Transkripcija atskiria balsus, bet negali žinoti, kuris iš jų yra operatorius. Išsaugokite kiekvieną operatorių vieną kartą, iš vieno jo skambučio, ir kiekvienas vėlesnis skambutis ateis su operatoriaus vardu, santrauka viršuje ir kokybės patikrai paruošta skaičiuokle.
Kokybės vadovas, kuris palaikymo skambučius peržiūri klausydamas, per dieną gali apdoroti saujelę, o septynių minučių skambutis trunka septynias minutes, kad ir kaip greitai spaudinėtumėte. Perskaitytas kaip tekstas, tas pats skambutis yra apie tūkstantis žodžių, vienas puslapis, o puslapį galima peržvelgti, jame ieškoti ir įklijuoti į bilietą. Klientų aptarnavimo skambučių transkribavimas paverčia jūsų telefonijos sistemos jau saugomus įrašus tokiais puslapiais. Trys dalykai lemia, ar puslapiai kuo nors naudingi: ar kiekviena eilutė nurodo, kas kalbėjo, operatorius ar klientas; ar skambutis ateina su trumpa santrauka, ko prašyta ir dėl ko susitarta; ir ar rezultatas atkeliauja ten, kur dirba komanda, į CRM užrašą ar kokybės skaičiuoklę.
Šiame straipsnyje apžvelgiama ta darbo eiga su VocalStack: per API išsiųsti įrašyti skambučiai, pagal vardą atpažįstamas operatorius, kiekvienam skambučiui parašyta santrauka ir eksportai JSON bei Excel formatais. Taip pat atvirai pasakoma, ko VocalStack palaikymo komandai nedaro, nes dalis to svarbu dar prieš įkeliant pirmą skambutį.
Dauguma telefonijos ir kontaktų centrų sistemų gali eksportuoti skambučių įrašus kaip garso failus arba duoti kiekvieno atsisiuntimo nuorodą. Tinka bet kuris variantas. POST /v1/transcriptions priima failą kaip „multipart“ įkėlimą arba JSON turinį su url, kurį serveris atsisiunčia pats. Failų vadovas išsamiai aprašo šią užklausą; skambučiams svarbūs šie nustatymai, visi settings viduje:
speakerLabels: nustatykite on, kad kiekviena dviejų žmonių skambučio eilutė turėtų kalbėtoją. Numatytasis When Needed (auto) žymi eilutes tik išgirdus antrą kalbėtoją, o tai tinka paskaitai labiau nei skambučiui.summary ir title: abu išjungti, nebent paprašysite. Kai įjungta, transkribavus skambutį parašoma antraštė ir trumpa santrauka.spokenLanguage: nurodykite, kai žinote, pavyzdžiui, eilei, kuri priima tik vienos kalbos skambučius. Jei praleisite, kalba aptinkama iš 100.Įkėlimas iš karto atsako transkripcijos id; žodžiai ateina šiek tiek vėliau. Su kiekvienu įkėlimu siųskite Idempotency-Key: pakartotinė užklausa su tuo pačiu raktu ir turiniu per 24 valandas grąžina pirmąją transkripciją, užuot sukūrusi ir apmokestinusi antrąją. Paties skambučio id iš jūsų telefonijos sistemos yra natūralus raktas.
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 ?? ''}`);
Nakties įrašus galima įkelti vienu ciklu. Kiekvienas planas nustato, kiek transkripcijų vykdoma vienu metu, ir didesnį failų skaičių nenukertama: failas sukuriamas, laukia būsenoje queued ir pats prasideda, kai baigiasi ankstesnis. Riba, kurią galite pasiekti, yra transkripcijų, kurias paskyra gali pradėti per API per valandą, skaičius; kiekvieno plano skaičiai pateikti kainų puslapyje. „Webhook“ nėra, todėl jūsų skriptas apklausia kiekvieną užduotį, kol ji baigsis, o tai už jus daro waitForJob.
Kalbėtojų žymos gaunamos iš diarizacijos: įrašas padalijamas į replikas, o replikos sugrupuojamos pagal balsą. Grįžta „Speaker 1“ ir „Speaker 2“. Sistema gali atskirti du balsus, bet nieko garse nėra, kas pasakytų, kuris dirba pas jus. Diarizacija ir kalbos atpažinimas paaiškina mechaniką; palaikymo skambučiams praktinis atsakymas yra išsaugoti kiekvieną operatorių vieną kartą.
Išsaugotas kalbėtojas yra balso atspaudas su vardu. Kai jis egzistuoja, kiekviena nauja paskyros transkripcija lygina girdimus balsus su jūsų išsaugotais kalbėtojais, o sutapimas perkelia vardą į transkripciją. Failai suderinami automatiškai, todėl operatoriaus eilutės ateina kaip „Dana“, o ne „Speaker 1“. Klientas lieka sunumeruotas, kol jį pavadinsite.
