транскрибация звонков и встреч: практика

зачем вообще расшифровывать

звонки и встречи — самая большая утечка информации в компании. час созвона — договорённости, возражения клиента, обещанные сроки — испаряется, как только все положили трубки. остаётся «вроде договорились» в трёх разных версиях у трёх участников.

расшифровка сама по себе скучна: час встречи — это 15–20 страниц текста, которые никто не прочитает. ценность появляется на втором шаге: текст скармливается ии, и из него достаётся выжимка — решения, задачи, сроки, возражения. цепочка «запись → текст → саммари» — это, пожалуй, самое дешёвое внедрение ии из существующих, и работает она с первого дня.

чем расшифровывать

whisper — рабочая лошадка

whisper — открытая модель распознавания речи от openai. русский понимает хорошо, включая речь с середины предложения, перебивания и «ну это, как его». открытая — значит бесплатная: платите только за железо или за сервис, который её крутит.

три способа пользоваться:

• локально на своём компьютере. запись не покидает вашу машину — для чувствительных переговоров это решающий аргумент. на маках с apple silicon комфортно работают оптимизированные сборки (ищите whisper.cpp или mlx-whisper): час записи расшифровывается быстрее часа. из минусов — надо один раз настроить, тут пригодится умение из гайда по claude code: попросите агента поставить и настроить whisper — это его типовая задача.
• через api. отдаёте файл — получаете текст, платите за минуты. по моим наблюдениям, час записи через whisper-api обходится в копейки относительно ценности — конкретный тариф смотрите на день использования. минус: запись уезжает на чужой сервер.
• через сервисы-обёртки. сайты и боты «загрузи файл — получи текст», внутри у большинства тот же whisper. удобно для нетехнических коллег, дороже api, приватность — по тарифу и совести сервиса.

готовые сервисы для встреч

отдельный класс — сервисы, которые сами приходят на созвон ботом-участником, пишут, расшифровывают и присылают саммари. удобно, но два «но»: подписка на каждого пользователя и ваша встреча целиком живёт на чужом сервере. для внутренних планёрок — нормально, для переговоров под nda я бы не стал.

правило выбора

простая вилка: чувствительное — локально, поток — через api, для коллег без терминала — сервис. и в любом варианте: предупреждайте участников о записи. это и вежливость, и закон.

практика: конвейер за вечер

задача: звонки менеджеров превращаются в саммари в общем чате. собирается так:

шаг 1. наладить записи

источник зависит от того, где живут разговоры: телефония пишет звонки сама (кнопка «экспорт записей» есть почти во всех), встречи в зуме/миете пишутся встроенной записью, очные встречи — диктофоном на телефоне. главное — договориться, что записи складываются в одну папку, а не «где-то у кого-то».

шаг 2. расшифровать

для локального варианта на маке — одна команда в терминале (после разовой настройки):

whisper запись.mp3 --language ru --model medium

на выходе — текстовый файл. модель побольше — точнее, но медленнее; для русской деловой речи среднего размера моделей обычно достаточно. с расшифровкой пачки файлов та же логика: цикл по папке пишется один раз, дальше он ваш навсегда.

шаг 3. саммари через ии

расшифровку — в claude или gpt с промптом. рабочий каркас:

ниже расшифровка звонка менеджера с клиентом. сделай выжимку:
1. о чём договорились — списком, с ответственными и сроками
2. возражения клиента и как их отработали
3. что менеджер пообещал — отдельным списком
4. красные флаги: недовольство, конкуренты, риск слива сделки
пиши кратко, без пересказа всего разговора.

четвёртый пункт — самый ценный. человек, слушая запись, устаёт к двадцатой минуте; ии одинаково внимателен на первой и на пятидесятой.

шаг 4. доставить туда, где прочитают

саммари, которое лежит в папке, не работает. отправляйте туда, где живёт команда: чат отдела, карточка сделки в crm, тред встречи. на этом шаге конвейер из «игрушки энтузиаста» становится процессом.

что с этим делать дальше

расшифровки накапливаются — и через месяц-два у вас появляется актив, которого раньше не было: поисковая база всех разговоров. и вот тут начинается интересное:

• контроль качества без прослушивания. прогнать сто расшифровок через ии с чек-листом «поздоровался, выявил потребность, назвал следующий шаг» — и увидеть картину по отделу за вечер, а не за неделю прослушки.
• голос клиента. частые возражения, формулировки, которыми клиенты описывают свою боль, — готовая фактура для маркетинга и базы знаний под ии.
• онбординг. лучшие разговоры лучших менеджеров — учебник для новичков, который написался сам.

границы

• точность не стопроцентная. фамилии, названия компаний и цифры whisper иногда коверкает. правило: решения по цифрам из расшифровки — со сверкой с записью. для саммари и поиска точности хватает с запасом.
• говорящих может путать. базовый whisper не различает, кто говорит. для «менеджер vs клиент» обычно хватает контекста самой беседы, ии в саммари справляется. если нужно строгое разделение — ищите инструменты с диаризацией, это отдельный класс задач.
• шумные записи. созвон с телефона из машины расшифруется заметно хуже. лечится на этапе записи: гарнитура у менеджера дешевле любой пост-обработки.
• юридическая сторона. запись разговора без предупреждения участников — плохая идея во всех смыслах. фраза «разговор записывается» в начале звонка решает вопрос.

если после первой недели конвейера вам захотелось, чтобы саммари само падало в crm, а по итогам недели собирался дайджест по отделу — поздравляю, вы придумали своего первого ии-агента. расшифровка — обычно самая короткая дорога к нему.