Транскрибация звонков: как превратить разговоры в данные

Транскрибация звонков - это автоматический перевод записи разговора в текст, обычно с разметкой, кто из собеседников что говорил. После неё разговор перестаёт быть аудиофайлом и становится данными: по ним можно искать, фильтровать, считать и передавать в другие системы. Это первый и самый важный шаг перед любым анализом содержания звонков.

Пока разговор существует только как звуковой файл, с ним почти ничего нельзя сделать автоматически: нужен человек, время и наушники. Как только появляется текст - открывается поиск по словам, резюме, автозаполнение полей карточки и сквозная аналитика по темам. Именно поэтому транскрибация стала стандартным этапом в работе с телефонией в CRM-системах.

Что такое транскрибация звонков

Слова «транскрибация» и «расшифровка» в контексте звонков означают одно и то же - перевод аудиозаписи разговора в текстовый формат. Оба термина используются в документации и интерфейсах, и оба правильные.

Под этими терминами скрываются три разных понятия, которые легко спутать:

Транскрибация - только первый этап. Она отвечает на вопрос «что было сказано». Всё, что происходит дальше с этим текстом - уже речевая аналитика.

Как звук превращается в текст

Путь от разговора до читаемого текста в карточке CRM состоит из нескольких последовательных шагов. Телефония записывает разговор и сохраняет аудиофайл, после чего он попадает в очередь на распознавание:

flowchart TD
    A[Разговор завершён] --> B[Аудиофайл сохранён]
    B --> C[Очередь на обработку]
    C --> D[Распознавание речи]
    C --> E[Диаризация: кто говорил]
    D --> F[Расстановка пунктуации]
    E --> F
    F --> G[Текст в карточке CRM]

Подробнее о каждом шаге:

1. Запись разговора. Телефония фиксирует звонок и сохраняет файл - в моно или стерео. Стерео (двухканальная запись) разделяет голоса по дорожкам, что упрощает последующую обработку.

2. Очередь на обработку. Файл поступает в сервис распознавания. По данным из официальной справки Битрикс24, время ожидания зависит от длины записи - от 20 секунд до нескольких минут.

3. Распознавание речи. Модель переводит звуковую дорожку в последовательность слов. Классические движки отдают на этом этапе «сырой» текст без знаков препинания, а модели вроде Whisper расставляют пунктуацию сразу.

4. Расстановка пунктуации. Алгоритм добавляет точки, запятые и абзацы, чтобы текст был читаемым.

5. Диаризация. Это параллельная задача, а не следующий шаг: она начинается с разбиения записи на сегменты и определяет, кто и когда говорил. Распознавание речи отвечает на вопрос «какие слова прозвучали», а диаризация - на вопрос «кто и в какой момент это сказал». В итоге реплики размечаются по ролям: например, «Оператор» и «Клиент».

6. Сохранение результата. Текст прикрепляется к записи звонка в карточке CRM - рядом с аудиофайлом.

Откуда берётся запись

Без включённой записи транскрибировать нечего. Это простое правило часто упускают при первичной настройке.

Кто пишет звонки. Запись ведёт телефонная платформа - облачная АТС, SIP-подключение или встроенная телефония CRM. В Битрикс24, например, запись включается отдельно для каждого номера в настройках раздела «Телефония». Записываются входящие и исходящие звонки.

Где хранится файл. Аудиофайл хранится на стороне телефонной платформы или CRM. В Битрикс24 прослушать запись можно прямо в карточке клиента или в детализации звонков.

Почему старые записи могут не распознаться. Функция распознавания, как правило, работает только для звонков, записанных после её включения. Это явно указано в официальной справке Битрикс24: распознавание речи применяется только к новым записям, появившимся после активации расшифровки. Некоторые сторонние приложения дают возможность обработать архив за последние 2 недели - это зависит от конкретного решения.

Мобильные звонки - отдельный вопрос. Возможность их записи и последующей транскрибации зависит от используемой телефонной платформы и её интеграции с CRM.

