Unukuzi hutofautisha sauti, lakini hauwezi kujua ni ipi ya wakala. Mhifadhi kila wakala mara moja, kutoka kwa mojawapo ya simu zake mwenyewe, na kila simu inayofuata inarudi na wakala akiwa ametajwa, muhtasari juu na lahajedwali tayari kwa ukaguzi wa ubora.
Kiongozi wa QA anayekagua simu za msaada kwa kusikiliza anaweza kumaliza chache kwa siku, na simu ya dakika saba huchukua dakika saba hata ubofye haraka kiasi gani. Ikisomwa kama maandishi, simu ile ile ni takriban maneno elfu moja, ukurasa mmoja, na ukurasa unaweza kupitiwa haraka, kutafutwa na kubandikwa kwenye tikiti. Unukuzi wa simu za huduma kwa wateja hugeuza rekodi ambazo mfumo wako wa simu tayari unazihifadhi kuwa kurasa hizo. Mambo matatu huamua kama kurasa hizo zina manufaa: kama kila mstari unasema nani alizungumza, wakala au mteja; kama simu inakuja na muhtasari mfupi wa kilichoombwa na kilichokubaliwa; na kama matokeo yanafika mahali timu inapofanyia kazi, katika dokezo la CRM au lahajedwali ya QA.
Makala haya yanapitia mtiririko huo wa kazi na VocalStack: simu zilizorekodiwa zinazotumwa kupitia API, wakala anayetambuliwa kwa jina, muhtasari ulioandikwa kwa kila simu, na mauzo ya nje kwa JSON na Excel. Pia yanasema wazi kile ambacho VocalStack haifanyi kwa timu ya msaada, kwa sababu baadhi yake ni muhimu kabla ya simu ya kwanza kupakiwa.
Mifumo mingi ya simu na vituo vya mawasiliano inaweza kuhamisha rekodi za simu kama faili za sauti, au kutoa kiungo cha kupakua kwa kila moja. Vyote viwili vinafanya kazi. POST /v1/transcriptions inapokea faili kama upakiaji wa multipart, au mwili wa JSON wenye url ambayo seva huichukua yenyewe. Mafunzo ya faili yanaeleza wito huo kwa kina; kwa simu, mipangilio hii ni muhimu, yote ndani ya settings:
speakerLabels: iweke on, ili kila mstari wa simu ya watu wawili ubebe mzungumzaji. Chaguo-msingi, When Needed (auto), huweka lebo kwenye mistari tu baada ya mzungumzaji wa pili kusikika, jambo linalofaa hotuba kuliko simu.summary na title: vyote vimezimwa usipoviomba. Vikiwashwa, kichwa na muhtasari mfupi huandikwa kwa simu mara baada ya kunukuliwa.spokenLanguage: itaje unapoijua, kama katika foleni inayopokea simu za lugha moja tu. Ukiiacha, lugha hutambuliwa, kutoka 100.Upakiaji hujibu mara moja na kitambulisho cha unukuzi; maneno huja baadaye kidogo. Tuma Idempotency-Key pamoja na kila upakiaji: jaribio la kurudia lenye ufunguo na mwili ule ule ndani ya saa 24 hurudisha unukuzi wa kwanza badala ya kutengeneza, na kutoza, wa pili. Kitambulisho cha simu chenyewe kutoka mfumo wako wa simu ni ufunguo wa asili.
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 ?? ''}`);
Rekodi za usiku mzima zinaweza kupakiwa kwa mzunguko mmoja. Kila mpango huweka ni unukuzi wangapi hufanya kazi kwa wakati mmoja, na faili iliyozidi idadi hiyo haikataliwi: hutengenezwa, hungoja ikiwa queued, na huanza yenyewe mara ya awali inapoisha. Kikomo unachoweza kufikia ni idadi ya unukuzi ambao akaunti inaweza kuanzisha kupitia API kwa saa; takwimu za kila mpango ziko kwenye ukurasa wa bei. Hakuna webhooks, kwa hiyo hati yako huuliza kila kazi hadi iishe, jambo ambalo waitForJob hukufanyia.
Lebo za wazungumzaji hutoka kwenye diarization: rekodi hugawanywa kuwa zamu za kuzungumza, na zamu hizo hupangwa kwa sauti. Kinachorudi ni "Speaker 1" na "Speaker 2". Mfumo unaweza kutofautisha sauti mbili, lakini hakuna kitu katika sauti kinachosema ni ipi imeajiriwa na wewe. Utambuzi wa wazungumzaji dhidi ya utambuzi wa usemi unaeleza utaratibu; kwa simu za msaada, jibu la vitendo ni kumhifadhi kila wakala mara moja.
Mzungumzaji aliyehifadhiwa ni alama ya sauti yenye jina. Ikishakuwepo, kila unukuzi mpya katika akaunti hulinganisha sauti inazosikia na wazungumzaji wako waliohifadhiwa, na ulinganifu hubeba jina hadi kwenye nakala. Faili hulinganishwa kiotomatiki, kwa hiyo mistari ya wakala hufika kama "Dana" badala ya "Speaker 1". Mteja hubaki akiwa na nambari hadi umtaje.
