರ ಬರೆಯಲ್ಪಡುತ್ತದೆ, ಆದ್ದರಿಂದ ಅದನ್ನು GET /v1/transcriptions/{id}/summary ನಿಂದ ಓದಿ ಮತ್ತು ಅದರ state pending ಆಗಿರುವವರೆಗೆ ಕಾಯಿರಿ:
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 ready ಆದಾಗ, title ಮತ್ತು summary ಪಠ್ಯವನ್ನು ಹೊಂದಿರುತ್ತವೆ. ಒಂದು ನಿಮಿಷಕ್ಕಿಂತ ಚಿಕ್ಕ ರೆಕಾರ್ಡಿಂಗ್ಗೆ ಎಂದೂ ಸಾರಾಂಶ ಸಿಗುವುದಿಲ್ಲ (not_requested), ಇದು ವಾಯ್ಸ್ಮೇಲ್ಗೆ ಮುಖ್ಯ: ಹೆಚ್ಚಿನ ವಾಯ್ಸ್ಮೇಲ್ಗಳು ಎಷ್ಟು ಚಿಕ್ಕದಾಗಿರುತ್ತವೆ ಎಂದರೆ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಟ್ ಅದರ ಸಾರಾಂಶವೇ. summary ಇಲ್ಲದೆ ಮಾಡಿದ ಕರೆಗೆ ನಂತರ POST /v1/transcriptions/{id}/summarize ಮೂಲಕ ಒಂದನ್ನು ನೀಡಬಹುದು. ಸಾರಾಂಶಗಳು ಪ್ರತಿ ಯೋಜನೆಯಲ್ಲೂ ಹೆಚ್ಚುವರಿ ವೆಚ್ಚವಿಲ್ಲದೆ ಸೇರಿವೆ.
GET /v1/transcriptions/{id}/export ಏಳು ಸ್ವರೂಪಗಳಲ್ಲಿ ಒಂದರಲ್ಲಿ ಫೈಲ್ ನೀಡುತ್ತದೆ: json, xlsx, pdf, srt, vtt, txt ಅಥವಾ md. ಪ್ರತಿ ಎಕ್ಸ್ಪೋರ್ಟ್ ತಿದ್ದುಪಡಿಗಳನ್ನು ಮತ್ತು ನೀವು ನೀಡಿದ ಸ್ಪೀಕರ್ ಹೆಸರುಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಬೆಂಬಲ ತಂಡಕ್ಕೆ, ಅವುಗಳಲ್ಲಿ ಎರಡು ಹೆಚ್ಚಿನ ಕೆಲಸ ಮಾಡುತ್ತವೆ.
ನಿಮ್ಮದೇ ಕೋಡ್ಗಾಗಿ JSON. JSON ಎಕ್ಸ್ಪೋರ್ಟ್ನಲ್ಲಿ ಕರೆಯ name, language, durationS ಮತ್ತು, summary=true ಜೊತೆ, ಅದರ summary ಇರುತ್ತದೆ, ನಂತರ segments: ಪ್ರತಿ ಸಾಲಿಗೆ ಒಂದು ನಮೂದು, ಸೆಕೆಂಡುಗಳಲ್ಲಿ start ಮತ್ತು end, speaker, speakerName, text, ಒಂದು confidence, ಸಾಲು corrected ಆಗಿತ್ತೇ, ಮತ್ತು ತಮ್ಮದೇ ಸಮಯಗಳೊಂದಿಗೆ words ಇರುತ್ತವೆ. ಸ್ಕ್ರಿಪ್ಟ್ವೊಂದು CRM ಟಿಪ್ಪಣಿಯನ್ನು (ಶೀರ್ಷಿಕೆ, ಸಾರಾಂಶ, ಏಜೆಂಟ್ರ ಹೆಸರು, ಕರೆಯ ಅವಧಿ) ನಿರ್ಮಿಸಲು ಅಥವಾ ಗ್ರಾಹಕರು ಹೇಳಿದ ಪ್ರತಿ ಸಾಲನ್ನು ಹೊರತೆಗೆಯಲು ಇದು ಸಾಕು.
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.
