Een transcriptie kan stemmen uit elkaar houden, maar weet niet welke stem de medewerker is. Sla elke medewerker één keer op, vanuit een van hun eigen gesprekken, en elk volgend gesprek komt terug met de medewerker bij naam, een samenvatting bovenaan en een spreadsheet klaar voor QA.
Een QA-medewerker die supportgesprekken beoordeelt door ze te beluisteren, haalt er een handvol per dag, en een gesprek van zeven minuten duurt zeven minuten, hoe snel je ook klikt. Als tekst is hetzelfde gesprek ongeveer duizend woorden, één pagina, en een pagina kun je doorlezen, doorzoeken en in een ticket plakken. Transcriptie van klantenservicegesprekken zet de opnames die je telefoonsysteem al bewaart om in zulke pagina's. Drie dingen bepalen of die pagina's bruikbaar zijn: of elke regel zegt wie sprak, medewerker of klant; of het gesprek een korte samenvatting krijgt van wat er is gevraagd en afgesproken; en of het resultaat terechtkomt waar het team werkt, in een CRM-notitie of een QA-spreadsheet.
Dit artikel doorloopt die werkwijze met VocalStack: opgenomen gesprekken die via de API worden verstuurd, de medewerker die bij naam wordt herkend, een samenvatting per gesprek en exports in JSON en Excel. Het zegt ook openlijk wat VocalStack niet doet voor een supportteam, omdat een deel daarvan telt voordat het eerste gesprek wordt geüpload.
De meeste telefoon- en contactcentersystemen kunnen gespreksopnames als audiobestanden exporteren, of geven elke opname een downloadlink. Beide werken. POST /v1/transcriptions accepteert een bestand als multipart-upload, of een JSON-body met een url die de server zelf ophaalt. De bestandstutorial behandelt de aanroep uitgebreid; voor gesprekken zijn deze instellingen belangrijk, allemaal binnen settings:
speakerLabels: zet het op on, zodat elke regel van een gesprek tussen twee mensen een spreker draagt. De standaard, When Needed (auto), labelt regels pas zodra er een tweede spreker te horen is, wat beter bij een lezing past dan bij een gesprek.summary en title: beide staan uit tenzij je erom vraagt. Als ze aan staan, worden een titel en een korte samenvatting van het gesprek geschreven zodra het is getranscribeerd.spokenLanguage: geef de taal op als je die weet, bijvoorbeeld bij een wachtrij die alleen gesprekken in één taal aanneemt. Laat je het weg, dan wordt de taal herkend, uit 100.De upload antwoordt direct met een transcriptie-id; de woorden komen iets later. Stuur bij elke upload een Idempotency-Key mee: een nieuwe poging met dezelfde sleutel en body binnen 24 uur geeft de eerste transcriptie terug in plaats van een tweede aan te maken en te factureren. De eigen id van het gesprek uit je telefoonsysteem is een natuurlijke sleutel.
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 ?? ''}`);
Een nacht aan opnames kan in één lus worden geüpload. Elk abonnement bepaalt hoeveel transcripties tegelijk draaien, en een bestand boven dat aantal wordt niet geweigerd: het wordt aangemaakt, wacht op queued en start vanzelf wanneer een eerdere klaar is. De limiet waar je tegenaan kunt lopen, is het aantal transcripties dat een account per uur via de API mag starten; de cijfers per abonnement staan op de prijspagina. Er zijn geen webhooks, dus je script pollt elke job tot die klaar is, wat waitForJob voor je doet.
Sprekerlabels komen uit diarisatie: de opname wordt in beurten opgedeeld en de beurten worden op stem gegroepeerd. Wat terugkomt is "Speaker 1" en "Speaker 2". Het systeem kan twee stemmen uit elkaar houden, maar niets in de audio zegt welke van de twee bij jou in dienst is. Diarisatie versus spraakherkenning legt de werking uit; voor supportgesprekken is het praktische antwoord om elke medewerker één keer op te slaan.
Een opgeslagen spreker is een stemvingerafdruk met een naam. Zodra die bestaat, vergelijkt elke nieuwe transcriptie in het account de stemmen die ze hoort met je opgeslagen sprekers, en een match brengt de naam over naar het transcript. Bestanden worden automatisch gematcht, dus de regels van de medewerker komen binnen als "Dana" in plaats van "Speaker 1". De klant blijft genummerd tot je hem een naam geeft.