Atspaudą paimkite iš paties operatoriaus skambučio, o ne iš prie stalo padaryto įrašo. Balsas su ausinėmis tyliame kambaryje ir tas pats balsas telefono linijoje mašinai gali skambėti mažiau panašiai nei du skirtingi žmonės, įrašyti vienodai, o atspaudas geriausiai atitinka garsą, panašų į tą, iš kurio sukurtas. POST /v1/speakers/from-appearance išsaugo kalbėtoją tiesiai iš transkripcijos, kaip pavyzdį naudodamas to kalbėtojo skambučio ruožus. appearance yra speaker indeksas, kurį turi jo eilutės.
await vs.speakers.createFromAppearance({ transcriptionId: tx.id, appearance: 0, name: 'Dana (Billing)' });
Taip išsaugojus kalbėtoją, išsaugomas tik jo atspaudas, bent iš 5 sekundžių jo kalbos; skambutis, kuriame operatorius kalba minutę ar ilgiau, duoda stabilesnį. Balso klonavimas yra atskiras žingsnis, kuriam reikia žmogaus sutikimo, o palaikymo darbo eigai jo nereikia.
Nuo to laiko baigto skambučio transkripcija parodo, kas buvo atpažinta. GET /v1/transcriptions/{id}/transcript išvardija speakers, o kalbėtojas, atitikęs išsaugotą, turi identified: true ir išsaugotą vardą. Likusius galima pavadinti viena užklausa kiekvieną, PUT /v1/transcriptions/{id}/appearances/{number}, kur number yra kalbėtojo rodomas numeris. Pavadinimas saugomas transkripcijoje, todėl kiekvienas po to atliktas eksportas rodo „Customer“ vietoj numerio.
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');
}
„Visi neatpažinti yra klientas“ laikykite nykščio taisykle ir patikrinkite su savo skambučiais. Perjungimas atneša antrą operatorių, įrašytas meniu pranešimas gali būti išgirstas kaip atskiras balsas, o dar neišsaugotas operatorius atrodo lygiai kaip klientas. Atkreipkite dėmesį ir į tai, kaip ribojamas palyginimas: kiekviena transkripcija lyginama su 64 neseniausiai atnaujintais paskyros išsaugotais kalbėtojais, todėl už tą skaičių didesnė komanda neturėtų tikėtis, kad kiekvienas operatorius bus atpažintas kiekviename skambutyje.
Prieš vertinant žymas verta žinoti dvi telefono garso savybes. Dviejų kanalų įrašas, kuriame operatorius kairėje, o klientas dešinėje, transkribuojant sumaišomas į vieną kanalą, todėl kalbėtojai atskiriami pagal balsą, o ne pagal kanalą. O siaurajuostė telefono linija neperduoda nieko virš maždaug 3,4 kHz, o tai pašalina dalį to, kas daro du balsus skirtingus; trumpos, persidengiančios replikos („taip“, „aha“, „atsiprašau, tęskite“) yra ten, kur žymos klysta dažniausiai.
Su įjungtais summary ir title kiekvienas skambutis gauna antraštę ir kelis sakinius apie tai, apie ką jis buvo, kai transkripcija tampa galutinė. Tai patenka į bilietą, kad kitas operatorius žinotų istoriją, nieko neatidarydamas. Santrauka parašoma po transkripcijos, todėl skaitykite ją su GET /v1/transcriptions/{id}/summary ir laukite, kol jos state yra 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);
}
Kai state yra ready, title ir summary turi tekstą. Trumpesnis nei minutės įrašas niekada negauna santraukos (not_requested), o tai svarbu balso pašto žinutėms: dauguma jų pakankamai trumpos, kad pati transkripcija būtų jų santrauka. Skambučiui, atliktam be summary, vėliau galima sukurti santrauką su POST /v1/transcriptions/{id}/summarize. Santraukos įtrauktos į visus planus be papildomo mokesčio.
GET /v1/transcriptions/{id}/export grąžina failą vienu iš septynių formatų: json, xlsx, pdf, srt, vtt, txt arba md. Kiekviename eksporte yra pataisymai ir jūsų suteikti kalbėtojų vardai. Palaikymo komandai didžiąją darbo dalį atlieka du iš jų.
JSON jūsų pačių kodui. JSON eksporte yra skambučio name, language, durationS ir, su summary=true, jo summary, tada segments: vienas įrašas eilutei, su start ir end sekundėmis, speaker, speakerName, text, confidence, ar eilutė buvo corrected, ir words su savo laikais. Šito pakanka, kad skriptas sukurtų CRM užrašą (antraštę, santrauką, operatoriaus vardą, skambučio trukmę) arba ištrauktų visas kliento pasakytas eilutes.
