תמלול אוטומטי של שיחות טלפון

מדוע תמלול שיחות נשבר בהקלטות אמיתיות

מודלים פתוחים כמו Whisper על הקלטה סטודיו נקייה מפיקים טקסט כמעט מילולי ויוצרים תחושה מוטעית שהמשימה נפתרה. בזרם מהטלפוניה אותו תמלול שיחות הופך לעיסה: קטעי משפטים, שמות שגויים, אמירות המיוחסות למשתתף הלא נכון.

הסיבה הראשונה — איכות ההקלטה. ערוץ טלפוני צר־פס, הדהוד, אובדן חבילות ודחיסה חוזרת חותכים את התדרים הגבוהים, שבהם בדיוק נבדלים העיצורים. דיכוי רעשים בצד מרכזיית הטלפוניה מחסל דיבור שקט — והמודל משלים את המילה לפי המשמעות, לא לפי הצליל.

השנייה — חפיפת קולות והחלפת דובר. הלקוח והנציג מפריעים זה לזה, הפרדת האמירות לפי דוברים לא מספיקה לעבור ומדביקה שני משפטים לאחד. על "אה־הא", "כן־כן" קצרים, ספרות וכתובות שגיאות זיהוי מצטברות הכי מהר.

השלישית — סלנג ענפי. שמות חבילות, מקטים, ראשי תיבות ומספרי חוזים המודל כותב לפי פונטיקה, לא לפי ספר עזר. בלי מילון תחום ובלי עיבוד־בתר, טקסט כזה אי אפשר להעלות למערכת הרישום — יהיה צורך לקרוא אותו ידנית.

הרביעית — הארכיון עצמו. אם ההקלטה אוחדה למונו או הוקלטה ברשמקול ליד הטלפון, שום מודל לא ישחזר את מה שאבד. לכן אנחנו מתחילים בביקורת הקלטות: האם הערוצים הוקלטו לפי צדדי השיחה, מה קורה בדחיסה, באילו מקומות הדיבור נעלם לגמרי. בהמשך — איך זה נסגר בכל רמה.

מה משתנה אחרי ההטמעה: אפקטים במדדי עבודה

המדד הראשון שזז — שיעור השיחות שהנציג כבר לא מאזין להן ידנית. הדיבור הופך לטקסט תוך כדי, ופנייה טיפוסית נסגרת לפי התמלול: הנציג קורא את הקטע הרלוונטי במקום לגלגל את כל ההקלטה. הקלטות שלא הגיעו אליהן קודם מפסיקות להיות משא מת.

ניתוח הארכיון המצטבר מפסיק להיות פרויקט נפרד. החיפוש מתבצע לפי אמירות — לפי מספר הזמנה, שם שירות, ניסוח תלונה — והמדגם לתקופה הנדרשת נאסף בדקות במקום ימים של האזנה. האינדקס נבנה על כל הקווים בבת אחת, ולכן תקלה נבחנת לפי המילים בפועל של הלקוח, לא לפי סיכום.

שלמות כרטיס הפנייה גדלה בזכות חילוץ ישויות מהתמלול: כתובת, מזהה הזמנה, מועד מובטח, סיבת סירוב. השדות מתמלאים אוטומטית ונשארים ניתנים לבדיקה — כל ערך מקושר לקטע בשיחה. שיעור הפניות עם שדות חובה ריקים יורד פי כמה, ומקרה שנוי במחלוקת נבחן לפי ציטוט, לא לפי זיכרון.

בקרת האיכות משנה צורה: הבודק עובד לא עם מה שהספיק לשמוע, אלא עם חתך לפי כל הקווים. מתגלים דברים מערכתיים — תסריטים שנציגים עוקפים, ונושאים שלקוחות חוזרים אליהם שוב. כיסוי הבדיקות נמדד לפי שיעור השיחות, לא לפי מספר שעות ההאזנה, ולכן הדגימה מפסיקה להסתיר בעיות.

תמלול שיחות: מצב אצווה, זרימה והיברידי

מצב העיבוד נבחר לא לפי נפח הארכיון, אלא לפי מה שנדרש ברגע השיחה: למסור לנציג טקסט מיד או לנתח את ההקלטה אחר כך. עיבוד אצווה שולף הקלטות מהטלפוניה לפי לוח זמנים ומתמלל באצוות, עיבוד זרימה מעביר את השמע לזיהוי תוך כדי השיחה, ומצב היברידי מפעיל את שני הענפים על קווים שונים.

