Транскрипция звонков — это преобразование телефонного или видеозвонка в письменный текст для сохранения доступного для поиска следа разговора. Как отмечается в блоге ElevenLabs, этот процесс чаще всего автоматизирован с помощью модели ИИ для распознавания речи, так называемой speech-to-text, которая заменяет ручное ведение записей.
Работа происходит в несколько этапов. Сначала система захватывает аудио, либо записывая его для отложенной транскрипции, либо передавая в потоковом режиме для транскрипции в реальном времени. Затем модель преобразует разговор в текст и форматирует результат, добавляя временные метки и метки говорящих, чтобы указать, кто говорил и когда. Некоторые транскрипции также могут содержать теги для невербальных звуков. Наконец, текст доставляется пользователю, который может его редактировать и сохранять. Некоторые модели интегрируются с CRM, системами управления взаимоотношениями с клиентами, и напрямую помещают транскрипции в карточку соответствующего клиента.
Зачем бизнес прибегает к транскрипции
Организации используют транскрипцию для различных целей. Тексты часто заносятся во внутреннюю базу данных, где члены команды могут найти конкретную информацию, не перечитывая каждый диалог целиком. Команды продаж и обслуживания клиентов также используют её для контроля качества: менеджеры могут перечитывать разговоры, чтобы убедиться в соблюдении стандартов и выявить возможности для улучшения.
Транскрипция также служит доказательством для компаний, подпадающих под строгие нормы, такие как HIPAA, GDPR или правила SEC. Эти документы могут помочь продемонстрировать соблюдение обязательств во время взаимодействия с клиентами и партнерами, особенно в случае аудита.
Отложенная или транскрипция в реальном времени
Существуют два подхода. Отложенная транскрипция, применяемая к завершённой записи, описывается в статье как наименее затратное и наиболее точное решение, что делает её подходящей для важных встреч или документации по соответствию требованиям. Транскрипция в реальном времени, основанная на потоковой модели, предоставляет заметки сразу по окончании звонка. Она также может помочь собеседнику, не являющемуся носителем языка или слабослышащему, следить за обсуждением во время разговора.
ElevenLabs заявляет, что её модель Scribe v2 Realtime выполняет транскрипцию более чем на 90 языках с задержкой около 150 мс. Компания уточняет, что это только время вывода модели, а общая задержка варьируется в зависимости от таких факторов, как местоположение пользователя или тип используемой точки доступа.
Согласие и законность
Законность транскрипции зависит от применимого законодательства в месте совершения звонка. В некоторых странах или штатах требуется согласие только одной стороны, в то время как в других — согласие всех участников. Когда звонок происходит между несколькими юрисдикциями, статья рекомендует применять самое строгое правило. Самый простой подход — уведомить всех участников в начале звонка, поскольку продолжение разговора обычно считается подразумеваемым согласием.
Хранение транскрипции, как правило, законно, если сама запись была законной. Однако такие документы, как GDPR или CCPA, могут ограничивать срок хранения конфиденциальных данных. В статье уточняется, что она не является юридической консультацией, и предлагается проконсультироваться с юристом, специализирующимся на защите конфиденциальности, для определения подходящей стратегии.