ಪರಿಶೀಲಕರಿಗೆ Excel. XLSX ಎಕ್ಸ್ಪೋರ್ಟ್ನಲ್ಲಿ ಪ್ರತಿ ಸಾಲಿಗೆ ಒಂದು ಸಾಲು ಮತ್ತು #, Start, End, Start (s), End (s), Speaker, Text, Confidence ಮತ್ತು Corrected ಕಾಲಮ್ಗಳಿರುವ Transcript ಶೀಟ್ ಇರುತ್ತದೆ. summary=true ಜೊತೆ, About ಶೀಟ್ ಕರೆಯ ಹೆಸರು, ಭಾಷೆ ಮತ್ತು ಅವಧಿಯ ಪಕ್ಕದಲ್ಲಿ ಸಾರಾಂಶವನ್ನು ಹೊಂದಿರುತ್ತದೆ. QA ಮುಖ್ಯಸ್ಥರು ಏಜೆಂಟ್ರ ಸಾಲುಗಳಿಗೆ ಫಿಲ್ಟರ್ ಮಾಡಬಹುದು, ಅಂಕಗಳು ಅಥವಾ ಕಾಮೆಂಟ್ಗಳಿಗೆ ಕಾಲಮ್ ಸೇರಿಸಬಹುದು, ಮತ್ತು ಪ್ರತಿ ಪರಿಶೀಲನೆಗೆ ಒಂದು ವರ್ಕ್ಬುಕ್ ಇಟ್ಟುಕೊಳ್ಳಬಹುದು.
curl -sSf "$API/v1/transcriptions/$TX/export?format=xlsx&summary=true" -H "$AUTH" -o ticket-48213.xlsx
ಒಂದಕ್ಕಿಂತ ಹೆಚ್ಚು ಭಾಷೆಗಳಲ್ಲಿ ಬೆಂಬಲವೂ ಇದೇ ರೀತಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ. ಎಕ್ಸ್ಪೋರ್ಟ್ಗೆ lang=en ಸೇರಿಸಿ, ಮತ್ತು ಫೈಲ್ ಇಂಗ್ಲಿಷ್ನಲ್ಲಿ ಓದುತ್ತದೆ, ಪ್ರತಿ ವಾಕ್ಯಕ್ಕೆ ಒಂದು ಸಾಲು, ಕರೆ ಸ್ಪ್ಯಾನಿಷ್ ಅಥವಾ ಪೋಲಿಷ್ನಲ್ಲಿದ್ದಲ್ಲಿ ಅನುವಾದಿಸಿ; ಒಂದು ಭಾಷೆ ಓದುವ ಪರಿಶೀಲಕರು ಹಲವು ಭಾಷೆಗಳಲ್ಲಿ ಸ್ವೀಕರಿಸಿದ ಕರೆಗಳಿಗೆ ಅಂಕ ನೀಡಬಹುದು. ಸ್ಪೀಕರ್ಗಳು ಮತ್ತು ಟೈಮ್ಸ್ಟ್ಯಾಂಪ್ಗಳೊಂದಿಗೆ ಇಡೀ ಕರೆಯನ್ನು ಕಾಗದದ ಮೇಲೆ ಓದಲು ಬಯಸುವವರಿಗೆ PDF ಎಕ್ಸ್ಪೋರ್ಟ್ ಸೂಕ್ತ.
ಎಕ್ಸ್ಪೋರ್ಟ್ ಮಾಡಿದ ನಂತರವೂ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ ಖಾತೆಯಲ್ಲಿ ಉಳಿಯುತ್ತದೆ, ಆದ್ದರಿಂದ ಕರೆಗಳು ಒಂದು ಗ್ರಂಥಾಲಯವಾಗುತ್ತವೆ. ಟ್ಯಾಗ್ಗಳು ಅವನ್ನು ಗುಂಪುಮಾಡುತ್ತವೆ: POST /v1/tags ನಿಂದ ಪ್ರತಿ ಸರದಿ ಅಥವಾ ತಂಡಕ್ಕೆ ಒಂದನ್ನು ರಚಿಸಿ, ನಂತರ POST /v1/tags/{id}/transcriptions ನಿಂದ ಅದನ್ನು ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ಗಳಿಗೆ ಹಾಕಿ.
const billing = await vs.tags.create({ name: 'Billing queue' });
await vs.tags.tagTranscriptions(billing.id, { add: [tx.id] });
GET /v1/search ನಂತರ ಟ್ಯಾಗ್ ಮತ್ತು ದಿನಾಂಕದಿಂದ ಮಿತಿಗೊಳಿಸಿ, ಪ್ರತಿ ಕರೆಯಲ್ಲಿ ಹೇಳಿದ್ದನ್ನು ಹುಡುಕುತ್ತದೆ: ಈ ತಿಂಗಳು ಯಾರಾದರೂ "cancel" ಎಂದು ಹೇಳಿದ ಬಿಲ್ಲಿಂಗ್ ಸರದಿಯ ಪ್ರತಿ ಕರೆ, ಪ್ರತಿ ಫಲಿತಾಂಶ ತನ್ನ ಕರೆ ಮತ್ತು ಅದನ್ನು ಹೇಳಿದ ಸೆಕೆಂಡ್ನೊಂದಿಗೆ.
