Телефония и ИИ

Разделение голосов в моно-записи звонков

В моно-файле клиент и сотрудник записаны в одном канале. Мы делим запись на реплики по голосам, чтобы по ней можно было считать, слушать и подписывать звонок.

от 5 900 ₽/мес
подписка
пилот на ваших записях
условия
✓ Демо на ваших данных до оплаты ✓ Точность замеряем на ваших записях ✓ Данные хранятся на серверах в России

Открываешь запись звонка и видишь одну дорожку. Клиент и сотрудник на ней вперемешку, и невозможно сказать, сколько говорил каждый, перебивал ли администратор и что именно сказал клиент. С двумя дорожками это решается за минуту, с одной нужна отдельная работа.

Эта страница про то, как такая работа устроена и от чего зависит результат. Если после чтения нужна оценка на ваших записях, пришлите образцы, и мы посмотрим.

Моно и стерео: в чём разница для звонка

Стерео-запись хранит разговор на двух каналах: в одном голос звонящего, в другом голос ответившего. Разделять нечего, дорожки уже раздельны. Моно-запись сводит оба голоса в один канал, и после сведения обратно их так просто не развести.

У большинства облачных АТС запись звонка отдаётся файлом mp3, чаще всего моно. У МегаФон ВАТС это mp3 с частотой 8 кГц в моно. Формат записи у остальных провайдеров мы уточняем при подключении: стерео-запись по каналам включаем, если ваш тариф её отдаёт, а в моно разделяем по голосам. У Asterisk стерео включается настройкой записи.

Почему разделить голоса сложнее, чем кажется

Первая трудность в качестве звука. Телефонная запись узкополосная, 8 кГц, и многие различия голосов, которые слышны в студии, здесь теряются. Мужской и женский голос различить по-прежнему несложно, а два похожих женских голоса уже могут слиться.

Вторая трудность в перебиваниях. Когда клиент и сотрудник говорят одновременно, в моно-файле остаётся смесь. Отделить её нельзя, можно только пометить участок как наложение. Третья в коротких репликах: «да», «угу», «понял» дают мало материала, и отнести их к одному из двух голосов тяжело.

Поэтому честный результат диаризации выглядит как набор реплик с границами, среди которых есть участки, помеченные как неуверенные.

Что такое диаризация и чем она помогает

Диаризация отвечает на вопрос «кто говорит когда». Система находит в записи участки речи и группирует их по голосам: это один говорящий, это другой. Имена она не знает, получаются метки «голос 1» и «голос 2».

Дальше на этих метках строится всё остальное. Расшифровка получает реплики с автором, и видно, кто задал вопрос, а кто ответил. Можно посчитать, как долго говорил сотрудник и сколько ждал клиент. Можно найти место, где клиент назвал дату или услугу, и передать эту реплику ассистенту, который заполнит карточку. Для расшифровки звонков и анализа звонков разделённые реплики заметно полезнее сплошного текста.

Чем это отличается от определения конкретного сотрудника

Диаризация говорит «здесь два голоса, первый сказал это, второй то». Какой из них сотрудник, а какой клиент, она сама не называет. Определение сотрудника отвечает на следующий вопрос: кто именно из ваших администраторов ответил на звонок. Для этого голос сотрудника сравнивается с эталоном, который мы берём из его реальных звонков.

Одно без другого работает плохо. Чтобы сравнить голос с эталоном, надо сначала взять речь сотрудника отдельно от речи клиента. Это и делает диаризация. Подробно про второй шаг, включая тарифы, биометрию и согласия, на странице про определение сотрудника по голосу.

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 это связано с подписью звонка и аналитикой

Подпись звонка именем сотрудника нужна, чтобы в Битрикс24 появился ответственный, а в отчётах человек, на которого можно смотреть. Без разделения голосов она невозможна для моно-записей: сравнивать пришлось бы смесь двух людей. Когда голоса разделены, сравнение идёт только с речью ответившего.

Дальше подпись попадает в отчёты. Звонок привязан к администратору, и по нему можно считать конверсию по администраторам: от обращения до записи и прихода. Привязку в этом случае даёт либо телефония, либо голос. Отчёты по входящим строятся по метаданным без анализа содержания разговоров, а разделение голосов нужно тем функциям, которые читают сам разговор.

Что нужно от вас

1

Образцы записей

Несколько звонков из вашей телефонии в том формате, в каком они у вас хранятся: mp3, моно или стерео, как есть, без обработки.

2

Разбор формата

Смотрим, сколько каналов в файле, какая частота, есть ли шум и перебивания. По этому уже видно, чего ждать.

3

Пилот на ваших записях

Прогоняем записи через разделение и показываем результат: где реплики разошлись чисто, где участки неуверенные. Точность замеряем на ваших записях, на пилоте.

4

Подключение

Если результат подходит, подключаемся к вашей АТС по SIP, API или вебхукам и настраиваем получение записей под вашу АТС и тариф.

От чего зависит результат

Наложения голосов остаются наложениями, их помечаем отдельно. Громкая связь и шумный зал ухудшают результат. Если у двух людей очень похожие голоса, система может принять их за одного. Совсем короткие звонки дают мало речи для разделения. Процентов точности здесь нет: на вашей линии результат может оказаться другим, чем на чужой.

Если запись стерео, задача проще, и разделение голосов по каналам делается без этих оговорок. Формат мы проверяем на ваших файлах, а не по документации провайдера.

Страницы по теме

Определение сотрудника по голосу

Следующий шаг после разделения голосов: кто именно из сотрудников ответил.

Расшифровка звонков

Реплики с автором читаются проще сплошного текста.

Анализ звонков

Разбор разговоров опирается на то, что сказал клиент и что сотрудник.

Asterisk

Единственный случай, где стерео-запись у нас подтверждена.

UIS

Телефония, где в журнале уже есть ответивший сотрудник.

Речевая аналитика

Определение термина, внутри которого работает разделение голосов.

Частые вопросы

Да, диаризацией: система группирует участки речи по голосам. Участки, где оба говорят одновременно, остаются наложением и помечаются как неуверенные.

Диаризация делит запись на голоса без имён. Определение сотрудника сравнивает голос с эталоном и называет, кто из ваших сотрудников ответил. Подробности на странице про определение по голосу.

Это зависит от провайдера и тарифа, поэтому мы смотрим на ваших файлах. У МегаФон ВАТС это mp3, моно, 8 кГц. Стерео-запись по каналам включаем, если ваш тариф её отдаёт; в моно разделяем по голосам.

Несколько записей из вашей телефонии без обработки. Желательно с примерами перебиваний и из разных часов работы.

Процентов не называем. Точность замеряем на ваших записях, на пилоте.

Хуже. Если несколько человек говорят в один микрофон, голоса смешиваются, и такой звонок может остаться без разделения и без подписи.

Диаризация сама по себе эталонов голосов не хранит. Согласия нужны на следующем шаге, при определении конкретного сотрудника: как правило, это биометрические данные. Формулировку стоит согласовать с юристом.

Отдельного тарифа на одно разделение голосов у нас нет, оно работает внутри определения сотрудника по голосу: от 5 900 ₽/мес. Цены и условия в блоке дополнительных продуктов.

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 →

Пришлите несколько записей, посмотрим формат и качество

Скажем, сколько каналов в файлах, чего ждать от разделения голосов и подойдёт ли ваша линия для подписи звонков сотрудником.