Chukua alama hiyo kutoka kwa simu ya wakala mwenyewe badala ya rekodi iliyofanywa mezani. Sauti kwenye vifaa vya kichwani katika chumba tulivu na sauti ile ile kwenye laini ya simu zinaweza kusikika zikifanana kidogo kwa mashine kuliko watu wawili tofauti waliorekodiwa kwa njia ile ile, na alama hulingana vizuri zaidi na sauti inayofanana na ile ilikotoka. POST /v1/speakers/from-appearance humhifadhi mzungumzaji moja kwa moja kutoka kwa unukuzi, ikitumia sehemu za mzungumzaji huyo mwenyewe za simu kama sampuli. appearance ni faharasa ya speaker ambayo mistari yake hubeba.
await vs.speakers.createFromAppearance({ transcriptionId: tx.id, appearance: 0, name: 'Dana (Billing)' });
Mzungumzaji anapohifadhiwa kwa njia hii, ni alama yake tu ya sauti ndiyo hubaki, kutoka kwa angalau sekunde 5 za usemi wake; simu ambamo wakala anazungumza kwa dakika moja au zaidi hutoa alama thabiti zaidi. Kunakili sauti ni hatua tofauti inayohitaji ridhaa ya mtu, na mtiririko wa kazi wa msaada hauna matumizi nayo.
Kuanzia hapo, nakala ya simu iliyokamilika inakuambia nani alitambuliwa. GET /v1/transcriptions/{id}/transcript huorodhesha speakers, na mzungumzaji aliyelinganishwa na aliyehifadhiwa ana identified: true na jina lililohifadhiwa. Waliobaki wanaweza kutajwa kwa wito mmoja kila mmoja, PUT /v1/transcriptions/{id}/appearances/{number}, ambapo number ni nambari ya kuonyeshwa ya mzungumzaji. Kutaja huhifadhiwa kwenye unukuzi, kwa hiyo kila mauzo ya nje baada yake husema "Customer" badala ya nambari.
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');
}
Chukulia "kila asiyetambuliwa ni mteja" kama kanuni ya jumla na ikague kwenye simu zako mwenyewe. Uhamishaji huleta wakala wa pili, ujumbe wa menyu uliorekodiwa unaweza kusikika kama sauti yake mwenyewe, na wakala ambaye hajahifadhiwa bado anaonekana sawa kabisa na mteja. Pia zingatia jinsi ulinganisho ulivyowekewa mpaka: kila unukuzi hulinganishwa na wazungumzaji 64 waliohifadhiwa waliosasishwa hivi karibuni zaidi katika akaunti, kwa hiyo timu kubwa kuliko hiyo isitegemee kila wakala atambuliwe kwenye kila simu.
Sifa mbili za sauti ya simu zinafaa kujulikana kabla ya kuhukumu lebo. Rekodi ya njia mbili, wakala upande wa kushoto na mteja kulia, huunganishwa kuwa njia moja inaponukuliwa, kwa hiyo wazungumzaji hutenganishwa kwa sauti zao, si kwa njia. Na laini ya simu ya masafa finyu haibebi chochote juu ya takriban 3.4 kHz, jambo linaloondoa sehemu ya kile kinachofanya sauti mbili zitofautiane; zamu fupi zinazopishana ("yes", "mm-hm", "sorry, go on") ndipo lebo hukosea mara nyingi zaidi.
Ikiwa summary na title zimewashwa, kila simu hupata kichwa na sentensi chache kuhusu ilivyokuwa, mara nakala inapokuwa ya mwisho. Hicho ndicho kinachoingia kwenye tikiti, ili wakala anayefuata ajue historia bila kufungua chochote. Muhtasari huandikwa baada ya nakala, kwa hiyo usome kwa GET /v1/transcriptions/{id}/summary na ungoje wakati state yake ni 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);
}
Wakati state ni ready, title na summary hushikilia maandishi. Rekodi fupi kuliko dakika moja haipati muhtasari kamwe (not_requested), jambo linalohusu ujumbe wa sauti: mingi ni mifupi kiasi kwamba nakala yenyewe ni muhtasari wake. Simu iliyofanywa bila summary inaweza kupewa baadaye kwa POST /v1/transcriptions/{id}/summarize. Muhtasari umejumuishwa katika kila mpango bila gharama ya ziada.
GET /v1/transcriptions/{id}/export hurudisha faili katika mojawapo ya miundo saba: json, xlsx, pdf, srt, vtt, txt au md. Kila mauzo ya nje yanajumuisha masahihisho na majina ya wazungumzaji uliyotoa. Kwa timu ya msaada, mawili kati yake hufanya kazi nyingi.
JSON kwa msimbo wako mwenyewe. Mauzo ya JSON yana name, language, durationS ya simu na, kwa summary=true, summary yake, kisha segments: ingizo moja kwa kila mstari, lenye start na end kwa sekunde, speaker, speakerName, text, confidence, kama mstari ulikuwa corrected, na words zenye nyakati zake. Hiyo inatosha hati kujenga dokezo la CRM (kichwa, muhtasari, jina la wakala, urefu wa simu), au kuchukua kila mstari ambao mteja aliusema.
