A transcrição de chamadas consiste em converter uma chamada telefónica ou de vídeo em texto escrito, para manter um registo pesquisável da conversa. De acordo com o blog da ElevenLabs, este processo é maioritariamente automatizado através de um modelo de IA de reconhecimento de voz, chamado speech to text, que substitui a tomada de notas manual.
- A transcrição converte chamadas em texto pesquisável através de um modelo de reconhecimento de voz automático.
- As empresas usam-na para arquivo interno, controlo de qualidade e comprovação de conformidade.
- A transcrição diferida é mais precisa e menos dispendiosa, enquanto a transcrição em tempo real disponibiliza notas logo após a chamada.
- A legalidade depende das leis locais, pelo que convém informar todos os participantes logo no início da chamada.
O funcionamento decorre em várias etapas. O sistema captura primeiro o áudio, seja gravando-o para uma transcrição diferida, seja transmitindo-o em fluxo contínuo para uma transcrição em tempo real. O modelo transforma depois a conversa em texto e formata o resultado com carimbos de data/hora e etiquetas de interlocutores, para indicar quem falou e em que momento. Algumas transcrições podem também incluir marcadores para sons não verbais. Por fim, o texto é entregue ao utilizador, que pode editá-lo e guardá-lo. Alguns modelos integram-se com CRMs, esses softwares de gestão da relação com o cliente, e classificam diretamente as transcrições na ficha do cliente em questão.
Por que razão as empresas recorrem a ela
As organizações utilizam a transcrição para vários fins. Os textos são frequentemente arquivados numa base de dados interna, onde os membros de uma equipa podem pesquisar uma informação específica sem reler cada troca de mensagens na íntegra. As equipas comerciais e de serviço ao cliente também a utilizam para o controlo de qualidade: os gestores podem reler as conversas para verificar se as expectativas são cumpridas e identificar pontos de melhoria.
A transcrição serve igualmente como justificativo para empresas sujeitas a normas rigorosas, como a HIPAA, o GDPR ou os regulamentos da SEC. Estes documentos podem ajudar a demonstrar o cumprimento das obrigações durante as interações com clientes e parceiros, nomeadamente em caso de auditoria.
Transcrição diferida ou em tempo real
Coexistem duas abordagens. A transcrição diferida, aplicada a uma gravação terminada, é descrita pelo artigo como a solução menos dispendiosa e mais precisa, o que a torna adequada para reuniões de alto impacto ou para a documentação de conformidade. A transcrição em tempo real, que assenta num modelo de fluxo contínuo, fornece notas disponíveis logo no final da chamada. Pode também ajudar um interlocutor não nativo ou com dificuldades auditivas a acompanhar a discussão durante a conversa.
A ElevenLabs anuncia para o seu modelo Scribe v2 Realtime uma transcrição em mais de 90 idiomas, com uma latência de cerca de 150 ms. A empresa especifica que se trata apenas do tempo de inferência do modelo, sendo que o atraso de ponta a ponta varia consoante fatores como a localização do utilizador ou o tipo de ponto de acesso utilizado.
Consentimento e legalidade
A legalidade da transcrição depende das leis aplicáveis no local da chamada. Alguns países ou estados exigem o consentimento apenas de uma das partes, enquanto outros impõem o de todos os participantes. Quando uma chamada decorre entre várias jurisdições, o artigo recomenda aplicar a regra mais restritiva. A prática mais simples consiste em informar todos os participantes logo no início da chamada, sendo que a continuação da conversa é geralmente considerada um consentimento implícito.
Manter uma transcrição é geralmente legal desde que a gravação o fosse. Textos como o GDPR ou o CCPA podem, contudo, limitar o período de retenção de dados sensíveis. O artigo esclarece que não constitui um aconselhamento jurídico e sugere consultar um advogado especializado em proteção de dados para definir uma estratégia adequada.
