Речевая аналитика

Что такое диаризация: как запись звонка делится на голоса

Диаризация отвечает на вопрос «кто и когда говорил» в записи. Она не называет имён, но без неё нельзя разобрать разговор по ролям и определить сотрудника.

✓ Демо на ваших данных до оплаты ✓ Точность замеряем на ваших записях ✓ Данные хранятся на серверах в России

Диаризация (от английского diarization) делит запись разговора на отрезки и помечает, какому говорящему принадлежит каждый. На выходе не текст и не имена, а разметка: с 0:00 до 0:07 говорил первый голос, с 0:07 до 0:15 второй, с 0:15 до 0:19 снова первый.

Такая разметка нужна везде, где важно отличать клиента от сотрудника: при расшифровке звонков, оценке работы администратора, расчёте времени ответа и определении, какой именно сотрудник вёл разговор.

Диаризация в одном абзаце

Представьте запись разговора, в которой слышны два голоса. Программа находит участки с речью, нарезает их на короткие сегменты, для каждого считает слепок голоса (набор чисел, описывающий тембр и манеру), а затем собирает сегменты в группы: «похожие друг на друга» отнесены к одному говорящему. Имён у групп нет, только ярлыки «говорящий 1» и «говорящий 2». Чтобы подписать их ролями («сотрудник», «клиент»), нужны дополнительные сведения: направление звонка, первая реплика, сравнение с эталоном.

Из каких шагов состоит диаризация

1

Поиск речи

Отделяем участки с голосом от пауз, музыки ожидания и шума. Это снижает путаницу на следующих шагах.

2

Нарезка на сегменты

Делим речь на короткие отрезки, обычно в пределах нескольких секунд, чтобы внутри отрезка говорил один человек.

3

Слепок голоса

Для каждого сегмента модель считает компактное числовое описание голоса.

4

Группировка

Сегменты с близкими слепками объединяются в говорящих. Число говорящих задаётся заранее (для телефонного звонка обычно два) или определяется автоматически.

5

Сборка разметки

Соседние сегменты одного говорящего склеиваются в реплики, получается таймлайн разговора.

Стерео и моно: почему это меняет задачу

ЗаписьКак устроенаКак делится на голоса
Стерео, два каналаСотрудник в одном канале, клиент в другомРазметка почти готова: каждый канал берём отдельно, остаётся разобраться с перекрытием
Моно, один каналОба голоса в одной дорожкеНужна полноценная диаризация по голосам
Телефонное качество 8 кГцУзкая полоса частотСлепки менее различимы, коротким репликам достаётся меньше надёжности

Что мешает диаризации

Получите план в течение 24 часов, как усилить ваш бизнес с помощью ИИ

→Разбираем воронку и точки, где теряются обращения
→Считаем эффект в цифрах: конверсия, время ответа, экономия
→Список процессов, которые автоматизируются в первую очередь

Как оценивается качество диаризации

В исследованиях используют показатель DER (diarization error rate): доля времени разговора, размеченная неверно. В него входят три вида ошибок: речь, которую пропустили; пауза или шум, принятые за речь; участок, приписанный не тому говорящему. DER = (пропуск речи + ложная речь + путаница говорящих) ÷ общая длительность речи.

Условный пример: в разговоре 100 секунд речи. Пропущено 3 секунды, шум принят за речь на 2 секундах, чужому голосу приписано 5 секунд. DER = (3 + 2 + 5) ÷ 100 = 10%. Цифры в примере выдуманы для показа расчёта. Для вашей линии показатель нужно измерять на ваших записях: чужие тесты на других каналах и гарнитурах ничего не скажут.

Диаризация и определение сотрудника: в чём разница

Диаризация говорит: в записи два голоса, вот их реплики. Определение сотрудника идёт дальше: сравнивает речь одного из голосов с эталонами ваших сотрудников и называет, что это был, например, администратор Анна. То есть диаризация первая ступень, определение имени вторая.

Второй вопрос: как диаризация относится к голосовой аутентификации и биометрии. Аутентификация проверяет заявленного человека («вы владелец счёта?»), определение сотрудника выбирает из списка своих сотрудников, а диаризация вообще не опознаёт людей. Про биометрию отдельно: что такое голосовая биометрия.

Где диаризация нужна в работе с клиентами

Расшифровка звонков

Текст с метками «сотрудник» и «клиент» читается как диалог, а не сплошная стена. См. расшифровку звонков.

Оценка по чек-листу

Проверка, поздоровался ли сотрудник, назвал ли клинику, предложил ли запись, возможна только по реплике сотрудника.

Метрики разговора

Доля речи сотрудника и клиента, перебивания, паузы, время до первой реплики сотрудника.

Кто вёл звонок

Чтобы назвать сотрудника, нужно сначала отделить его речь. Подробно: определение сотрудника по голосу.