ההבדל ניכר בהשהיית המסירה. תמלול זרימה מוסר אמירות בתוך שניות ספורות מסיומן — זה נדרש במקומות שבהם הנחיה לנציג או בקרת תסריט פועלות בזמן אמת. מצב אצווה אחראי להקלטה כולה: הוא שורד עומסי שיא בלילה, ניתוקי קשר ומעבד מחדש קבצים תקולים, אבל התוצאה מגיעה באיחור של דקות ושעות.

הבחירה תלויה בשני גדלים: כמה שיחות מתנהלות בו־זמנית וכעבור כמה זמן אחרי השיחה הטקסט צריך להיות ב-CRM. תוצאות שני הענפים מרוכזות במאגר אחד עם סימון ערוצים, דוברים וזמני אמירות — על מודלים פתוחים לזיהוי כמו Whisper השמע והטקסט נשארים בצד שלכם. אם חלק מהקווים דורשים זמן אמת וחלק רק דיווח, מצב היברידי מסיר את הצורך להחזיק שתי מערכות.

איך אנחנו מטמיעים: ביקורת, סכימה, הגדרה, בדיקה, מסירה

התמלול מתחיל לא בבחירת מודל, אלא בניתוח מה שכבר הוקלט. על מערך שיחות אמיתי רואים את שיעור חפיפות הדיבור, רעש המוקד, ניבים, סלנג ואיכות הערוץ — הנתונים האלה קובעים את סכימת העיבוד. להלן רצף הצעדים מהאזנה ראשונה ועד מסירה לתפעול.

1. ביקורת הקלטות. לוקחים מדגם לפי קווים, נציגים וסוגי פניות שונים, מחשבים את שיעור הדיבור, החפיפות והקטעים הבלתי ברורים. התוצאה — דוח עם הערכת דיוק אפשרי ורשימת קבוצות בעייתיות.
2. סכימת עיבוד. מחליטים היכן למקם את הזיהוי: בזרימה בזמן השיחה או אחרי סיומה. מקבעים הפרדת דוברים, פורמט מסירה עם חותמות זמן, תקופות שמירה וקישור הטקסט להקלטה במערכת הרישום.
3. הגדרת מילונים. משלימים את הלקסיקון הבסיסי בשמות מוצרים, תפקידים, קיצורים וטעויות אופייניות מהביקורת. לקווים דו־לשוניים מגדירים החלפת שפה בתוך המשפט, וגרסאות מילון נשמרות לצורך חזרה אחורה.
4. חיבור למקור. שולפים הקלטות מהמערכת, מגדירים תור וניסיונות חוזרים בעת תקלות, מגבילים גישה: טקסט השיחה זמין רק למי שיש לו זכות להקלטה עצמה.
5. קבלת איכות. מריצים מדגם שלא השתתף בהגדרה, ומשווים לתמלול ידני לפי שיעור המילים הנכונות והישויות המרכזיות — מספרים, כתובות, סכומים. את הסף מסכמים מראש ומקבעים בפרוטוקול.
6. מסירה לתפעול. מוסרים נהלים, סכימה, מילונים, הוראות לתמיכה ולוח בקרה עם איכות לפי ימים; בשבוע הראשון מלווים ומנתחים חריגות.

ערכת מסירה: תצורות, סכימות ונהלים

ערכת המסירה היא לא תיקייה עם קבצים, אלא מערכת עבודה שהצוות שלכם מנהל בעצמו אחרי המסירה. תצורות נערכות בלעדינו, סכימות מסבירות מה זורם לאן, ונהלים קובעים את ההתנהגות בעת תקלה. כל ארטיפקט נמסר בפורמט שאתם מתחזקים בכוחות עצמכם — בלי עורכים סגורים והערות ש"ברור רק למחבר".

• תצורת המערכת — פרמטרי חיבור לטלפוניה, תור עיבוד, ספי ודאות של הזיהוי, תקופות שמירה של הקלטות והתמלולים. הערכים מופרדים מהקוד: אפשר לשנות כלל בלי לבנות מחדש ולהוציא גרסה.
• סכימת זרימות נתונים — מסלול השיחה מההקלטה ועד התמלול המוכן: היכן נמצא השמע, באיזה שלב מופעל הזיהוי, אילו בדיקות עובר הטקסט, לאן מגיעה התוצאה.
• מילון מונחים — שמות מוצרים, מחלקות, תפקידים, ראשי תיבות ושמות שנשמעים לא נכון בלי המילון. מתעדכן תוך כדי, בלי אימון מחדש.
• תיעוד המערכת — הרכב השירותים, נקודות אינטגרציה עם מערכת רישום הלקוחות והמאגר, פורמטי ייצוא, משתני סביבה, סדר עדכון.
• נוהל תפעול — מה לעשות כשאין גישה לטלפוניה או לשירות הזיהוי, איך להפעיל מחדש את התור, איך לבדוק את השהיית העיבוד ואת שלמות הייצוא, למי לדווח על תקלה.
• מתודולוגיית בקרת איכות — מדגם שיחות ייחוס, סדר מדידת שיעור השגיאות, כללי עדכון מחדש של המילונים וקריטריונים שבהם הזיהוי נחשב מדרדר.