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 kwa mkaguzi. Mauzo ya XLSX yana karatasi ya Transcript yenye safu moja kwa kila mstari na safuwima #, Start, End, Start (s), End (s), Speaker, Text, Confidence na Corrected. Kwa summary=true, karatasi ya About hubeba muhtasari kando ya jina, lugha na urefu wa simu. Kiongozi wa QA anaweza kuchuja safu za wakala, kuongeza safuwima ya alama au maoni, na kuweka kitabu kimoja cha kazi kwa kila ukaguzi.
curl -sSf "$API/v1/transcriptions/$TX/export?format=xlsx&summary=true" -H "$AUTH" -o ticket-48213.xlsx
Msaada kwa lugha zaidi ya moja hufanya kazi vivyo hivyo. Ongeza lang=en kwenye mauzo ya nje na faili husomeka kwa Kiingereza, mstari mmoja kwa kila sentensi, ikitafsiriwa pale simu ilipokuwa kwa Kihispania au Kipolandi; mkaguzi anayesoma lugha moja anaweza kutoa alama kwa simu zilizopokelewa kwa kadhaa. Mauzo ya PDF yanamfaa anayetaka kusoma simu nzima kwenye karatasi, pamoja na wazungumzaji na alama za muda.
Unukuzi hubaki kwenye akaunti baada ya kuuzwa nje, kwa hiyo simu hujenga maktaba. Vitambulisho (tags) huzipanga kwa makundi: tengeneza kimoja kwa kila foleni au timu kwa POST /v1/tags, kisha kiweke kwenye unukuzi kwa 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 kisha hutafuta kilichosemwa katika kila simu, ikipunguzwa kwa kitambulisho na tarehe: kila simu ya foleni ya malipo mwezi huu ambapo mtu alisema "cancel", kila matokeo yakiwa na simu yake na sekunde iliyosemwa.
curl -sSfG "$API/v1/search" -H "$AUTH" --data-urlencode "q=cancel" \
--data-urlencode "tag=Billing queue" --data-urlencode "createdAfter=2026-11-01"
Yote yaliyo juu pia yanafanya kazi bila msimbo. Faili iliyopakiwa kwenye Transcriptions → New huwekwa lebo, hufupishwa na kuuzwa nje kutoka ukurasa wake, wazungumzaji huhifadhiwa chini ya Speakers, na vitambulisho na utafutaji viko kwenye orodha ya Transcriptions.
Mapengo mengine yanafaa kujulikana kabla ya kusanidi chochote.
Uhifadhi unategemea mpango; ukurasa wa bei unaonyesha ni muda gani sauti na unukuzi huhifadhiwa katika kila mmoja. Unukuzi unaweza kuhifadhiwa kwenye kumbukumbu, na uliohifadhiwa unaweza kufutwa kabisa kwa POST /v1/transcriptions/{id}/purge, ambayo huufuta pamoja na kila kitu ndani yake milele.
Kwa bei za uzinduzi, simu zilizorekodiwa ni $0.20 kwa saa ya sauti, zikitozwa kwa sekunde ($0.0033 kwa dakika), na kiwango cha chini cha dakika 5 kwa kila unukuzi kwenye Lipa Unapotumia (hakuna kwenye Premium wala Enterprise). Viwango vya sasa viko kwenye ukurasa wa bei. Lebo za wazungumzaji, kutaja wazungumzaji, muhtasari, tafsiri na mauzo ya nje havipandishi bili kamwe.
Simu za msaada mara nyingi ni fupi, kwa hiyo kiwango cha chini huamua zaidi bili ya timu ya msaada kuliko kiwango chenyewe. Kwenye Lipa Unapotumia:
Kwenye Premium na Enterprise hakuna kiwango cha chini, kwa hiyo kila simu hutozwa kwa sekunde zake mwenyewe: ujumbe wa sauti wa sekunde 40 hugharimu karibu moja ya tano ya senti, na simu 1,000 za dakika tatu karibu $10. Timu inayopokea zaidi simu fupi inapaswa kulinganisha hizo mbili kwa urefu wa simu zake yenyewe.
Kwa bei za uzinduzi, timu inayorekodi simu 2,000 kwa mwezi zenye wastani wa dakika 8 hutuma dakika 16,000 za sauti: karibu $53 za salio kwa mwezi kwenye Premium, muhtasari na lahajedwali vikiwa vimejumuishwa. Kwenye Lipa Unapotumia, kila simu iliyo chini ya dakika 5 huongeza kiasi hicho.
Unukuzi mubashara hugharimu zaidi ($0.60 kwa saa kwa bei za uzinduzi), kwa sababu unaenda sambamba na simu; ikiwa hakuna anayehitaji maneno wakati wa simu, nukuu rekodi baadaye. Akaunti mpya huanza na salio la kujisajili la mara moja na bila kadi, kwa hiyo hatua zilizo juu zinaweza kujaribiwa kwenye kundi la simu zako mwenyewe kabla ya kununua chochote.