Prepis loči glasove, a ne more vedeti, kateri je agentov. Vsakega agenta shranite enkrat, iz enega njegovega klica, in vsak naslednji klic se vrne z imenovanim agentom, povzetkom na vrhu in preglednico, pripravljeno za kontrolo kakovosti.
Vodja kontrole kakovosti, ki klice podpore pregleduje s poslušanjem, jih zmore le peščico na dan, sedemminutni klic pa traja sedem minut, ne glede na to, kako hitro klikate. Prebran kot besedilo ima isti klic približno tisoč besed, eno stran, stran pa lahko preletite, preiščete in prilepite v zahtevek. Prepis klicev službe za stranke posnetke, ki jih vaš telefonski sistem že hrani, spremeni v takšne strani. Tri stvari odločajo, ali so strani sploh uporabne: ali vsaka vrstica pove, kdo je govoril, agent ali stranka; ali klic pride s kratkim povzetkom tega, kar je bilo vprašano in dogovorjeno; in ali rezultat pristane tam, kjer ekipa dela, v opombi v CRM ali v preglednici za kontrolo kakovosti.
Ta članek preide ta potek dela z VocalStackom: posneti klici, poslani prek API-ja, agent, prepoznan po imenu, povzetek, napisan za vsak klic, in izvozi v JSON in Excel. Odkrito pove tudi, česa VocalStack za podporne ekipe ne počne, saj nekaj od tega šteje, še preden naložite prvi klic.
Večina telefonskih sistemov in kontaktnih centrov zna izvoziti posnetke klicev kot zvočne datoteke ali pa vsakemu dati povezavo za prenos. Obe možnosti delujeta. POST /v1/transcriptions sprejme datoteko kot večdelno nalaganje ali telo JSON z url, ki ga strežnik prenese sam. Vodnik za datoteke klic podrobno opisuje; pri klicih so pomembne te nastavitve, vse znotraj settings:
speakerLabels: nastavite na on, da ima vsaka vrstica dvostranskega klica govorca. Privzeta vrednost, When Needed (auto), vrstice označi šele, ko je slišan drugi govorec, kar bolj ustreza predavanju kot klicu.summary in title: oba sta izklopljena, razen če ju zahtevate. Ko sta vklopljena, se za klic po prepisu napišeta naslov in kratek povzetek.spokenLanguage: navedite ga, kadar ga poznate, kot v čakalni vrsti, ki sprejema klice samo v enem jeziku. Če ga izpustite, se jezik zazna med 100.Nalaganje takoj odgovori z id-jem prepisa; besede pridejo malo pozneje. S vsakim nalaganjem pošljite Idempotency-Key: ponovni poskus z istim ključem in telesom v 24 urah vrne prvi prepis, namesto da bi ustvaril, in zaračunal, drugega. Id klica iz vašega telefonskega sistema je naraven ključ.
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 ?? ''}`);
Posnetke ene noči lahko naložite v eni zanki. Vsak paket določa, koliko prepisov teče hkrati, datoteka nad tem številom pa ni zavrnjena: ustvari se, čaka v stanju queued in se sama zažene, ko se prejšnja konča. Meja, ki jo lahko dosežete, je število prepisov, ki jih lahko račun zažene prek API-ja v eni uri; številke za vsak paket so na strani s cenami. Webhookov ni, zato vaša skripta za vsako opravilo sprašuje, dokler ni končano, kar namesto vas stori waitForJob.
Oznake govorcev izhajajo iz diarizacije: posnetek se razdeli na replike, replike pa se združijo po glasu. Vrne se »Speaker 1« in »Speaker 2«. Sistem zna ločiti dva glasova, a nič v zvoku ne pove, kateri je vaš zaposleni. Diarizacija proti razpoznavanju govora razloži mehaniko; pri klicih podpore je praktičen odgovor, da vsakega agenta shranite enkrat.
Shranjeni govorec je glasovni prstni odtis z imenom. Ko obstaja, vsak nov prepis v računu primerja glasove, ki jih sliši, z vašimi shranjenimi govorci, ujemanje pa prenese ime v prepis. Datoteke se ujemajo samodejno, zato agentove vrstice prispejo kot »Dana« namesto »Speaker 1«. Stranka ostane oštevilčena, dokler je ne poimenujete.
