آواینو: گفتار به متن و تفکیک گوینده
تبدیل گفتار به متن دقیق همراه با تفکیک گوینده برای مراکز تماس، جلسات و تحلیل‌های صوتی سازمان‌ها و شرکت‌ها.
- تبدیل صوت به متن با دقت بالا در فارسی
- تفکیک هوشمند گویندگان در مکالمات
- بهینه‌سازی مراکز تماس و پیاده‌سازی جلسات
- استخراج KPI جهت تماس‌های صورت‌گرفته در داشبوردهای PowerBI
- قابلیت اتصال به گپینو جهت تحلیل‌های دقیق فروش
- برقراری اتصال حتی در صورت قطعی اینترنت بین‌الملل
مشاهده آواینو
پردازش گفتار برای مکالمات واقعی
آواینو یک سامانه هوشمند پردازش گفتار است. با مدل‌های عمیق هوش مصنوعی، صوت را به متن تبدیل می‌کند، گویندگان را تفکیک می‌کند و مکالمات فارسی را، از جمله گویش‌ها، پردازش و تحلیل می‌کند. این محصول برای محیط‌های پرتراکم صوت ساخته شده است: مراکز تماس، ارتباط با مشتریان، فروش، خدمات پس از فروش، واحد بازرگانی، و نیز اپراتورهای پلیس، اورژانس و آتش‌نشانی، به‌همراه سامانه‌های ثبت مستندات صوتی.
مکالمات صوتی به متن تبدیل می‌شوند و اگر چند نفر صحبت کنند، صحبت هر فرد جدا می‌شود. واژگان تخصصی متناسب با حوزه فعالیت سازمان قابل سفارشی‌سازی است و فایل‌های صوتی طولانی هم پشتیبانی می‌شوند.
کاربرد در واحدهای سازمان
از مرکز تماس تا جلسه داخلی: صوت به متن قابل جست‌وجو و تحلیل تبدیل می‌شود، فراتر از یک فایل ضبط‌شده.
- مرکز تماس و ارتباط با مشتری: تبدیل مکالمه تلفنی به متن و تفکیک صحبت مشتری از کارشناس
- فروش: تحلیل مکالمات فروش، درخواست‌های تکرارشونده و نحوه پاسخگویی کارشناسان
- خدمات پس از فروش: شناسایی شکایت، نارضایتی و مشکلات پرتکرار محصول
- واحد بازرگانی: آرشیو مکالمات و جست‌وجو در آنچه درباره سفارش و تحویل گفته شده است
- جلسات: پیاده‌سازی جلسه‌های طولانی و استخراج تصمیم، درخواست و موضوع‌های باز
- محیط عملیاتی: مستندسازی صوت پرتراکم برای اپراتورهای پلیس، اورژانس و آتش‌نشانی
نمونه کاربردهای عملی
نمونه پرسش‌های زیر از جنس تحلیل‌هایی‌اند که از فایل صوتی خام یا لاگ تماس به‌تنهایی به‌سختی به دست می‌آیند.
مرکز تماس و ارتباط با مشتری
مکالمه را متن کنید و گوینده را جدا کنید تا موضوع شکایت، درخواست و کیفیت پاسخ کارشناس کنار هم دیده شود.
- «کدام موضوعات شکایت در تماس‌های این ماه تکرار شده اما هنوز پاسخ نهایی در پرونده مشتری ثبت نشده است؟»
- «در کدام تماس‌ها زمان انتظار بالا بوده و مشتری هم نارضایتی ابراز کرده است؟»
فروش
آنچه در تماس فروش گفته شده را به نتیجه وصل کنید تا زمان مکالمه به‌تنهایی جای نتیجه را نگیرد.
- «کدام کارشناسان زمان مکالمه بالا دارند اما نرخ تبدیل فرصت‌شان در همان دوره پایین مانده است؟»
- «کدام محصولات در تماس‌های فروش زیاد پرسیده شده‌اند اما سهم کمی از سفارش‌های ثبت‌شده همان دوره داشته‌اند؟»
خدمات پس از فروش و بازرگانی
مشکل پرتکرار، شکایت از تحویل و درخواست تکراری را از مکالماتی بیرون بکشید که قبلاً داخل فایل صوتی می‌ماندند.
- «کدام مشکلات محصول در تماس‌های پس از فروش تکرار شده و همراه با شکایت از تأخیر تحویل بوده است؟»
- «کدام درخواست‌های گارانتی بیش از یک بار توسط همان مشتری مطرح شده و هنوز باز است؟»
جلسات و مستندات صوتی
صدای جلسه طولانی به متن با تفکیک گوینده تبدیل می‌شود تا تصمیم‌ها و موضوع‌های باز قابل جست‌وجو باشند.