Neem de vingerafdruk uit een van de eigen gesprekken van de medewerker, niet uit een opname aan een bureau. Een stem op een headset in een stille kamer en dezelfde stem op een telefoonlijn kunnen voor een machine minder op elkaar lijken dan twee verschillende mensen die op dezelfde manier zijn opgenomen, en de vingerafdruk matcht het best met audio die lijkt op de audio waaruit hij komt. POST /v1/speakers/from-appearance slaat een spreker rechtstreeks op vanuit een transcriptie, met de eigen fragmenten van die spreker uit het gesprek als monster. appearance is de speaker-index die hun regels dragen.
await vs.speakers.createFromAppearance({ transcriptionId: tx.id, appearance: 0, name: 'Dana (Billing)' });
Een spreker op deze manier opslaan bewaart alleen de vingerafdruk, uit minstens 5 seconden spraak van die persoon; een gesprek waarin de medewerker een minuut of langer praat, geeft een stabielere. Stemklonen is een aparte stap waarvoor de toestemming van de persoon nodig is, en een supportworkflow heeft er geen nut voor.
Vanaf dan vertelt het transcript van een afgerond gesprek wie er is herkend. GET /v1/transcriptions/{id}/transcript toont speakers, en een spreker die aan een opgeslagen spreker is gekoppeld, heeft identified: true en de opgeslagen naam. De rest kan met één aanroep per spreker een naam krijgen, PUT /v1/transcriptions/{id}/appearances/{number}, waarbij number het weergavenummer van de spreker is. De naam wordt bij de transcriptie bewaard, dus elke export daarna toont "Customer" in plaats van een nummer.
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');
}
Beschouw "iedereen die niet is herkend, is de klant" als vuistregel en controleer die op je eigen gesprekken. Een doorverbinding brengt een tweede medewerker, een opgenomen menuboodschap kan als eigen stem worden gehoord, en een medewerker die nog niet is opgeslagen ziet er precies uit als een klant. Let ook op de grens van de vergelijking: elke transcriptie wordt vergeleken met de 64 het recentst bijgewerkte opgeslagen sprekers in het account, dus een groter team moet er niet op rekenen dat elke medewerker in elk gesprek wordt herkend.
Twee eigenschappen van telefoonaudio zijn goed om te weten voordat je de labels beoordeelt. Een opname met twee kanalen, de medewerker links en de klant rechts, wordt bij het transcriberen tot één kanaal samengevoegd, dus sprekers worden gescheiden op hun stem, niet op hun kanaal. En een smalbandige telefoonlijn draagt niets boven ongeveer 3,4 kHz, wat een deel weghaalt van wat twee stemmen onderscheidend maakt; korte, overlappende beurten ("ja", "mm-hm", "sorry, ga door") zijn waar labels het vaakst fout gaan.
Met summary en title aan krijgt elk gesprek een titel en een paar zinnen over waar het over ging, zodra het transcript definitief is. Dat is wat in het ticket komt, zodat de volgende medewerker de geschiedenis kent zonder iets te openen. De samenvatting wordt na het transcript geschreven, dus lees haar met GET /v1/transcriptions/{id}/summary en wacht zolang de state pending is:
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);
}
Als state ready is, bevatten title en summary de tekst. Een opname korter dan één minuut krijgt nooit een samenvatting (not_requested), wat telt voor voicemail: de meeste voicemails zijn kort genoeg dat het transcript zelf de samenvatting is. Een gesprek dat zonder summary is gemaakt, kan later alsnog een samenvatting krijgen met POST /v1/transcriptions/{id}/summarize. Samenvattingen zijn bij elk abonnement zonder extra kosten inbegrepen.
GET /v1/transcriptions/{id}/export geeft een bestand in een van zeven formaten: json, xlsx, pdf, srt, vtt, txt of md. Elke export bevat de correcties en de sprekernamen die je hebt gegeven. Voor een supportteam doen er twee het meeste werk.
JSON voor je eigen code. De JSON-export bevat de name, language, durationS van het gesprek en, met summary=true, de summary, daarna segments: één item per regel, met start en end in seconden, speaker, speakerName, text, een confidence, of de regel corrected is en de words met hun eigen tijden. Dat is genoeg voor een script om een CRM-notitie te bouwen (de titel, de samenvatting, de naam van de medewerker, de lengte van het gesprek), of om elke regel van de klant eruit te halen.