Prstni odtis vzemite iz enega od agentovih lastnih klicev, ne iz posnetka, narejenega za mizo. Glas na slušalkah v tihi sobi in isti glas na telefonski liniji lahko stroju zvenita manj podobno kot dva različna človeka, posneta na enak način, prstni odtis pa se najbolje ujema z zvokom, podobnim tistemu, iz katerega izvira. POST /v1/speakers/from-appearance shrani govorca neposredno iz prepisa, pri čemer kot vzorec uporabi njegove lastne odseke klica. appearance je indeks speaker, ki ga nosijo njegove vrstice.
await vs.speakers.createFromAppearance({ transcriptionId: tx.id, appearance: 0, name: 'Dana (Billing)' });
Shranjevanje govorca na ta način ohrani samo njegov prstni odtis, iz vsaj 5 sekund njegovega govora; klic, v katerem agent govori minuto ali več, da stabilnejšega. Kloniranje glasu je ločen korak, ki zahteva soglasje osebe, delovni potek podpore pa zanj nima uporabe.
Od tam naprej vam prepis končanega klica pove, kdo je bil prepoznan. GET /v1/transcriptions/{id}/transcript našteje speakers, govorec, ujet s shranjenim, pa ima identified: true in shranjeno ime. Preostale lahko poimenujete z enim klicem na osebo, PUT /v1/transcriptions/{id}/appearances/{number}, kjer je number prikazana številka govorca. Poimenovanje se shrani pri prepisu, zato vsak poznejši izvoz namesto številke pove »Customer«.
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');
}
»Vsak neprepoznani je stranka« imejte za približno pravilo in ga preverite na lastnih klicih. Preusmeritev prinese drugega agenta, posnet poziv menija se lahko sliši kot poseben glas, agent, ki še ni shranjen, pa je videti povsem enako kot stranka. Upoštevajte tudi, kako je primerjava omejena: vsak prepis se primerja s 64 shranjenimi govorci, ki so bili v računu nazadnje posodobljeni, zato se večja ekipa ne bi smela zanašati, da bo vsak agent prepoznan v vsakem klicu.
Dve lastnosti telefonskega zvoka je dobro poznati, preden presojate oznake. Dvokanalni posnetek, z agentom na levi in stranko na desni, se ob prepisu zmeša v en kanal, zato se govorci ločijo po glasovih, ne po kanalu. In ozkopasovna telefonska linija ne prenese ničesar nad okoli 3,4 kHz, kar odstrani del tistega, po čemer se dva glasova razlikujeta; kratke, prekrivajoče se replike (»yes«, »mm-hm«, »sorry, go on«) so mesto, kjer se oznake najpogosteje zmotijo.
Z vklopljenima summary in title vsak klic dobi naslov in nekaj stavkov o tem, o čem je tekel, ko je prepis dokončen. To gre v zahtevek, da naslednji agent pozna zgodovino, ne da bi karkoli odprl. Povzetek se napiše po prepisu, zato ga preberite z GET /v1/transcriptions/{id}/summary in čakajte, dokler je njegov state 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);
}
Ko je state ready, title in summary vsebujeta besedilo. Posnetek, krajši od ene minute, nikoli ne dobi povzetka (not_requested), kar je pomembno pri glasovnih sporočilih: večina je dovolj kratkih, da je prepis sam svoj povzetek. Klic, narejen brez summary, lahko povzetek dobi pozneje s POST /v1/transcriptions/{id}/summarize. Povzetki so v vseh paketih vključeni brez dodatnih stroškov.
GET /v1/transcriptions/{id}/export vrne datoteko v enem od sedmih formatov: json, xlsx, pdf, srt, vtt, txt ali md. Vsak izvoz vključuje popravke in imena govorcev, ki ste jih dali. Za podporno ekipo večino dela opravita dva od njih.