- «کدام تصمیم‌ها در جلسه‌های این ماه اعلام شده اما در صورتجلسه مکتوب نیامده است؟»
- «کدام موضوع‌ها در چند جلسه پیاپی تکرار شده بدون اینکه مسئول پیگیری مشخصی داشته باشد؟»
پلیس، اورژانس و آتش‌نشانی
در صوت عملیاتی پرتراکم، گوینده‌ها را جدا کنید، نویز را کم کنید و تماس را به مستند قابل جست‌وجو تبدیل کنید.
- «کدام انواع حادثه در شیفت شب بیشتر گزارش شده و زمان مستندسازی صوتی آن‌ها هم طولانی‌تر بوده است؟»
- «در کدام تماس‌ها چند گوینده هم‌زمان صحبت کرده‌اند و درخواست اصلی در متن نهایی مبهم مانده است؟»
مسیر پردازش
مسیر ماژولار از دریافت صوت تا متن پاک‌سازی‌شده، تفکیک گوینده و استخراج اطلاعات کلیدی: آماده برای داشبورد، API و تحلیل مدیریتی.
- دریافت صوت: فایل (MP3، WAV، FLAC)، میکروفون یا API
- پیش‌پردازش: نرمال‌سازی صدا، تبدیل نرخ نمونه‌برداری و حذف نویز برای وضوح بهتر گفتار
- تشخیص: مدل‌های عمیق گفتار با تفکیک هم‌زمان چند گوینده
- پس‌پردازش: پاک‌سازی متن، بازسازی جملات، زمان‌بندی بخش‌ها و روان‌سازی عبارت‌ها
- استخراج: اطلاعات کلیدی، موضوع‌های مهم، درخواست‌ها و شکایت‌ها از مکالمه
- تحویل: داشبورد مدیریتی، API و شاخص‌های KPI تماس برای Power BI
ترکیب با گپینو
آواینو مکالمات را با تفکیک گوینده به متن تبدیل می‌کند؛ سپس گپینو همان محتوا را برای بینش مدیریتی تحلیل می‌کند: صوت: متن: تفکیک گوینده: استخراج اطلاعات: تحلیل هوشمند: گزارش مدیریتی.
آنچه پیش از این در فایل‌های صوتی و مکالمات تلفنی پراکنده بود، به داده‌ای قابل جست‌وجو، تحلیل و تصمیم مدیریتی تبدیل می‌شود. نمونه پرسش در گپینو:
- «مهم‌ترین موضوع‌هایی که مشتریان در گفتگوهای این ماه مطرح کردند چه بود؟»
- «چند گفتگو شکایت از تأخیر تحویل بود؟»
- «مهم‌ترین درخواست‌های مشتریان درباره محصولات چه بود؟»
استقرار و امنیت اطلاعات
استقرار ابری با محیط اختصاصی، یا در محل روی سرورهای خودتان، تا در صورت نیاز به محرمانگی بالاتر، پردازش صوت داخل شبکه سازمان بماند. اتصال می‌تواند حتی در صورت قطع اینترنت بین‌الملل ادامه پیدا کند.
مسیر استقرار آواینو
مسیر کامل از بررسی فنی تا استفاده روزانه: متناسب با منابع صوت، واژگان، شبکه و واحدهای شما.
-
۱
گام ۱: ارزیابی فنی
بررسی می‌کنیم صوت از کجا می‌آید و آواینو چگونه باید آن را دریافت کند.
- شناسایی منابع صوت: مرکز تماس، فایل ضبط، جلسه، میکروفون
- بررسی فرمت‌ها و حجم فایل‌های طولانی
- فهرست واژگان تخصصی حوزه فعالیت
- انتخاب استقرار ابری یا در محل
-
۲
گام ۲: اتصال و پیکربندی
دریافت صوت، تفکیک گوینده و داشبورد مدیریتی تنظیم می‌شوند.
- اتصال دریافت از فایل، میکروفون یا API
- تنظیم تفکیک گوینده و حذف نویز
- بارگذاری واژگان تخصصی
- تعریف نقش دسترسی و داشبورد
-
۳
گام ۳: آزمایش و آموزش
آزمایش محدود دقت متن و تفکیک گوینده را می‌سنجد؛ سپس کاربران آموزش می‌بینند.
- اجرای نمونه مکالمات واقعی
- بازبینی دقت متن و تفکیک گوینده
- تنظیم شاخص‌های KPI تماس
- آموزش کارشناسان و مدیران
-
۴
گام ۴: بهره‌برداری و گسترش
استفاده روزانه در واحدها، پایش KPI، و اتصال به گپینو برای تحلیل مدیریتی.
- آرشیو مکالمات و جست‌وجو در محتوا
- پایش موضوع‌های پرتکرار و شکایت‌ها
- استخراج KPI در داشبورد Power BI
- یکپارچه‌سازی با گپینو برای تحلیل مدیریتی
