Простыми словами
Когда вы диктуете сообщение в телефоне, работает ASR. Когда навигатор произносит маршрут, работает TTS. Голосовой ассистент компании объединяет оба: слушает клиента, понимает вопрос с помощью языковой модели и отвечает синтезированным голосом.
Качество зависит от языка, шума, качества телефонной связи и акцента.
Как это работает
Схема диалога по телефону: звонок поступает в систему, ASR расшифровывает фразу клиента, языковая модель формирует ответ, TTS озвучивает его. Всё это должно происходить за доли секунды, иначе пауза кажется неестественной.
Расшифровка записей звонков использует только ASR: текст сохраняют в CRM, анализируют качество разговоров, ищут ключевые слова и возражения.
Зачем это бизнесу
Для бизнеса это экономия на рутине: автоматическая запись клиентов, ответы на типовые вопросы, контроль качества звонков без прослушивания каждого. Руководитель получает текст и выжимки вместо часов аудио.
Особенность Казахстана — смешанная речь на русском и казахском. Поддержка казахского языка у разных систем различается, поэтому перед внедрением проверяйте её на реальных записях.
Что важно учесть
Предупреждайте клиентов о записи разговора и храните записи в соответствии с политикой конфиденциальности. Также продумайте, как быстро передать звонок оператору, если система не справляется.
Пример из практики
Клиника в Таразе подключила автоматическую расшифровку звонков и обнаружила, что многие пациенты спрашивают про стоимость диагностики, но на сайте её нет. Цену добавили на страницу, и поток однотипных звонков сократился.
Частые ошибки
- Не проверять качество на реальных записях с шумом
- Игнорировать казахскую речь
- Не предупреждать о записи звонков
- Делать голос ассистента слишком роботизированным
- Не предусмотреть передачу оператору