От чего зависит качество расшифровки

Точность и читаемость готового текста определяют несколько факторов:

• Качество связи и шум. Фоновые звуки, эхо, перегруженный канал - всё это снижает разборчивость. Хорошая гарнитура и тихое рабочее место дают заметно лучший результат.

• Перебивания и наложение реплик. Когда оба собеседника говорят одновременно, модель вынуждена выбирать - и нередко ошибается. Паузы в разговоре помогают.

• Скорость речи. Слишком быстрая речь - частый источник ошибок, особенно при нечёткой артикуляции.

• Отраслевые термины и названия. Специфические слова - названия продуктов, артикулы, медицинские или юридические термины - модель может не знать и воспроизводит их фонетически с ошибками. Часть сервисов позволяет задать пользовательский словарь терминов: это заметно улучшает точность в узких отраслях.

• Несколько языков в одном разговоре. Переключение между языками внутри одного звонка - нестандартная ситуация для большинства моделей.

• Короткие реплики. «Угу», «да-да», «понял» воспроизводятся нестабильно, но на общую читаемость текста влияют мало.

Что реально помогает: раздельные аудиодорожки (стереозапись), пользовательский словарь терминов, нормальные гарнитуры у сотрудников.

Где искать текст разговора

После завершения обработки расшифровка появляется рядом с аудиофайлом в интерфейсе CRM. В Битрикс24 текст доступен двумя способами в зависимости от настроек и используемого решения:

• В детализации звонков. В разделе «Детализация звонков - Запись» появляется иконка, нажав на которую можно прочитать текст. Диалог сохраняется по ролям «Оператор - Клиент».

• В таймлайне карточки CRM. Некоторые приложения из Маркетплейса добавляют кнопку расшифровки прямо в таймлайне лида или сделки; другие прикрепляют текст автоматически после завершения звонка.

Важное следствие: поскольку текст привязан к конкретному лиду, сделке или контакту, он попадает в общий поиск по CRM. Это означает, что разговор можно найти по любому слову из него. Официальная справка Битрикс24 приводит пример: если вы обсуждали с клиентом покупку дивана, но не помните, с кем именно, - введите «диван» в строку поиска, и система найдёт все звонки с этим словом.

Что делать с текстом дальше

Сам по себе текст - это ещё не результат. Его ценность раскрывается в том, что с ним делают дальше. Вот пять сценариев по возрастанию сложности:

1. Читать вместо прослушивания. Самый очевидный сценарий: менеджер или руководитель открывает текст и за несколько секунд восстанавливает детали разговора, не тратя время на прослушивание аудиофайла. По данным из справки Битрикс24, приложения речевой аналитики позиционируют экономию на прослушивании до 80 часов в месяц при активном использовании.

2. Краткое резюме и следующий шаг. ИИ-инструменты, встроенные в CRM, умеют составлять резюме разговора: о чём договорились, какие вопросы остались открытыми, что нужно сделать следующим шагом. В Битрикс24 это делает BitrixGPT, причём он начинает с собственной расшифровки записи: расшифровка, затем резюме, затем заполнение полей. В зоне ru автоматическая обработка звонков доступна по подписке BitrixGPT + Маркетплейс, запись должна быть длиной от 10 секунд до часа и весить не меньше 60 Кб, а у пользователя нужны права на изменение элемента CRM. Подробнее о его возможностях читайте в статье про AI-помощников в Битрикс24.

3. Автозаполнение полей карточки. После разговора ИИ извлекает из текста структурированные данные - имя, адрес, параметры заказа - и предлагает записать их в соответствующие поля. Менеджеру остаётся только подтвердить. В Битрикс24 BitrixGPT умеет заполнять поля типов «строка», «список», «число» и «целое число».