את הערכה מקבלים יחד: המהנדסים שלכם מרימים את המערכת בסביבת בדיקה לפי התיעוד שלנו. אם שלב לא מתואר או מתואר כך שהוא דורש שיחה עם המחבר — זו מחדל שלנו, ואנחנו מתקנים אותה.

מקרה בוחן של מוקד: דיוק התמלול לפני ואחרי

מוקד תמיכה נכנסת — כ־4,000 שיחות ביממה, שישים נציגים בקו. התמלול נעשה בעיבוד אצווה לילי על מודל כללי: שיעור שגיאות המילים עמד על 28–34%, ולכן ההקלטה התאימה רק ל"להבין על מה בכלל הייתה השיחה".

כאב נפרד — ישויות מספריות ומינוחיות. מספרי חוזים, קודי שגיאה, שמות חבילות המודל הפיק כמערכת תווים אקראית, וכל מה שדרש דיוק הנציג הקליד ידנית למערכת הרישום. בקרת האיכות הייתה דגמית: 10–12 הקלטות להאזנה ביום, פחות מ־0.3% מהשיחות.

מה עשינו

הרכבנו מערכת זיהוי נפרדת: תמלול זרימה על Whisper עם אימון משלים על ארכיון ההקלטות של המוקד עצמו, מילון ישויות למוצר — חבילות, קודים, שמות — ונרמול מספרים ותאריכים לפני ההזנה למודל. הוספנו הפרדה לפי דוברים: האמירות משויכות למשתתף מסוים, ולא מוזגות לזרם אחד.

מה השתנה במספרים

שיעור שגיאות המילים — 6–9% בערוץ נקי ו־12–14% בהקלטות רועשות מטלפונים ניידים. הקריאה הידנית הצטמצמה מכל שיחה לבדיקה מדגמית, בערך אחת לעשרים.

נעלם סוג שלם של שגיאות: ספרות, קודים ושמות שירותים כבר לא הולכים לאיבוד, חיובים שנויים במחלוקת נבחנים לפי ציטוט מהשיחה, לא לפי זיכרון הנציג. בקרת איכות מלאה עלתה מ־0.3% ל־100% מהשיחות — בלי להרחיב את מצבת המחלקה.

מה לעשות אם ארכיון ההקלטות נשמר בפורמט ישן

ארכיון הקלטות טלפוניות בירושה כמעט אינו אחיד. חלק מהקבצים דחוסים בקודקים טלפוניים צרי־פס (G.729, GSM, רב־קצבי מסתגל), חלקם עותקים שכבר עברו המרה, וחלקם זרמים בלי כותרת תקינה עם סיומת .wav. אסור להאמין לסיומת ולמטא־נתונים: הפורמט נקבע לפי החתימה ותוצאת פענוח ניסיוני.

כלל מפתח בהמרה — לאפשר בדיוק אובדן אחד בכל תולדות ההקלטה. הזרם הדחוס מפוענח פעם אחת למאסטר ללא אובדן, וכל העיבוד החוזר יוצא כבר מהמאסטר.

אם מפעילים תמלול שיחות מהמקור ושומרים תוצאות ביניים בפורמט דחוס, ארטיפקטים מצטברים: רעש חיזוי, "צלצול", עיצורים שנבלעו — והמודל מתחיל לבלבל מילים דומות בצליל.

העלאת קצב הדגימה לא מחזירה מידע שאינו קיים בהקלטה צרת־פס. עדיף להזין אותה למודל שאומן על ערוץ טלפוני מאשר לנפח אותה לרוחב־פס: הדיוק אותו דבר, והנפח וזמן העיבוד גבוהים יותר.

בנפרד מתקנים פגמי מסלול — הצפת רמה, פעולת בקרת הגבר אוטומטית, ניתוקים — אחרת הם יוצרים הפעלות שגויות באמירות.

