Транскрибация звонков: форматы, лимиты, подводные камни
Короткий ответ
Большинство систем транскрибации поддерживают стандартные аудиоформаты — MP3, WAV, M4A, OGG — и автоматически конвертируют нестандартные форматы перед обработкой. Реальные ограничения обычно касаются не формата, а размера файла, длительности и качества исходной записи.
Форматы
MP3 — самый распространённый формат записи телефонии, хорошо поддерживается всеми системами. WAV — несжатый формат, даёт максимальное качество, но занимает больше места. M4A и OGG — используются реже, но также поддерживаются большинством современных систем транскрибации.
Лимиты
Ограничение по размеру файла — типично до 100-200 МБ на файл в зависимости от сервиса, что для голосовых звонков обычно избыточно (час аудио в сжатом формате занимает значительно меньше). Ограничение по длительности — некоторые системы требуют разбивки очень длинных записей (например, свыше часа) на части.
Подводные камни на практике
Несовпадение частоты дискретизации. Телефония часто пишет с низкой частотой (8 кГц), что снижает качество распознавания по сравнению с более высококачественной записью.
Битые или частично сохранённые файлы. Обрыв связи или сбой при сохранении создаёт файл, который система обработает частично или не сможет обработать вовсе.
Двухканальная против одноканальной записи. Если телефония умеет писать каждого собеседника в отдельный канал, это упрощает диаризацию — см. «Диаризация: как ИИ отличает менеджера от клиента».
Частые вопросы
Что делать с очень длинными звонками? Большинство систем справляются с разбивкой автоматически, но стоит проверить конкретное ограничение используемого сервиса на звонках дольше часа.
Как проверить, что все звонки успешно обрабатываются? Вести журнал ошибок обработки — сверять число отправленных файлов с числом успешно расшифрованных, а не полагаться на отсутствие явных сообщений об ошибке.
Автор: редакция Auditka AI. Экспертная проверка: Александр Аничкин, основатель Auditka AI.