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 peržiūrėtojui. XLSX eksporte yra Transcript lapas su viena eilute kiekvienai eilutei ir stulpeliais #, Start, End, Start (s), End (s), Speaker, Text, Confidence ir Corrected. Su summary=true lape About santrauka pateikiama šalia skambučio pavadinimo, kalbos ir trukmės. Kokybės vadovas gali filtruoti operatoriaus eilutes, pridėti stulpelį įvertinimams ar komentarams ir kiekvienai peržiūrai laikyti po vieną darbaknygę.
curl -sSf "$API/v1/transcriptions/$TX/export?format=xlsx&summary=true" -H "$AUTH" -o ticket-48213.xlsx
Palaikymas keliomis kalbomis veikia taip pat. Prie eksporto pridėkite lang=en, ir failas skaitomas angliškai, po vieną eilutę sakiniui, išverstas ten, kur skambutis buvo ispanų ar lenkų kalba; viena kalba skaitantis peržiūrėtojas gali vertinti keliomis kalbomis priimtus skambučius. PDF eksportas tinka tam, kas nori perskaityti visą skambutį ant popieriaus, su kalbėtojais ir laiko žymomis.
Transkripcija po eksporto lieka paskyroje, todėl skambučiai virsta biblioteka. Žymos juos grupuoja: sukurkite po vieną kiekvienai eilei ar komandai su POST /v1/tags, tada priskirkite transkripcijoms su POST /v1/tags/{id}/transcriptions.
const billing = await vs.tags.create({ name: 'Billing queue' });
await vs.tags.tagTranscriptions(billing.id, { add: [tx.id] });
GET /v1/search tada ieško, kas buvo pasakyta visuose skambučiuose, susiaurinta pagal žymą ir datą: kiekvienas šio mėnesio atsiskaitymų eilės skambutis, kuriame kas nors pasakė „cancel“, kiekvienas atitikmuo su savo skambučiu ir sekunde, kai tai buvo pasakyta.
curl -sSfG "$API/v1/search" -H "$AUTH" --data-urlencode "q=cancel" \
--data-urlencode "tag=Billing queue" --data-urlencode "createdAfter=2026-11-01"
Viskas aukščiau taip pat veikia be kodo. Failas, įkeltas per Transcriptions → New, pažymimas, apibendrinamas ir eksportuojamas iš savo puslapio, kalbėtojai išsaugomi skiltyje Speakers, o žymos ir paieška yra Transcriptions sąraše.
Verta žinoti kelias spragas, prieš ką nors nustatant.
Saugojimas priklauso nuo plano; kainų puslapyje parodyta, kiek laiko kiekviename saugomas garsas ir transkripcijos. Transkripciją galima archyvuoti, o archyvuotą – pašalinti su POST /v1/transcriptions/{id}/purge, kuri ją ir viską joje ištrina visam laikui.
Pradinėmis kainomis įrašyti skambučiai kainuoja $0.20 už garso valandą, apmokestinami pagal sekundes ($0.0033 už minutę), su 5 minučių minimumu transkripcijai plane Pay as you go (Premium ir Enterprise jo nėra). Dabartiniai įkainiai pateikti kainų puslapyje. Kalbėtojų žymos, kalbėtojų pavadinimai, santraukos, vertimai ir eksportai niekada nedidina sąskaitos.
Palaikymo skambučiai dažnai trumpi, todėl minimumas palaikymo komandos sąskaitoje nulemia daugiau nei įkainis. Plane Pay as you go:
Premium ir Enterprise minimumo nėra, todėl kiekvienas skambutis apmokestinamas pagal savo sekundes: 40 sekundžių žinutė kainuoja apie penktadalį cento, o 1 000 trijų minučių skambučių apie $10. Komanda, kuri daugiausia priima trumpus skambučius, turėtų palyginti abu variantus pagal savo skambučių trukmes.
Pradinėmis kainomis komanda, kuri per mėnesį įrašo 2 000 skambučių, vidutiniškai po 8 minutes, išsiunčia 16 000 minučių garso: apie $53 kredito per mėnesį plane Premium, su santraukomis ir skaičiuoklėmis. Plane Pay as you go kiekvienas trumpesnis nei 5 minučių skambutis prisideda prie šios sumos.
Gyvas transkribavimas kainuoja daugiau ($0.60 už valandą pradinėmis kainomis), nes jis neatsilieka nuo skambučio; jei niekam nereikia žodžių skambučio metu, transkribuokite įrašą vėliau. Nauja paskyra prasideda nuo vienkartinio registracijos kredito ir kortelės nereikia, todėl aukščiau aprašytus žingsnius galima išbandyti su savo skambučių partija, prieš ką nors perkant.