Транскрипция¶

Транскрипция позволяет агенту превращать записи в текст. Прикрепите запись звонка, встречи, лекции, подкаста или голосовое сообщение, и агент запишет, что было сказано, — с отметками времени и, если в записи несколько голосов, с меткой для каждого говорящего. Дальше он работает с текстом как с любым другим документом: делает краткое изложение, выделяет решения, находит цитаты или разбирает, как прошёл разговор.

Короткие записи возвращаются прямо в чат. Длинные занимают несколько минут, поэтому агент сообщает, что расшифровка готовится, и сам отвечает, когда она будет готова, — ждать или переспрашивать не нужно. В обоих случаях полная расшифровка сохраняется в трёх файлах (.txt, .json и .srt); в чате текстовый и JSON-файлы открываются на канвасе.

Что с этим можно делать¶

Прикрепить запись и попросить расшифровку. Подходят и аудио, и видео — у видео агент расшифровывает звук. Используйте кнопку прикрепления в чате, как для любого другого файла.
Попросить больше, чем просто текст. «Разбери этот звонок продаж и перечисли возражения», «назови три решения с этой встречи с отметками времени», «процитируй, что клиент сказал о цене». Агент читает расшифровку и отвечает по ней.
Получить метки говорящих. Если в записи несколько голосов и модель может их различить, каждая реплика помечается Speaker A, Speaker B и так далее, и платформа старается сохранять за одним и тем же человеком одну и ту же метку от начала до конца записи. Если метки говорящих не нужны, попросите агента их не ставить. Метки — это не имена: скажите агенту, кто есть кто, и дальше он сможет использовать имена.
Доверить определение языка или указать его самим. Язык распознаётся автоматически. Если запись трудно распознать — шумная или с несколькими смешанными языками, — скажите агенту язык, и он его использует.
Скачать результат. Каждая расшифровка сохраняется в трёх файлах с общим коротким именем, которое даёт агент, плюс короткий код, например team-sync-3f2a1c:
- текстовый файл (.txt) с отметками времени и, если модель различает голоса, метками говорящих — для чтения и пересылки;
- файл JSON (.json) со временем начала, временем окончания и говорящим для каждого фрагмента — для использования в других инструментах;
- файл субтитров (.srt), который работает как субтитры к исходному видео.
Восполнить пропущенный отрезок. Если часть длинной записи не удалось расшифровать, расшифровка всё равно выдаётся — пропуск отмечен своим временным диапазоном, — и можно попросить агента его восполнить. См. Длинные записи и пропуски.
Расшифровать запись, переданную другим агентом. Когда один агент поручает задачу другому и прикладывает запись, принимающий агент расшифровывает эту запись напрямую — никому не нужно загружать её заново. Так можно расшифровать только загруженную запись; запись, созданную агентом, — нельзя.
Пользоваться ею из интерфейса, сделанного билдером. Если у вашего агента есть собственный интерфейс, попросите билдер добавить экран транскрипции: загрузить запись, следить за ходом, видеть пропуски, повторять и скачивать файлы.

Файлы расшифровки принадлежат тому, кто их запросил, как и другие файлы, которые агент создаёт для вас.

Поддерживаемые файлы и ограничения¶


Форматы аудио	MP3, MPGA, M4A, WAV, AAC, OGG, OGA, Opus, FLAC
Форматы видео	MP4, MOV, MKV, WebM, AVI, MPEG (расшифровывается звуковая дорожка)
Размер файла	Тот же лимит загрузки, что и для любого другого файла (по умолчанию 200 МБ)
Длительность	До 2 часов аудио на одну запись

Файл больше лимита размера или в другом формате отклоняется сразу при отправке. Запись длиннее 2 часов или видео без звуковой дорожки останавливается, когда платформа берётся за обработку, с объяснением. Ни в одном из этих случаев ничего не списывается. Более длинную запись разделите на части и расшифруйте каждую.

Под капотом платформа переводит звук в компактный моноформат и обрабатывает запись частями примерно до 20 минут, по несколько одновременно. Первая часть обрабатывается отдельно, чтобы по её голосам сохранять те же метки говорящих в последующих частях. Поэтому длинная запись расшифровывается быстрее, чем длится, и сбой одной части не губит остальные.

