Zamiana mowy na tekst to technologia, która zapisuje wypowiedziane słowa jako tekst. W firmie najczęściej chodzi o transkrypcję rozmów telefonicznych: nagranie rozmowy z klientem zamienia się w zapis, który czytasz w minutę, zamiast słuchać całej rozmowy. Wpisujesz słowo, na przykład numer zamówienia albo nazwisko, i od razu widzisz, w której rozmowie padło.
Poniżej wyjaśniamy, jak działa automatyczna transkrypcja, do czego firmy jej używają, od czego zależy jej dokładność i jak włączyć transkrypcję z podsumowaniem AI na Twoim numerze firmowym.
Jak działa zamiana mowy na tekst
Program rozpoznawania mowy dzieli dźwięk na krótkie fragmenty i porównuje je z modelem języka, którego nauczono na tysiącach godzin nagrań. Model zgaduje, jakie słowa najlepiej pasują do dźwięku i do kontekstu zdania, więc słowa, które brzmią podobnie, rozpoznaje po sensie całej wypowiedzi. Na końcu dodaje interpunkcję i dzieli tekst na wypowiedzi poszczególnych rozmówców.
Zamiana mowy na tekst działa w dwóch trybach. Transkrypcja w czasie rzeczywistym zapisuje tekst w trakcie mówienia, tak jak dyktowanie notatek w telefonie albo napisy na żywo podczas spotkań. Transkrypcja z pliku audio powstaje po zakończeniu nagrania i zwykle jest dokładniejsza, bo model słyszy całą wypowiedź, zanim ją zapisze.
Jak działa transkrypcja rozmów telefonicznych
Przy rozmowach telefonicznych w CallFactory proces wygląda tak:
- Nagranie. Rozmowa przychodząca na Twój numer jest nagrywana w naszej sieci, a nie na telefonie. Działa to na każdym telefonie w zespole, także na komórce, bez instalowania aplikacji.
- Transkrypcja. Po zakończeniu połączenia sztuczna inteligencja zamienia nagranie na tekst, z osobnymi wypowiedziami dzwoniącego i współpracownika.
- Podsumowanie rozmowy. Model AI tworzy krótkie streszczenie, więc na liście rozmów od razu widzisz, czego dotyczyła każda z nich.
- Wyszukiwanie. W panelu przeszukujesz transkrypcje po słowach kluczowych, a nagranie odsłuchujesz tylko wtedy, gdy potrzebujesz usłyszeć ton rozmowy.
Nagrywanie rozmów, transkrypcję i podsumowanie AI włączasz w panelu w pakiecie Obsługa klienta. Nagrywamy rozmowy przychodzące; połączeń wychodzących Twojego zespołu nie nagrywamy.
Do czego firmy używają transkrypcji rozmów
Transkrypcja rozmów przydaje się wszędzie, gdzie przez telefon padają informacje, do których trzeba wrócić:
- Obsługa klienta i reklamacje. Gdy klient dzwoni drugi raz w tej samej sprawie, współpracownik czyta zapis poprzedniej rozmowy, zamiast pytać o wszystko od początku.
- Call center i kontrola jakości. Kierownik zespołu przegląda transkrypcje z całego tygodnia w kilkanaście minut i wybiera do odsłuchania tylko te rozmowy, które tego wymagają.
- Szkolenia. Nowy współpracownik czyta, jak doświadczeni koledzy odpowiadają na częste pytania, i uczy się na prawdziwych rozmowach.
- Sprzedaż. Ustalenia z rozmowy, na przykład ilości, terminy i ceny, masz w formie tekstowej i przenosisz do oferty bez szukania w notatkach.
- Windykacja i ustalenia z klientem. Gdy ktoś zapomni, co obiecał przez telefon, zapis rozmowy pokazuje to czarno na białym.
Największa korzyść to oszczędność czasu. Pięciominutowej rozmowy nie musisz odsłuchiwać, żeby sprawdzić jedną informację: przeczytasz ją w kilka sekund. Kto chce widzieć trend, a nie pojedyncze rozmowy, łączy transkrypcje ze statystykami połączeń.
Od czego zależy dokładność transkrypcji
Dokładność automatycznej transkrypcji zależy przede wszystkim od dźwięku. Szum w tle, głośnik zamiast słuchawki i rozmówcy, którzy mówią jednocześnie, zwiększają liczbę błędów. Połączenia na numer CallFactory przechodzą przez sieć stacjonarną i komórkową, a nie przez internet, więc dźwięk rozmowy jest wyraźny, co pomaga przy rozpoznawaniu mowy.
Drugi czynnik to słownictwo. Nazwy produktów, nazwiska i skróty branżowe model czasem zapisuje fonetycznie. Dlatego transkrypcja jest świetna do wyszukiwania i przeglądania rozmów, a gdy potrzebujesz dosłownego cytatu, na przykład przy sporze z klientem, odsłuchujesz nagranie.
Transkrypcja a RODO
Nagranie rozmowy i jej zapis to przetwarzanie danych osobowych. Zwykle informujesz o tym dzwoniącego na początku rozmowy, najprościej w komunikacie powitalnym, i podajesz cel nagrywania. To informacja ogólna, a nie porada prawna: zasady dla swojej firmy ustal z inspektorem ochrony danych albo prawnikiem.
Po naszej stronie nagrania przechowujemy w UE, standardowo przez 30 dni, a dłuższe przechowywanie to płatna opcja. Nagrań słucha tylko administrator konta.
Integracja transkrypcji z CRM
Nagrania pobierasz w panelu jako plik audio albo przez REST API. Jeśli chcesz, żeby zapis rozmowy trafiał od razu do CRM albo systemu zgłoszeń, przygotujemy integrację przez API w ramach indywidualnej wyceny. Krótkie ustalenia możesz też zapisywać ręcznie w notatkach z rozmów, przypisanych do numeru dzwoniącego.
Ile kosztuje transkrypcja rozmów telefonicznych
Nagrywanie rozmów z transkrypcją i podsumowaniem AI jest w pakiecie Obsługa klienta: do 8 osób, za 215 zł miesięcznie albo 2 150 zł rocznie. Połączenia są w cenie przy normalnym korzystaniu. Jeśli regularnie dzwonisz więcej, płacisz 0,45 zł za minutę, a w tej stawce mieści się, jeśli chcesz, nagrywanie, transkrypcja i zapis rozmowy. Szczegóły znajdziesz w cenniku.
Zamiana mowy na tekst w voicebocie
Voicebot zamienia mowę na tekst w czasie rzeczywistym: słyszy pytanie dzwoniącego, rozumie je i odpowiada głosem. Gdy przekazuje rozmowę pracownikowi, przekazuje też jej treść, więc dzwoniący nie zaczyna od nowa. Voicebot AI kosztuje 215 zł miesięcznie plus 1,50 zł za każdą minutę, w której mówi. Posłuchaj, jak to działa, dzwoniąc do Sandera pod numerem 22 107 99 99.
