Расшифровка созвонов с ИИ звучит как решённая задача: загрузил запись, получил текст. На живой команде всё упирается не в распознавание, а в то, что вокруг него: кто загружает запись, куда приходит результат, сколько ждать и можно ли доверять тому, кто что сказал. Ниже заметка о боте расшифровки, который работает в рабочем чате команды «Пест Мониторинг Центра» с конца сентября.
Как это устроено
Команда созванивается в Zoom и записывает встречи в облако. Когда запись готова, Zoom сам сообщает об этом боту, бот забирает аудио, распознаёт речь и присылает в отдельную тему рабочего чата краткое резюме и полный текст файлом. Никто ничего не скачивает и не пересылает.
Резюме устроено так: в заголовке тема встречи, длительность и ссылка на запись, ниже «Главное» в трёх-пяти пунктах и «Дальше» со следующими шагами. Полный текст лежит рядом файлом, если нужно найти точную формулировку.
Короткие голосовые до трёх минут бот присылает полным текстом прямо в сообщении, без резюме: резюме было бы не короче оригинала.
Ограничения
Задержка. Zoom сообщает о готовой записи не сразу, а через 35-40 минут после конца встречи. Ещё 3-4 минуты уходит на скачивание и распознавание. Ускорить можно, если опрашивать API Zoom, не дожидаясь уведомления, но пока это не нужно: резюме через сорок минут после созвона никому не мешает.
Разметка по спикерам. Текст получается хорошим: с пунктуацией, регистром, правильными числами. А вот кто что сказал, модель определяет с ошибками. На проверочной записи двух человек (одна запись, не статистика) она нашла троих: одного определила верно, другого разделила на двух. Поэтому резюме пишется по смыслу и не опирается на номера спикеров. Обещать точную разметку там, где все говорят в один микрофон, нельзя.
Локальные записи боту недоступны. Автоматически приходят только облачные записи Zoom. Если встречу записали локально, файл нужно самому прислать в тему чата, и бот обработает его так же.
Ограничение Telegram. Бот, который получает файл из чата, может скачать не больше 20 МБ. Час разговора в обычном формате больше. Для Zoom это не проблема: запись идёт мимо Telegram, напрямую. Для ручной загрузки большого файла бот отвечает, как быть.
Какой сервис для расшифровки созвонов выбрать
Главный выбор здесь про данные, а не про качество.
В этом проекте и распознавание, и резюме делает зарубежный сервис: так решили для созвонов команды, и на проверочной записи он распознал текст лучше локальной модели Whisper. Для разговоров, где есть персональные данные клиентов, это не подходит. Там варианта два:
- Российские сервисы распознавания, Yandex SpeechKit и SaluteSpeech. По ценам на сентябрь 2026 это от 0,6 до 1,2 ₽ за минуту записи. Тысяча минут разговоров в месяц обходится в 600-1 200 ₽.
- Локально на своём компьютере. Модель Whisper работает без интернета, запись никуда не уходит. Так я расшифровываю свои звонки с клиентами. Бесплатно, но нужен компьютер, который справляется с моделью и работает постоянно, если расшифровка должна идти сама.
Сам бот аудио после обработки удаляет, а в журнал работы пишет только длительность и число спикеров, без содержания разговора. Тексты расшифровок хранятся у команды.
Звонки отдела продаж
Для звонков менеджеров с клиентами есть ещё один путь, о котором стоит знать до того, как что-то строить. Облачные АТС продают свою расшифровку и речевую аналитику прямо в карточку сделки, с чек-листами для оценки разговора. Это дороже своей расшифровки за минуту, но если звонков много и нужен контроль качества операторов, готовое решение может оказаться удобнее. Запись АТС обычно стерео: оператор и клиент на разных каналах, поэтому кто что сказал, видно без угадывания.
Своя расшифровка выигрывает там, где записи не только из телефонии: созвоны в Zoom, голосовые, встречи.
Что из этого взять
Расшифровка окупается тем, что договорённости перестают жить в голове одного человека. Если после созвонов у вас регулярно звучит «а о чём мы договорились?», это ваш случай. Если созвонов мало и вы всё помните сами, хватит заметки после разговора.
Как это работает как услуга и сколько стоит, на странице расшифровки и анализа звонков. Если хотите понять, что подойдёт вам, расскажите, откуда берутся ваши записи: Zoom, телефония или голосовые.
Узнали свою ситуацию?
Запись разговора превращается в текст и резюме с договорённостями. Как это устроено и сколько стоит, на странице «Расшифровка и анализ звонков с ИИ».
Обсудить задачу