Контроль звонков менеджеров через Deepgram: расшифровка, ошибки и цена

Руководитель отдела продаж в небольшой компании обычно слушает 5–10% звонков. Остальные никто не слышит: ни грубость, ни забытую допродажу, ни клиента, который трижды спросил про доставку и так и не получил ответа. Дело не в лени. Час записей занимает час рабочего времени, а звонков в день сотни.

Для этой задачи я собираю связку: распознавание речи переводит записи в текст, нейросеть проверяет текст по чек-листу, руководителю утром приходит сводка. Здесь разберу один инструмент из этой связки, Deepgram. Что он делает хорошо, где ломается на русской речи и во сколько обходится.

Что умеет Deepgram и зачем он отделу продаж

Deepgram — облачный сервис распознавания речи. Отправляете аудиофайл, через несколько секунд получаете текст. Для контроля звонков у него есть всё нужное:

• Разметка по голосам. Сервис отмечает, где говорит менеджер, а где клиент. Без этого нейросеть не поймёт, кто кому что пообещал.
• Скорость. Пятиминутный разговор распознаётся за секунды, поэтому сводку за день можно собрать ночью без очередей.
• Таймкоды. У каждой фразы есть время, и руководитель открывает запись сразу на нужной минуте.

Сам по себе текст ничего не оценивает. Дальше расшифровку получает языковая модель с вашим чек-листом: поздоровался ли менеджер, выяснил ли бюджет, назвал ли срок, предложил ли следующий шаг. Модель ставит отметки и выписывает цитаты там, где пункт провален.

Схема обычно выглядит так:

1. Телефония (Манго, UIS, Sipuni, Zadarma и другие) сохраняет запись и отдаёт её по API.
2. Сценарий на n8n или небольшой сервис раз в час забирает новые записи.
3. Deepgram превращает аудио в текст с разметкой по голосам.
4. Нейросеть проверяет текст по чек-листу и ищет тревожные места: возражение без ответа, обещание перезвонить, упоминание конкурента.
5. В 9 утра руководителю приходит сводка в Telegram: оценки по менеджерам и 5–10 звонков, которые стоит послушать самому.

Где Deepgram ошибается

На английском сервис почти не ошибается. С русской речью картина скромнее, и об этом лучше знать до запуска.

• Телефонное качество. Запись звонка идёт в узком канале 8 кГц, часто в моно. Когда собеседники перебивают друг друга, разметка по голосам путается. Сильно помогает, если телефония пишет каналы раздельно: менеджер в одном, клиент в другом.
• Названия, артикулы, цифры. Модель не знает ваш каталог. «Профиль 60 на 40» может превратиться во что угодно. Частично это лечится словарём ключевых терминов, который передаётся вместе с запросом, но не до конца.
• Шум. Склад, улица, громкая связь в машине дают пропуски целых фраз. Для оценки по чек-листу это терпимо, для дословных цитат уже нет.
• Смешанная речь. Если менеджеры вставляют английские или китайские слова, ошибок заметно больше.

Отсюда практический вывод: нейросеть должна оценивать смысл разговора, а не ловить конкретные слова. Пункт «менеджер назвал цену» проверяется надёжно. Пункт «менеджер дословно сказал фразу из скрипта» даст много ложных тревог.

Есть и два ограничения, которые к технике не относятся. Первое касается оплаты: Deepgram принимает карты зарубежных банков, российской картой не заплатить. Второе касается персональных данных. В записях есть имена и телефоны клиентов, а их отправка на зарубежный сервер по 152-ФЗ считается трансграничной передачей и требует отдельной подготовки. Если для вас это критично, ту же схему можно собрать на Yandex SpeechKit или на Whisper на своём сервере. Точность на ваших звонках в этом случае стоит проверить на пробной выборке из 30–50 записей, а для Whisper понадобится сервер с видеокартой.

Сколько это стоит: расчёт на отдел из пяти человек

Допущения: пять менеджеров, у каждого около 30 звонков в день средней длиной 3 минуты, 22 рабочих дня в месяце.

• Минут в месяц: 5 × 30 × 3 × 22 ≈ 10 000.
• Распознавание в Deepgram: по публичному прайсу примерно 0,4–0,8 цента за минуту, то есть ориентировочно $45–80 в месяц.
• Проверка по чек-листу недорогой моделью вроде DeepSeek: единицы долларов в месяц, расшифровки короткие.
• Сервер под сценарий: от 500 ₽ в месяц, если своего ещё нет.

Итого порядка 5–9 тысяч рублей в месяц. Для сравнения: прослушать те же 10 000 минут вручную значит потратить около 170 часов, это ставка ещё одного сотрудника. А руководитель, который слушает 10% звонков, тратит на это 17 часов в месяц и всё равно видит малую часть картины.

Собрать такую связку под вашу телефонию и чек-лист — ориентировочно 1–3 недели. Срок зависит от того, готов ли скрипт продаж и как телефония отдаёт записи.

Где это не окупится? Если у вас два менеджера и десяток звонков в день, руководитель послушает их сам за полчаса. Автоматическая проверка нужна там, где звонков больше, чем времени их слушать.

Автоматизирую ваш бизнес с помощью ИИ: Telegram-боты, чат-боты, интеграции и сайты под ключ. Напишите мне в Telegram @galich_co, бесплатно разберём вашу задачу, и я предложу решение. Скажу честно, нужна ли вам проверка звонков нейросетью или хватит выборочного прослушивания.