← Каталог

· AI Engineer Europe 2026

VoiceOps: извлечение данных из шумных аудиопотоков с низкой задержкой

VoiceOps-fying Low-Latency Intelligence Extraction from Messy Audio Streams — Dippu Kumar Singh

Разделение каналов, раннее маскирование PII и подтверждение оператора превращают шумные звонки в структурированные данные для CRM, по словам автора, почти вдвое сокращая after-call work.

  • Раздельные каналы — стерео делится на канал агента и канал клиента до транскрибации, иначе LLM путает, кто что сказал, и ломает сводку.
  • Маскирование PII до LLM — номера карт и пароли удаляются на раннем этапе, до попадания в модель; автор признаёт, что дополнительные слои добавляют задержку.
  • Точность STT выше 90% — по словам автора, без такой точности транскрипта сводка не работает; доменные словари и inverse text normalization помогают различать похожие термины и переводить числа в цифры.
  • Структура вместо текста — промпт с few-shot примерами выдаёт отдельные списки запроса и действий оператора, интент выбирается из заранее заданного списка. JSON по схеме CRM уходит через REST API после подтверждения оператора; по словам автора, ACW упал с 6,3 до 3,1 минуты.

Кому полезно: тем, кто строит голосовой пайплайн для контакт-центра с шумным аудио и записью в CRM.

Статья по теме

На какие вопросы отвечает доклад

Главы

Похожие доклады