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 voor de beoordelaar. De XLSX-export heeft een blad Transcript met één rij per regel en de kolommen #, Start, End, Start (s), End (s), Speaker, Text, Confidence en Corrected. Met summary=true bevat het blad About de samenvatting naast de naam, taal en lengte van het gesprek. Een QA-lead kan filteren op de rijen van de medewerker, een kolom voor scores of opmerkingen toevoegen en per beoordeling één werkmap bewaren.
curl -sSf "$API/v1/transcriptions/$TX/export?format=xlsx&summary=true" -H "$AUTH" -o ticket-48213.xlsx
Support in meer dan één taal werkt op dezelfde manier. Voeg lang=en toe aan een export en het bestand leest in het Engels, één regel per zin, vertaald waar het gesprek in het Spaans of Pools was; een beoordelaar die één taal leest, kan gesprekken in meerdere talen beoordelen. De PDF-export is geschikt voor wie een heel gesprek op papier wil lezen, met sprekers en tijdstempels.
Een transcriptie blijft in het account staan nadat ze is geëxporteerd, dus de gesprekken groeien uit tot een bibliotheek. Tags groeperen ze: maak er een per wachtrij of team met POST /v1/tags en zet die op transcripties met 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 doorzoekt daarna wat er is gezegd in alle gesprekken, beperkt op tag en datum: elk gesprek in de billingwachtrij van deze maand waarin iemand "cancel" zei, elke treffer met zijn gesprek en de seconde waarop het werd gezegd.
curl -sSfG "$API/v1/search" -H "$AUTH" --data-urlencode "q=cancel" \
--data-urlencode "tag=Billing queue" --data-urlencode "createdAfter=2026-11-01"
Alles hierboven werkt ook zonder code. Een bestand dat is geüpload via Transcriptions → New wordt gelabeld, samengevat en geëxporteerd vanaf zijn pagina, sprekers worden opgeslagen onder Speakers, en tags en zoeken staan in de lijst Transcriptions.
Sommige hiaten zijn goed om te kennen voordat je iets instelt.
De bewaartermijn hangt af van het abonnement; de prijspagina toont hoe lang audio en transcripties bij elk worden bewaard. Een transcriptie kan worden gearchiveerd, en een gearchiveerde kan worden gewist met POST /v1/transcriptions/{id}/purge, wat haar en alles erin definitief verwijdert.
Tegen de introductieprijzen kosten opgenomen gesprekken $0.20 per uur audio, per seconde gefactureerd ($0.0033 per minuut), met een minimum van 5 minuten per transcriptie bij Pay as you go (geen bij Premium of Enterprise). De actuele tarieven staan op de prijspagina. Sprekerlabels, het benoemen van sprekers, samenvattingen, vertalingen en exports verhogen de rekening nooit.
Supportgesprekken zijn vaak kort, dus het minimum bepaalt meer van de rekening van een supportteam dan het tarief. Bij Pay as you go:
Bij Premium en Enterprise is er geen minimum, dus elk gesprek wordt op zijn eigen seconden gefactureerd: de voicemail van 40 seconden kost ongeveer een vijfde cent, en de 1.000 gesprekken van drie minuten ongeveer $10. Een team dat vooral korte gesprekken voert, moet de twee vergelijken op zijn eigen gespreksduur.
Tegen de introductieprijzen verstuurt een team dat 2.000 gesprekken per maand opneemt met een gemiddelde van 8 minuten 16.000 minuten audio: ongeveer $53 aan tegoed per maand op Premium, samenvattingen en spreadsheets inbegrepen. Bij Pay as you go komt elk gesprek onder de 5 minuten daar bovenop.
Live transcriptie kost meer ($0.60 per uur tegen de introductieprijzen), omdat ze het gesprek bijhoudt; als niemand de woorden tijdens het gesprek nodig heeft, transcribeer de opname dan achteraf. Een nieuw account begint met eenmalig registratietegoed en er is geen creditcard nodig, dus de stappen hierboven kunnen op een batch van je eigen gesprekken worden uitgeprobeerd voordat er iets wordt gekocht.