Нужна ли вам диаризация: быстрая проверка

Ваша задачаНужна ли диаризацияПочему
Считать число звонков и пропущенныхНетДостаточно метаданных телефонии
Читать расшифровки как диалогДа, если запись моноБез неё реплики сливаются в сплошной текст
Оценивать звонки по чек-листуДаНужна именно речь сотрудника
Считать время ответа и перебиванияДаНужны границы реплик по говорящим
Знать, какой администратор вёл звонокДа, плюс эталоныСначала отделить его речь, потом назвать по имени

Типичные ошибки при работе с диаризацией

Пример: что даёт разметка в обычном звонке

Допустим, звонок длится две минуты. Первые десять секунд говорит клиент, затем сотрудник представляется клинике, уточняет услугу и предлагает время. Без диаризации расшифровка выглядит как один абзац, и ни скрипт, ни время ответа по ней не проверить. С диаризацией видно, что сотрудник заговорил на десятой секунде, перебил клиента один раз и назвал клинику в первой реплике.

Это уже годится для оценки звонка по чек-листу и для метрик: доля речи сотрудника, число перебиваний, пауза перед ответом. Но кто именно из администраторов вёл разговор, по разметке не видно: для этого нужен следующий шаг, определение по эталону.

Как мы используем диаризацию

Если запись стерео, мы работаем с каналами. Если моно, делим реплики по голосам, а затем определяем, какой из голосов принадлежит сотруднику: по эталонам, по направлению звонка или по первой фразе. Если и это неоднозначно, звонок помечается как неразмеченный, а не получает случайную роль. Какие приёмы мы применяем к моно-записям, описано на странице разделение голосов в моно-записи звонков, а о формате записей у разных АТС читайте в материале стерео или моно.

Как проверить диаризацию на своих записях

1

Возьмите 20–30 звонков

Разной длины и из разных смен, включая короткие и шумные.

2

Разметьте их вручную

Хотя бы начало и конец разговора и несколько реплик в середине.

3

Сравните с результатом

Посчитайте долю времени, размеченную верно, по формуле DER.

4

Посмотрите на ошибки

Где путаются голоса: на коротких репликах, на перекрытиях, на конкретных линиях.

5

Решите, что менять

Иногда достаточно перейти на стерео-запись или выбрать лучшее качество в АТС.

Что стоит и как попробовать

Диаризация входит в разбор звонков и определение сотрудника. Определение по голосу стоит от 5 900 ₽/мес (до 2 000 звонков), первый месяц идёт как пилот на ваших записях. Цены и пакеты: дополнительные продукты. Пришлите несколько звонков, и мы покажем разметку на ваших записях до оплаты.

Связанные страницы

Определение сотрудника по голосу

Следующий шаг после диаризации: назвать человека по имени.

Разделение голосов в моно-записи

Практика для записей в одном канале.

Расшифровка звонков

Текст с ролями говорящих.

Кто из сотрудников говорил с клиентом

Для чего нужна привязка звонка к человеку.

Речевая аналитика в глоссарии

Контекст: что ещё входит в разбор звонков.

ASR в глоссарии

Распознавание речи: соседний этап обработки записи.

Частые вопросы

Нет. Она делит запись на реплики по голосам и называет их условно: говорящий 1, говорящий 2. Имя сотрудника определяется отдельным шагом по эталонам.

Распознавание речи превращает звук в текст, диаризация определяет, кто говорил. На практике их совмещают: получается расшифровка с метками.

В упрощённом виде нужна: каналы уже разделены, остаётся разобраться с перекрытием и музыкой.

В обычном звонке двое. Переадресация, конференция и громкая связь добавляют голоса, и разметка усложняется.

Показателем DER: доля времени, размеченная неверно. Измерять его надо на ваших записях.

Да. Узкая полоса телефонной линии, шум и перекрытие речи снижают надёжность разметки.

Сама разметка «первый голос, второй голос» личность не устанавливает. Для определения сотрудника по эталону нужно согласие: подробности в материале про голосовую биометрию. Вопрос согласуйте с юристом.

Диаризация входит в разбор звонков и определение сотрудника. Подключаем к вашей АТС и Битрикс24 по SIP, API или вебхукам.

C

Продукт команды PapAI Soft

Записи звонков с АТС — в оценку по регламенту

CANAL берёт записи разговоров, расшифровывает их и оценивает работу менеджеров по чек-листу из вашего регламента, с цитатой под каждым выводом. Подключение самостоятельное, бесплатный тариф без карты.

Посмотреть CANAL →

Покажем разметку по голосам на ваших записях

Пришлите несколько звонков: разделим их на реплики сотрудника и клиента и покажем, где разметка уверенная, а где нет.