Распознавание речи

Записи звука с компьютеров сотрудников могут быть преобразованы в текст с помощью:

  • Сервера распознавания Staffcop.

Внимание

Используйте отдельный сервер для установки службы распознавания.

  • Облачного модуля T-Bank VoiceKit.

Внимание

Для работы облачного модуля обеспечьте для сервера Staffcop доступ к адресам voicekit.tinkoff.ru и api.tinkoff.ai.
Адреса находятся на территории РФ.

См.также

Событие Запись звука

Сервер распознавания Staffcop

Сервер распознавания устанавливается на отдельную от сервера Staffcop Enterprise машину.

Он поддерживает не только преобразование речи в текст, но и распознавание графических объектов.

См.также

Установка и настройка сервера распознавания Staffcop

Облачный модуль T-Bank VoiceKit

VoiceKit разработан компанией T-Bank. Он не использует зарубежные технологии и не передает данные за пределы собственного дата-центра, на котором происходит обработка аудио.

Модуль поддерживает многопоточную работу и может одновременно обрабатывать несколько аудиофайлов.

Оплата модуля принимается через личный кабинет на сайте T-Bank Software.

Примечание

При распознавании аудиозапись может быть записана как диалог — речь двух собеседников.
Для этого включите Запись с микрофона и Запись звука колонок в разделе конфигурации Запись звука.

Пример распознанного диалога, где с1 и с2 — первый и второй собеседники:

../_images/speech_example.png

Настройка и активация модуля

Чтобы включить модуль распознавания:

  1. Перейдите в личный кабинет на сайте software.tbank.ru.

../_images/speech_1.png

  1. Нажмите на Создать ключ и введите название и описание ключа.

../_images/speech_2.png

  1. Нажмите Сгенерировать ключ и скопируйте полученные API Key и Secret Key.

../_images/speech_3.png

Предупреждение

Сохраните ключи на компьютере. Secret Key станет недоступен, как только вы уйдете со страницы создания ключа.

  1. В Staffcop перейдите в раздел Панель управления → Параметры сервера.

  2. В строке Распознавание голоса настройте параметры:

  • Разрешить конфигурацию по-умолчанию — активирует распознавание в стандартной конфигурации агентов;

  • Движок → Tinkoff VoiceKit — выберите движок для распознавания речи;

  • API Key и Secret Key — введите значения, полученные при генерации ключа в T-Bank VoiceKit;

  • опционально: Принудительно — чтобы начать распознавание всех записей с самой первой.

../_images/speech_4.png

  1. Нажмите кнопку Сохранить. Теперь распознавание речи включено и готово к работе.

Распознавание аудиозаписей

Для распознавания речи в текст доступны два инструмента:

  • распознавание одной записи,

  • политика распознавания речи.

Единоразовое распознавание

Не требует отдельной политики. Предназначено для демонстрации технологии и проверки работы.

Нажмите на кнопку Распознавание под событием Запись звука в Линзе событий. Система переведет речь в текст.

../_images/speech_5.png

Политика Распознавание речи

Для фонового распознавания речи из поступающих событий настройте политику Распознавание речи.

Политика позволяет:

  • непрерывно распознавать текст,

  • накапливать текстовую базу данных,

  • анализировать данные с помощью встроенных политик распознавания, включая словари, регулярные выражения и политики безопасности.

Чтобы включить политику распознавания:

  1. Перейдите во вкладке Политики в папку Политики → Анализ контента и откройте Распознавание речи.

../_images/speech_7.png

  1. В окне политики включите флаг Политика активна.

  2. Перейдите во вкладку Фильтр и при необходимости добавьте ограничения.

Примечание

Укажите конкретные компьютеры или пользователей, чтобы ускорить процесс распознавания.

  1. Перейдите на вкладку Распознавание речи и выберите Движок → Tinkoff VoiceKit,

  2. Заполните поля API Key и Secret Key.

../_images/speech_8.png

  1. Сохраните изменения.

Дополнительно

Ограничения по размеру файла

Перед распознаванием речи происходит предварительная проверка размера файла:

  • минимальный размер — 30 КБ, соответствует примерно 1–2 секундам записи;

  • максимальный размер — 30 МБ, 10 минут записи весят около 5 МБ.

Если запись больше 20 минут, могут возникнуть проблемы с отрисовкой аудиодорожки.

../_images/speech_9.png

Чтобы убрать отрисовку для больших аудиозаписей, укажите Максимальный размер аудиофайла (Mb) для визуализатора в Локальных настройках.

Настройка через командную строку

Дополнительные параметры модуля распознавания можно задать в файле локальной конфигурации сервера /etc/staffcop/config.

  1. Откройте файл config:

sudo nano /etc/staffcop/config

  1. Добавьте в конец файла ключи T-Bank VoiceKit:

TINKOFF_API_KEY = '...'
TINKOFF_SECRET_KEY = '...'

  1. При необходимости добавьте дополнительные опции и сохраните изменения:

  • включить отладочную информацию:

    SPEECH_RECOGNITION_DEBUG

  • минимальная продолжительность аудиозаписи, по умолчанию 3 секунды:

    SPEECH_RECOGNITION_AUDIO_DURATION_MIN = 3

  • время устаревания JWT-токена, который используется в API Tinkoff, по умолчанию 600 секунд:

    TINKOFF_JWT_EXPIRATION = 600

  • максимальное количество попыток распознавания, по умолчанию 5:

    SPEECH_RECOGNITION_ATTEMPTS_LIMIT = 5

  1. Перезапустите сервер:

staffcop restart

После перезапуска будут применены новые настройки распознавания речи.