JSON za vašo kodo. Izvoz JSON ima name, language, durationS klica in, z summary=true, njegov summary, nato segments: en vnos na vrstico, s start in end v sekundah, speaker, speakerName, text, confidence, podatkom, ali je bila vrstica corrected, in words z lastnimi časi. To zadošča skripti, da sestavi opombo za CRM (naslov, povzetek, agentovo ime, dolžino klica) ali izlušči vsako vrstico, ki jo je rekla stranka.
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 za pregledovalca. Izvoz XLSX ima list Transcript z eno vrstico na vrstico prepisa in stolpci #, Start, End, Start (s), End (s), Speaker, Text, Confidence in Corrected. Z summary=true list About nosi povzetek ob imenu, jeziku in dolžini klica. Vodja kontrole kakovosti lahko filtrira agentove vrstice, doda stolpec za ocene ali komentarje in hrani en delovni zvezek na pregled.
curl -sSf "$API/v1/transcriptions/$TX/export?format=xlsx&summary=true" -H "$AUTH" -o ticket-48213.xlsx
Podpora v več jezikih deluje enako. Izvozu dodajte lang=en in datoteka se bere v angleščini, ena vrstica na stavek, prevedena, kjer je bil klic v španščini ali poljščini; pregledovalec, ki bere en jezik, lahko ocenjuje klice, sprejete v več jezikih. Izvoz PDF ustreza tistemu, ki želi cel klic prebrati na papirju, z govorci in časovnimi žigi.
Prepis po izvozu ostane v računu, zato klici sčasoma tvorijo knjižnico. Združujejo jih oznake: ustvarite eno za vsako vrsto ali ekipo s POST /v1/tags in jo nato dodajte prepisom s 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 nato išče, kar je bilo rečeno v vseh klicih, zožano po oznaki in datumu: vsak klic iz vrste za obračun v tem mesecu, v katerem je kdo rekel »cancel«, vsak zadetek s klicem in sekundo, ko je bilo rečeno.
curl -sSfG "$API/v1/search" -H "$AUTH" --data-urlencode "q=cancel" \
--data-urlencode "tag=Billing queue" --data-urlencode "createdAfter=2026-11-01"
Vse zgoraj deluje tudi brez kode. Datoteka, naložena prek Transcriptions → New, se označi, povzame in izvozi z njene strani, govorci se shranjujejo v Speakers, oznake in iskanje pa so na seznamu Transcriptions.
Nekatere vrzeli je dobro poznati, preden karkoli nastavite.
Hramba je odvisna od paketa; stran s cenami pokaže, kako dolgo se pri vsakem hranita zvok in prepisi. Prepis je mogoče arhivirati, arhiviranega pa izbrisati s POST /v1/transcriptions/{id}/purge, kar ga skupaj z vsem v njem izbriše za vedno.
Po cenah ob zagonu so posneti klici $0.20 na uro zvoka, zaračunani na sekundo ($0.0033 na minuto), s 5-minutnim minimumom na prepis pri Pay as you go (pri Premium in Enterprise ga ni). Trenutne cene so na strani s cenami. Oznake govorcev, poimenovanje govorcev, povzetki, prevodi in izvozi računa nikoli ne povečajo.
Klici podpore so pogosto kratki, zato minimum pri računu podporne ekipe odloča več kot cena. Pri Pay as you go:
Pri Premium in Enterprise minimuma ni, zato se vsak klic zaračuna po svojih sekundah: 40-sekundno glasovno sporočilo stane približno petino centa, 1.000 triminutnih klicev pa približno $10. Ekipa, ki sprejema večinoma kratke klice, naj oba paketa primerja na lastnih dolžinah klicev.
Po cenah ob zagonu ekipa, ki posname 2.000 klicev na mesec s povprečjem 8 minut, pošlje 16.000 minut zvoka: približno $53 dobroimetja na mesec pri Premium, vključno s povzetki in preglednicami. Pri Pay as you go k temu prispeva vsak klic, krajši od 5 minut.
Prepis v živo stane več ($0.60 na uro po cenah ob zagonu), ker drži korak s klicem; če nihče ne potrebuje besed med klicem, posnetek prepišite pozneje. Nov račun se začne z enkratnim dobroimetjem ob registraciji in kartica ni potrebna, zato lahko zgornje korake preizkusite na seriji lastnih klicev, preden karkoli kupite.