Голосовое сообщение клиента или запись звонка содержит данные для заявки, сделки и следующего действия. Пока сотрудник слушает аудио и переносит договорённости вручную, обработка задерживается. В Staqflow появился узел «Распознавание речи»: он преобразует файл в текст, который можно классифицировать, структурировать и передать в рабочие системы.
Расшифровка становится частью сквозного процессаАудио поступает из бинарного поля: это может быть вложение письма, голосовое сообщение Telegram или запись из хранилища. Поддерживается также прямая ссылка на файл. Результат доступен как сплошной текст, фразы с таймкодами или субтитры SRT и VTT. В зависимости от сервиса можно различать говорящих и задавать подсказки с терминами, фамилиями и названиями.
Следующий узел использует расшифровку для определения темы и срочности обращения, заполнения полей CRM, подготовки конспекта встречи или поиска по архиву разговоров. Польза возникает тогда, когда текст приводит к конкретному действию.
Для коротких и длинных записей доступны разные сервисыУзел поддерживает девять провайдеров. OpenAI, Groq, Gemini, Mistral и собственный OpenAI-совместимый сервер используют подключения языковых моделей. Deepgram, ElevenLabs Scribe, Yandex SpeechKit и SaluteSpeech подключаются как специализированные речевые сервисы.
Deepgram поддерживает длинные записи и метки говорящих. ElevenLabs Scribe предоставляет в том числе тайминги отдельных слов. Yandex SpeechKit обрабатывает длинное аудио асинхронным заданием; SaluteSpeech предлагает модели для общей речи, колл-центров, медиа и IVR. У всех четырёх специализированных сервисов предусмотрены метки говорящих.
На дату публикации размер файла у OpenAI и Groq ограничен 25 МБ, у Gemini — 20 МБ. Для длинных совещаний стоит выбирать сервис с обработкой задания. Узел самостоятельно отправляет файл, ожидает завершения и возвращает текст; для таких запусков нужно установить достаточный таймаут.
Формат ответа и словарь настраивают под задачу- Создайте подключение в пространстве, добавьте узел и выберите провайдера и модель.
- Укажите бинарное поле или ссылку с аудио.
- Задайте язык либо используйте его автоматическое определение, если сервис это поддерживает.
- Выберите текст, таймкоды, SRT или VTT. При необходимости включите метки говорящих.
Термины и имена принимают Deepgram, SaluteSpeech и модели OpenAI. У ElevenLabs отдельного поля для этого нет. Дополнительно можно запросить перевод на английский, задать температуру и включить сырой ответ для диагностики — набор возможностей зависит от сервиса.
Yandex принимает MP3, WAV и OGG, SaluteSpeech — также FLAC. Проверка формата выполняется перед отправкой. Проверка самого подключения доступна не у всех провайдеров: у некоторых даже тестовый запрос уже является оплачиваемой операцией.
Применение в поддержке, продажах и управлении- Голосовые обращения: Telegram → распознавание → определение темы → заявка в хелпдеске и текстовый ответ клиенту.
- Звонки: запись из телефонии → расшифровка с говорящими → договорённости и следующий шаг в карточке сделки.
- Совещания: длинная запись → текст с таймкодами → конспект, решения и ответственные в чате команды.
- Контроль качества: расшифровка и проверка по чек-листу, спорные звонки — на ручное прослушивание.
- Видеоматериалы: готовый файл SRT или VTT передаётся вместе с роликом.
Для смыслового поиска расшифровки можно преобразовать в эмбеддинги и хранить в векторной базе. Это позволяет искать обращения по теме, даже если участники использовали разные формулировки.
Качество записи и проверка остаются важнымиТелефонная запись, шум цеха, фоновая музыка и одновременная речь ухудшают результат. Для колл-центра полезна специализированная модель, для терминов — словарь подсказок. В ответственных сценариях расшифровку следует рассматривать как черновик: спорные фрагменты направлять сотруднику.
Речевые сервисы обычно тарифицируют минуты записи, универсальные модели — токены. Потребление Staqflow учитывается отдельно за работу процесса. Длинные файлы нужно оценивать и по стоимости, и по лимитам выбранного API.
Частые вопросыКак обработать часовую планёрку?Используйте специализированный сервис с поддержкой длинных записей и достаточный таймаут. Для Yandex SpeechKit и SaluteSpeech узел сам управляет ожиданием задания.
Можно ли сохранить данные в российском облаке?В узле доступны Yandex SpeechKit и SaluteSpeech. Выбор остальных шагов workflow и мест хранения также должен соответствовать требованиям компании.
Связанные материалыПодробнее о возможностях автоматизации — на сайте
Staqflow.