Длинные записи и пропуски¶

В чате агент недолго ждёт результата. Если расшифровка к этому времени не готова, агент сообщает, что она ещё готовится, и останавливается — он не запускает задание заново. Когда расшифровка готова, агент сам продолжает разговор с результатом.

Вне чата — в запуске агента через API, в воркфлоу, в голосовом сеансе или сеансе в мессенджере — нет разговора, который можно продолжить, поэтому длинная расшифровка не доставляется автоматически. Агент запоминает задание и позже в том же запуске проверяет его снова, чтобы получить результат; второй раз задание он не запускает. Ничто не доставит результат в такой запуск само, поэтому, если агенту нужна расшифровка, он должен проверить задание до окончания запуска.

Задание, которое ждёт в очереди больше часа, отменяется без списания. Задание, которое выполняется дольше примерно получаса, останавливается, и вы получаете готовую часть как частичную расшифровку. Если какие-то части не удалось расшифровать — временная проблема у провайдера или баланс закончился посередине, — вы получаете частичную расшифровку:

готовые части находятся в расшифровке как обычно;
каждый пропущенный диапазон отмечен в тексте, например не расшифровано, со временем начала и окончания;
уже расшифрованные минуты уже списаны и повторно не списываются.

Попросите агента восполнить пропуск — «расшифруй недостающую часть», — и он продолжит то же задание с той же моделью, языком и настройками говорящих, обрабатывая только пропущенные диапазоны. Если пропуск возник из-за баланса, сначала пополните его.

Как выбирается модель¶

Названия моделей знать не нужно. Администратор платформы включает модели транскрипции в разделе Настройки → Медиамодели, отмечает одну из них как модель по умолчанию и описывает, в чём каждая сильна. Агент использует модель по умолчанию, если вы не попросите что-то конкретное:

Попросите метки говорящих, и агент может выбрать модель, которая различает голоса: он видит, что умеет каждая включённая модель.
Попросите конкретную модель по названию, и агент использует именно её. Если она недоступна, вы получите объяснение, а не молчаливую замену.
Если ни одна модель транскрипции ещё не настроена, агент сообщает об этом, и вашему администратору нужно её настроить. Ничего не списывается.

Модели, которые не умеют расставлять метки говорящих, всё равно дают полную расшифровку — просто без меток. Модель, которая не умеет ставить время для отдельных предложений, вместо этого даёт одну отметку времени на каждую часть записи.

Как это включить¶

В настройках агента Инструменты в билдере включите Транскрипция аудио. Внутри агента не нужны ни API-ключи, ни настройка провайдера — бэкенд транскрипции предоставляет платформа.
Прикрепите запись в чате и попросите то, что вам нужно.

Транскрипция аудио по умолчанию входит в каждый тариф. Если в ваш она не входит, агент сообщит, что для транскрипции нужен платный тариф, и ничего не будет списано. Актуальные тарифы — на странице цен; как тарифы открывают возможности, описано в разделе Тарифы и оплата.

Как это тарифицируется¶

Транскрипция оплачивается за минуту фактически расшифрованного аудио с того же баланса кредитов, что и остальное использование. Кто платит, определяется обычными правилами — см. Выбор того, кто платит.

По частям. Каждая часть записи списывается, когда она завершена, а не когда задание начинается. Баланс проверяется перед запуском каждой части, поэтому длинная запись останавливается, когда баланс заканчивается, а не продолжает обрабатываться; части, которые уже в работе, всё равно завершаются и списываются.
Сбои бесплатны. Неудачная попытка никогда не списывается, а часть, которая не удалась по временной причине, повторяется несколько раз, прежде чем от неё откажутся. Запись, обработка которой сорвалась посередине, стоит только расшифрованных минут.
Без двойной оплаты. Когда вы восполняете пропуск, обрабатываются и списываются только недостающие части. Уже завершённые части никогда не оплачиваются дважды, а новые части списываются с того же баланса, что и исходный запрос.

Длинные записи расходуют кредиты

Двухчасовая запись — это 120 минут транскрипции. Прежде чем отправлять несколько длинных записей, проверьте баланс на странице использования.

См. также Генерация медиа о создании изображений и видео и Инструменты и MCP о других встроенных инструментах.