Транскрибация и речевая аналитика

Блок «Расшифровка и разметка». Диалог переводится в текст с разделением по говорящим, дальше разбирается «по 50+ параметрам»: темы обращений, жалобы, негатив, AHT, пробелы в знаниях операторов. Про качество распознавания 3iTech пишет: «Точность транскрибации звонков достигает 95–96 % благодаря использованию передовых моделей, обученных на реальных телефонных разговорах», и добавляет, что «при необходимости мы дообучаем языковую модель под вашу отраслевую лексику, бренды и специфические термины».

Блок «Подробнее о текстовой расшифровке». Calltouch описывает его так: «Транскрибация преобразует речь в текст, который будет выглядеть как диалоговое окно – словно переписка из мессенджеров». Диалог раскладывается по «Менеджеру» и «Звонящему», поиск по ключевому слову находит его «во всех его склонениях, спряжении, формах… падежах и частях речи». Подключается вместе с «Предиктом».

Хранятся и полные расшифровки, и короткие выжимки — чтобы руководителю не читать диалог целиком. Заявлено 60 языков, причём диалог может вестись сразу на нескольких, а расшифровка сводится к одному выбранному.

Собственная транскрибация Naumen. Разработчик отдельно оговаривает требования к железу: «Технологии транскрибации звонков (ASR) и автоматической оценки с помощью семантических ML-моделей не требуют GPU, работают на CPU».

Сервис распознаёт устную речь и преобразует её в текст. Заявлен анализ 100% диалогов без предвзятости.

Два режима расшифровки — отложенный (до 24 часов) и «режим реального времени», который разработчик в сноске сам расшифровывает: «Расшифровка будет доступна в течение нескольких часов». Заявлена диаризация — разделение реплик менеджера и клиента. О точности в FAQ без цифр: «Система справляется даже с быстрой речью, разными акцентами и фоновым шумом».

Поисковый словарь с логическими операторами «или», «и», «не» и ограничением области поиска; выборки по параметрам речевой активности (одновременная речь, тишина, перебивания, переводы и удержания); сравнение двух наборов фонограмм для поиска разницы между лучшими и худшими практиками; выявление новых и нехарактерных тем. Для анализа коммуникаций используется нейросетевая модель GigaChat. Устанавливается отдельным модулем.

Распознавание речи, адаптируемое под тематику или отрасль. Значит, на старте потребуется работа по словарям и темам, а не только подключение.

WordPulse интегрируется с чат-ботами и Audiogram — распознаванием речи того же разработчика, чтобы разбирать и диалоги роботов с клиентами.

Расшифровка разговора, тегирование, определение успешных звонков и определение менеджеров в звонках — блок, который Calltouch перечисляет сразу за записью звонка.

Границу между продуктами Calltouch проводит сам: «Если коллтрекинг показывает источник звонка, его дату, время и другие параметры, то Predict расскажет, каким он был». Своей тарифной сетки у Предикта нет: в таблице он стоит двумя строками — «Предикт: автотегирование» и «Предикт: текст разговора», на младших ступенях тарифицируются поминутно, на старшей включены.

Распознавание разговоров и ИИ-анализ по темам. Тарифицируется двумя строками — абонентская плата плюс поминутное распознавание, причём после 10 000 минут в месяц минута становится дороже, а не дешевле.

Распознавание речи (speech-to-text). В таблице тарифов «Транскрибация» и «Голосовое тегирование звонка» — две отдельные строки: на «Базовом» у обеих крестик, на «Только то, что нужно» каждая продаётся отдельной подпиской, во «Всё включено» отмечены как включённые.

Отдельный продукт со своими условиями — в тариф виртуальной АТС не входит.

Распознавание речи и транскрибация с выбором провайдера — Yandex, Т-Банк, SaluteSpeech, Google, Microsoft, Amazon, Deepgram. Синтез речи — тот же набор плюс собственный движок. Многих провайдеров можно подключать по своему API-ключу.

Голосовые технологии, которые «помогают решить любую задачу, связанную с речью человека»: распознавание речи в реальном времени и из записанных аудиофайлов, синтез речи. Работает через API gRPC и REST.