Текст вместо звука. Как внедрить расшифровку в CRM без облаков
Менеджеру в шумном офисе неудобно слушать голосовые сообщения. Чтобы не открывать каждый файл, разработчики CRM создали систему автоматической расшифровки на собственном сервере.
Главная проблема голосовых в продажах, необходимость их прослушивания. В списке диалогов сразу не видно сути вопроса, а в шумной обстановке менеджеру сложно уловить детали. Чтобы решить это, разработчики внедрили текстовую расшифровку прямо под аудиоплеером в CRM.
Использовать облачные API для этого не стали из-за защиты персональных данных. Решение работает на двухъядерном сервере в России без видеокарты. Для распознавания выбрали модель faster-whisper с квантованием int8, которая быстро работает на процессоре.
На коротком сообщении длиной 35 секунд уходит около 9 секунд. Чтобы не перегружать систему, задачи запускаются по расписанию и обрабатывают небольшие партии файлов. Это позволяет избежать зависаний основного сервера CRM.
Для работы с разными форматами файлов, такими как ogg или mp3, использовали ffmpeg. Он преобразует звук в единый формат перед отправкой модели. Это решило проблему ошибок при чтении метаданных в разных типах аудио.
Текст появляется в CRM примерно через минуту после получения сообщения. В списке диалогов вместо названия типа файла теперь виден фрагмент фразы. Это позволяет понять суть обращения, не нажимая кнопку воспроизведения.
Для работы это значит, что менеджеры могут быстро сканировать переписку глазами. Вы экономите время на прослушивании аудио и не передаёте данные клиентов сторонним сервисам.
Что поменялось
В CRM под аудиоплеером теперь отображается текст сообщения, а в списке диалогов видна суть вопроса без прослушивания.
Источники · 1
Текст подготовила языковая модель по материалам источников.