הגירת הארכיון בנויה כתהליך אידמפוטנטי. קודם כל רישום פספורט: לכל קובץ נרשמים קודק, משך, מספר ערוצים, שלמות. אחר כך נקודות ביקורת לפי הקלטות — מעבר שנפסק באמצע לא מחייב להתחיל מהתחלה ולא יוצר כפילויות. המקורים נשמרים עד להשוואה עם יומן המרכזייה ומערכות הרישום: כך מתגלות שיחות ששויכו בטעות למנוי אחר.

ספקות טכניים שאנחנו מסירים לפני תחילת העבודה

לפני ההתחלה הצד הטכני של הלקוח בודק בדרך כלל לא את רעיון התמלול עצמו, אלא את הממשק שלו עם התשתית: היכן פיזית נמצאות ההקלטות, מה יוצא מחוץ לגבולות הארגון, איך המערכת מתנהגת על הלקסיקון שלהם ומה יקרה אם האיכות תהיה נמוכה מהצפוי. להלן תשובות למה שהכי часто עולה בשלב התיאום.

איך המערכת מתמודדת עם הלקסיקון שלנו — שמות מוצרים, מקטים, שמות?

זיהוי בסיסי עובד מהיום הראשון, אבל לקסיקון תחומי אנחנו משלימים בנפרד: אוספים מילון מונחים וראשי תיבות, מוסיפים אותו למודל ובודקים על מדגם מסומן של שיחות אמיתיות. בדרך כלל מספיקות שתיים־שלוש איטרציות כדי שמקטים ושמות יפסיקו להיות מזוהים לפי הברות.

מה נחשב להצלחת פיילוט ואיך אתם מודדים זאת?

מחשבים שיעור שגיאות במילים ובישויות המרכזיות — מספרי הזמנות, סכומים, תאריכים — על מדגם מוחזק שלא שימש בהגדרה. בנוסף בודקים בנפרד כמה שיחות צריך לסמן ידנית: אם השיעור שלהן יורד פי כמה ביחס לתמלול ידני, המשימה נפתרה.

מה יקרה אם האיכות לא תספק?

מפעילים במצב צל: המערכת מתמללת את הזרם במקביל לתהליך הנוכחי, התוצאות מושוות, אבל שום דבר לא מוחלף. את המעבר עושים לפי חלקי תעבורה — מערוץ אחד לשאר, עם אפשרות להחזיר עיבוד ידני בכל רגע.

מה נדרש מאיתנו כדי להתחיל, וכמה זה ייקח?

צריך גישה להקלטות שיחות מהתקופה האחרונה, הבנה איך הן נשמרות, ואיש קשר אחד מצד הטלפוניה. על הנתונים האלה מכיילים מילון ומדדים, אחר כך — הרצת צל והפעלה הדרגתית. נדון במשימה שלכם — נחזור עם הערכה ותוכנית לפי שלבים.

נדון במשימה ונחזור עם הערכה ותוכנית

כדי לחזור עם הערכת פרויקט ותוכנית הטמעה, לא צריך תדריך מפורט — מספיק דיון אחד עם המהנדס שלכם או ראש התחום. אנחנו מתעניינים היכן נמצאות כעת הקלטות השיחות, איך בנויה הטלפוניה ולאן צריך להגיע הטקסט המוכן: למערכת הרישום, למאגר או לממשק נפרד לבקרת איכות. זה מספיק כדי לראות צווארי בקבוק לפני תחילת העבודה.

בתמורה אתם מקבלים מסמך שאפשר להחליט לפיו בלי הבהרות נוספות:

• סכימת זרימה: מההקלטה בטלפוניה ועד הטקסט במערכת שלכם, עם מקומות האחסון של השמע והתמלולים;
• דרישות איכות: שיעור יעד של מילים שזוהו נכון, דיוק ההפרדה לפי דוברים, מילון מונחים, שמות ושמות פרטיים;
• תוכנית הטמעה לפי שלבים: פיילוט במחלקה אחת, מדידת איכות על שיחות אמיתיות, הרחבה לשאר הקווים;
• רשימת נתונים והרשאות מצדכם ואחראי שמקבל את תוצאת השלב;
• מדיניות עבודה עם נתונים אישיים: היכן נשמרים השמע והטקסט, תקופות שמירה, מחיקה לפי בקשה;
• הערכת הפרויקט: שעות עבודה לפי שלבים והרכב התמיכה אחרי ההפעלה;
• קריטריוני קבלה — מה בדיוק נחשב לפתרון עובד.

השלב הבא — תארו את המשימה: כמה קווים ושיחות בחודש, איזו טלפוניה, מה אתם עושים עם התמלולים сейчас. נחזור עם הערכה ותוכנית הטמעה.