curl -sSfG "$API/v1/search" -H "$AUTH" --data-urlencode "q=cancel" \
--data-urlencode "tag=Billing queue" --data-urlencode "createdAfter=2026-11-01"
ಮೇಲಿನ ಎಲ್ಲವೂ ಕೋಡ್ ಇಲ್ಲದೆಯೂ ಕೆಲಸ ಮಾಡುತ್ತದೆ. Transcriptions → New ನಲ್ಲಿ ಅಪ್ಲೋಡ್ ಮಾಡಿದ ಫೈಲ್ ಅನ್ನು ಅದರ ಪುಟದಿಂದ ಲೇಬಲ್ ಮಾಡಲಾಗುತ್ತದೆ, ಸಾರಾಂಶಗೊಳಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಎಕ್ಸ್ಪೋರ್ಟ್ ಮಾಡಲಾಗುತ್ತದೆ, ಸ್ಪೀಕರ್ಗಳನ್ನು Speakers ಅಡಿಯಲ್ಲಿ ಉಳಿಸಲಾಗುತ್ತದೆ, ಮತ್ತು ಟ್ಯಾಗ್ಗಳು ಹಾಗೂ ಹುಡುಕಾಟ Transcriptions ಪಟ್ಟಿಯಲ್ಲಿವೆ.
ಏನನ್ನಾದರೂ ಸಿದ್ಧಪಡಿಸುವ ಮೊದಲು ಕೆಲವು ಅಂತರಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದು ಯೋಗ್ಯ.
ಉಳಿಸಿಕೊಳ್ಳುವಿಕೆ ಯೋಜನೆಯ ಮೇಲೆ ಅವಲಂಬಿತ; ಪ್ರತಿಯೊಂದರಲ್ಲಿ ಆಡಿಯೊ ಮತ್ತು ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ಗಳನ್ನು ಎಷ್ಟು ಕಾಲ ಇಡಲಾಗುತ್ತದೆ ಎಂದು ಬೆಲೆಗಳ ಪುಟ ತೋರಿಸುತ್ತದೆ. ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ ಅನ್ನು ಆರ್ಕೈವ್ ಮಾಡಬಹುದು, ಮತ್ತು ಆರ್ಕೈವ್ ಮಾಡಿದ್ದನ್ನು POST /v1/transcriptions/{id}/purge ನಿಂದ ಶಾಶ್ವತವಾಗಿ ಅಳಿಸಬಹುದು, ಇದು ಅದನ್ನು ಮತ್ತು ಅದರೊಳಗಿನ ಎಲ್ಲವನ್ನೂ ಶಾಶ್ವತವಾಗಿ ಅಳಿಸುತ್ತದೆ.
ಬಿಡುಗಡೆ ಬೆಲೆಗಳಲ್ಲಿ, ರೆಕಾರ್ಡ್ ಮಾಡಿದ ಕರೆಗಳು ಪ್ರತಿ ಗಂಟೆಯ ಆಡಿಯೊಗೆ $0.20, ಪ್ರತಿ ಸೆಕೆಂಡಿಗೆ ಬಿಲ್ ಆಗುತ್ತವೆ (ನಿಮಿಷಕ್ಕೆ $0.0033), Pay as you go ನಲ್ಲಿ ಪ್ರತಿ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ಗೆ 5 ನಿಮಿಷಗಳ ಕನಿಷ್ಠದೊಂದಿಗೆ (Premium ಅಥವಾ Enterprise ನಲ್ಲಿ ಇಲ್ಲ). ಪ್ರಸ್ತುತ ದರಗಳು ಬೆಲೆಗಳ ಪುಟ ದಲ್ಲಿವೆ. ಸ್ಪೀಕರ್ ಲೇಬಲ್ಗಳು, ಸ್ಪೀಕರ್ ಹೆಸರಿಡುವಿಕೆ, ಸಾರಾಂಶಗಳು, ಅನುವಾದಗಳು ಮತ್ತು ಎಕ್ಸ್ಪೋರ್ಟ್ಗಳು ಬಿಲ್ ಅನ್ನು ಎಂದಿಗೂ ಹೆಚ್ಚಿಸುವುದಿಲ್ಲ.