4. Сквозной поиск по всем разговорам. Когда расшифровок накопилось много, встаёт задача поиска по всему архиву: какие клиенты упоминали конкретный продукт, какие возражения встречались чаще всего. Для этого нужны инструменты семантического поиска по расшифровкам - об одном из подходов можно прочитать в материале про RAG-ассистент по звонкам на Вайбкоде.

5. Аналитика по темам, возражениям и причинам отказов. Это уже полноценная речевая аналитика: автоматическая классификация звонков по темам, выявление паттернов в отказах, оценка соответствия скриптам. Этот сценарий подробно разобран в отдельной статье - AI-анализ звонков в Битрикс24.

Встроенные средства или отдельный сервис

Штатных способов получить текст в Битрикс24 два: распознавание в телефонии и обработка звонка через BitrixGPT прямо в CRM. Третий вариант - приложения из Маркетплейса. Сравним по четырём параметрам:

В Маркетплейсе Битрикс24 доступен ряд специализированных решений для транскрибации: WhisperAI (поминутная оплата, поддержка определения спикера без разделения по каналам), «Транскрибатор CRM» (автоприкрепление текста к объекту CRM), приложение на базе Silero (с демо-режимом до 100 минут в месяц бесплатно) и другие. Каждое из них имеет свои особенности по точности, поддерживаемым провайдерам телефонии и способу хранения данных.

Важно: штатное распознавание в Битрикс24 включается сразу для всех звонков на номере - выбрать отдельную запись для обработки нельзя.

Персональные данные и запись разговоров

Перевод разговора в текст поднимает вопросы, которые нельзя игнорировать:

Уведомление собеседника. Запись звонка и тем более её последующая обработка требуют информирования клиента. В Битрикс24 можно включить опцию воспроизведения предупреждения о начале записи - клиент услышит его перед разговором. Убедитесь, что такая практика соответствует законодательству вашей страны и внутренним регламентам.

Ограничение доступа к расшифровкам. Текст разговора - это персональные данные клиента. Доступ к расшифровкам стоит разграничивать так же, как доступ к карточкам CRM: не все сотрудники должны видеть все звонки.

Место хранения текста и аудио. Если текст обрабатывается внешним сервисом, важно понимать, где физически хранятся данные и как долго. Вопросы соответствия 152-ФЗ и контроля над данными подробно разобраны в статье про персональные данные и ИИ в Битрикс24.

С чего начать

Пять практических шагов для тех, кто подходит к теме впервые:

1. Включить запись звонков. Без этого всё остальное бессмысленно. В Битрикс24 запись включается отдельно для каждого номера в настройках телефонии.

2. Выбрать способ распознавания. Штатная расшифровка Битрикс24, одно из приложений Маркетплейса или отдельный сервис речевой аналитики - исходите из объёма звонков, требований к точности и бюджета.

3. Прогнать несколько десятков звонков. Не делайте выводов по двум-трём записям. Нужна выборка, чтобы объективно оценить читаемость текста на реальной лексике вашей команды и клиентов.

4. Честно оценить результат. Понятны ли ключевые слова? Правильно ли распознаются названия ваших продуктов? Есть ли смысл в дополнительной настройке словаря?

5. Решить, что автоматизировать следующим. Транскрибация сама по себе - промежуточный результат. Определите, какой сценарий даст наибольшую пользу: резюме звонков, автозаполнение карточек или аналитика по темам. О том, что можно собрать на базе расшифровок, читайте в разборе звонков на Вайбкоде.

Если хотите разобраться, какой вариант подойдёт для вашего масштаба и телефонии - напишите на sales@acp-24.ru или позвоните +7 495 414-48-49. АС Проект - платиновый партнёр Битрикс24.

Хотите так же? АС Проект - платиновый партнёр Битрикс24: подключаем и настраиваем ИИ-инструменты под процессы компании. Речевая аналитика и разбор звонков - отдельная услуга, обучение команды работе с ИИ - корпоративная программа, нетиповые сценарии собираем приложением на Вайбкоде.

Частые вопросы