короткий ответ: задача решается в два этажа, и путать их не надо. первый — речь в текст: это делают модели распознавания вроде whisper, встроенные расшифровщики зум-телемост-контур.толк или боты-транскрайберы; час записи превращается в текст за минуты и стоит копейки или ноль. второй этаж — текст в пользу: сырая расшифровка часового созвона — это 12–15 страниц с «ну», «короче» и перебиваниями, читать её никто не будет. здесь включается llm с вашим промптом: протокол на страницу, договорённости, задачи с ответственными. первый этаж — вопрос выбора инструмента, второй — вопрос промпта, и именно на втором рождается вся ценность.

что даёт связка на практике

  • протокол встречи без секретаря. решили, кто делает, к какому сроку — на странице через десять минут после созвона, а не «по памяти в пятницу».
  • звонки с клиентами как источник фактуры. возражения, вопросы, формулировки, которыми клиенты описывают свою боль, — это сырьё для продаж и маркетинга, которое раньше просто испарялось.
  • голосовые в регламенты. руководитель наговорил в телеграм, как правильно делать, — из десяти голосовых собирается письменная инструкция. на это есть отдельный промпт: «регламент из голосовых».
  • интервью и выступления в статьи. час разговора — почти готовый черновик текста, см. «статья из выступления».

этаж первый: чем расшифровывать

выбор простой и почти не зависит от бюджета:

  • встроенные расшифровщики в зуме, телемосте, гугл-мите — если созвоны и так идут там, включите и пользуйтесь. качество среднее, но для второго этажа хватает.
  • whisper — открытая модель распознавания: бесплатно, безлимитно, работает даже локально на вашем компьютере, что снимает вопрос конфиденциальности записей. подробная настройка — в гайде «whisper: транскрибация».
  • боты и сервисы-транскрайберы — за подписку 500–2000 ₽/мес дают удобство: кинул файл в телеграм — получил текст с разметкой спикеров.

на русской деловой речи точность у всех приличная — процентов 90–95. врут предсказуемо: фамилии, названия компаний, термины, аббревиатуры ? «adjoy» в расшифровках бывал «эджой», «отжой» и однажды — «отбой». с фамилиями ещё веселее, поэтому правило: имена и названия из расшифровки без проверки не копировать. . цифры и суммы — вторая зона риска: «сто пятьдесят» и «сто пятьдесят тысяч» на плохом микрофоне звучат одинаково.

этаж второй: из расшифровки — протокол

вставляете сырой текст в claude или chatgpt вместе с промптом:

вот расшифровка рабочей встречи. она сырая: оговорки, повторы,
возможны ошибки распознавания в именах и названиях.

контекст: [что за встреча, кто участвовал, о чём договаривались
встретиться]

сделай протокол:
1. о чём встреча — два предложения.
2. решения: что решили, дословно близко к тексту.
3. задачи: кто — что — к какому сроку. если срок или
   ответственный не прозвучали, пометь [не зафиксировано].
4. открытые вопросы — что обсуждали, но не решили.
5. отдельно: спорные места расшифровки, где ты не уверен,
   что понял правильно.

не додумывай договорённости, которых нет в тексте.

расшифровка:
[текст]

пункт 3 с пометкой [не зафиксировано] — тихий герой этого промпта: он показывает, что встреча кончилась без сроков и ответственных, и протокол честно это фиксирует, вместо того чтобы дорисовать несуществующую определённость. расширенная версия — «протокол встречи» в библиотеке.

сколько это стоит

экономика приятная, поэтому коротко. whisper — 0 ₽ и сколько угодно часов. встроенные расшифровщики — включены в подписку сервиса созвонов. боты-транскрайберы — 500–2000 ₽/мес. второй этаж — подписка на claude или chatgpt около 2000 ₽/мес, которая у вас, скорее всего, уже есть под другие задачи. итого весь конвейер «встречи в протоколы» для небольшой команды обходится дешевле одного часа секретаря — сравнивать особо не с чем ? честности ради: своё время на «вставить и проверить» — минут десять на встречу — тоже деньги. но против получаса ручного протокола это всё ещё выигрыш в разы. .

границы честно

  • расшифровка — не документ. для юридически значимых вещей (споры, увольнения, обещания клиентам) сверяйтесь с записью, а не с текстом: ошибка распознавания в одной цифре меняет смысл договорённости.
  • спикеры путаются. разметка «кто говорит» на встречах от четырёх человек и с перебиваниями плывёт у всех инструментов. решения «кто взял задачу» проверяйте по памяти или записи.
  • плохой звук — плохой текст. митинг-рум с эхом, встреча в кафе, спикер у окна — точность падает до уровня, где второй этаж строит выводы на каше. внешний микрофон дешевле всех подписок.
  • согласие на запись. записывать людей без предупреждения — нельзя: и по этике, и по закону о персональных данных. фраза «я включу запись для протокола» решает вопрос в 99% случаев.
  • конфиденциальное — в свой контур. записи переговоров с чувствительными деталями в облачные сервисы не загружают; для этого есть локальный whisper или корпоративный контур через api.

когда пора собирать конвейер

руками эта связка живёт, пока встреч немного. когда звонков — десятки в день (отдел продаж, поддержка, колл-центр), появляется задача уровнем выше: не «расшифровать встречу», а слушать все звонки подряд и доставать из потока систему — кто из менеджеров теряет клиентов на возражении о цене, какие вопросы задают чаще всего, где скрипт расходится с реальностью. это уже агент: расшифровка → анализ по вашим критериям → сводка руководителю, каждый день без участия человека. в каталоге есть разборы: «разбор звонков», «контроль качества звонков», «видео в текст». какой процесс в вашем случае даст больше всего часов — покажет карта автоматизации: 7 вопросов, топ-3 процесса, результат сразу на экране.