ಬೆಂಬಲ ಕರೆಗಳು ಹೆಚ್ಚಾಗಿ ಚಿಕ್ಕವು, ಆದ್ದರಿಂದ ಬೆಂಬಲ ತಂಡದ ಬಿಲ್ನ ಹೆಚ್ಚಿನ ಭಾಗವನ್ನು ದರಕ್ಕಿಂತ ಕನಿಷ್ಠವೇ ನಿರ್ಧರಿಸುತ್ತದೆ. Pay as you go ನಲ್ಲಿ:
Premium ಮತ್ತು Enterprise ನಲ್ಲಿ ಕನಿಷ್ಠ ಇಲ್ಲ, ಆದ್ದರಿಂದ ಪ್ರತಿ ಕರೆ ತನ್ನದೇ ಸೆಕೆಂಡುಗಳಿಂದ ಬಿಲ್ ಆಗುತ್ತದೆ: 40 ಸೆಕೆಂಡುಗಳ ವಾಯ್ಸ್ಮೇಲ್ಗೆ ಸುಮಾರು ಸೆಂಟ್ನ ಐದನೇ ಒಂದು ಭಾಗ, ಮತ್ತು ಮೂರು ನಿಮಿಷಗಳ 1,000 ಕರೆಗಳಿಗೆ ಸುಮಾರು $10. ಹೆಚ್ಚಾಗಿ ಚಿಕ್ಕ ಕರೆಗಳನ್ನು ಸ್ವೀಕರಿಸುವ ತಂಡ ಎರಡನ್ನೂ ತನ್ನದೇ ಕರೆ ಅವಧಿಗಳಲ್ಲಿ ಹೋಲಿಸಬೇಕು.
ಬಿಡುಗಡೆ ಬೆಲೆಗಳಲ್ಲಿ, ಸರಾಸರಿ 8 ನಿಮಿಷಗಳ ತಿಂಗಳಿಗೆ 2,000 ಕರೆಗಳನ್ನು ರೆಕಾರ್ಡ್ ಮಾಡುವ ತಂಡ 16,000 ನಿಮಿಷಗಳ ಆಡಿಯೊ ಕಳುಹಿಸುತ್ತದೆ: Premium ನಲ್ಲಿ ತಿಂಗಳಿಗೆ ಸುಮಾರು $53 ಕ್ರೆಡಿಟ್, ಸಾರಾಂಶಗಳು ಮತ್ತು ಸ್ಪ್ರೆಡ್ಶೀಟ್ಗಳು ಸೇರಿ. Pay as you go ನಲ್ಲಿ, 5 ನಿಮಿಷಗಳ ಒಳಗಿನ ಪ್ರತಿ ಕರೆ ಇದಕ್ಕೆ ಸೇರುತ್ತದೆ.
ಲೈವ್ ಟ್ರಾನ್ಸ್ಕ್ರಿಪ್ಷನ್ ಹೆಚ್ಚು ವೆಚ್ಚವಾಗುತ್ತದೆ (ಬಿಡುಗಡೆ ಬೆಲೆಗಳಲ್ಲಿ ಗಂಟೆಗೆ $0.60), ಏಕೆಂದರೆ ಅದು ಕರೆಯ ವೇಗಕ್ಕೆ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ; ಕರೆಯ ಸಮಯದಲ್ಲಿ ಯಾರಿಗೂ ಪದಗಳು ಬೇಕಿಲ್ಲದಿದ್ದರೆ, ರೆಕಾರ್ಡಿಂಗ್ ಅನ್ನು ನಂತರ ಟ್ರಾನ್ಸ್ಕ್ರೈಬ್ ಮಾಡಿ. ಹೊಸ ಖಾತೆ ಒಂದು ಬಾರಿಯ ಸೈನ್ ಅಪ್ ಕ್ರೆಡಿಟ್ನೊಂದಿಗೆ ಆರಂಭವಾಗುತ್ತದೆ ಮತ್ತು ಕಾರ್ಡ್ ಬೇಕಿಲ್ಲ, ಆದ್ದರಿಂದ ಏನನ್ನಾದರೂ ಖರೀದಿಸುವ ಮೊದಲು ಮೇಲಿನ ಹಂತಗಳನ್ನು ನಿಮ್ಮದೇ ಕರೆಗಳ ಒಂದು ಗುಂಪಿನ ಮೇಲೆ ಪ್ರಯತ್ನಿಸಬಹುದು.