Реализация автоматического транскрибирования Zoom, Google Meet, Teams
Ритейл-сеть с 200 магазинов проводит 50 совещаний в неделю. Ручные протоколы отнимают 20 часов. Мы автоматизировали расшифровку встреч: интеграция с Zoom, Google Meet и Teams, STT с диаризацией, суммаризация встреч и структурированный протокол совещания под ключ. Заказчик экономит 15 часов в неделю на протоколировании — это около 80% времени. Наш опыт — 5+ лет в AI/ML, 30+ проектов по транскрибации для банков, ритейла и IT. Гарантируем SLA 99.9% и конфиденциальность (NDA).
Типичные проблемы: встроенные транскрипции платформ дают низкую точность при шуме или акцентах (до 70% ошибок при наложении речи), не различают спикеров, не формируют протокол встречи. Встречи без протокола теряют задачи и решения. Наше решение устраняет эти узкие места: точность распознавания речи достигает 95%, диаризация спикеров работает даже при наложении голосов, а NLP-модели для бизнеса извлекают ключевые решения и задачи.
Как получать аудио из конференций без задержек?
Используем три подхода: скачивание записи через API (задержка 5–10 мин), webhooks (автозапуск после встречи, <1 мин) и встроенные боты (реальное время). Выбор зависит от требований к задержке и сложности интеграции. Для корпоративных клиентов с высокими требованиями к скорости рекомендует webhooks — они обеспечивают автоматический запуск обработки сразу после окончания встречи.
Скачивание записи через API — простой способ с задержкой до завершения встречи. Подходит для постобработки:
# Zoom API для скачивания записей
import requests
def download_zoom_recording(meeting_id: str, token: str) -> bytes:
recordings = requests.get(
f"https://api.zoom.us/v2/meetings/{meeting_id}/recordings",
headers={"Authorization": f"Bearer {token}"}
).json()
audio_file = next(
f for f in recordings["recording_files"]
if f["file_type"] == "M4A" # только аудио
)
return requests.get(audio_file["download_url"]).content
Zoom Webhooks — автозапуск после окончания встречи:
@app.post("/zoom/webhook")
async def zoom_webhook(request: Request):
data = await request.json()
if data["event"] == "recording.completed":
meeting_id = data["payload"]["object"]["id"]
asyncio.create_task(process_meeting_recording(meeting_id))
Встроенные боты — для платформ, где доступна установка приложений (Zoom Apps, Teams Bot).
| Подход | Задержка | Сложность | Требования |
|---|---|---|---|
| Download API | 5–10 мин | Низкая | API ключ, хранилище |
| Webhook | <1 мин | Средняя | Сервер, webhook endpoint |
| Bot | Реальное время | Высокая | Платформа поддерживает |
Почему важна диаризация спикеров?
Диаризация спикеров — задача определения «кто когда говорит». Без неё протокол теряет контекст: непонятно, кто принял решение или поставил задачу. Наш метод в 2 раза точнее стандартных решений (например, встроенной Zoom транскрипции) для встреч с наложением голосов. Точность 95% для групп до 10 участников.
Транскрибация с диаризацией
async def transcribe_meeting(audio_path: str, participants: list[str] = None) -> dict:
transcriber = CallTranscriber()
result = await transcriber.transcribe_call(audio_path)
protocol = await generate_meeting_protocol(result, participants)
return protocol
async def generate_meeting_protocol(transcript: dict, participants: list) -> dict:
"""Генерируем структурированный протокол через LLM"""
full_text = "\n".join(
f"{turn['speaker']}: {turn['text']}"
for turn in transcript["turns"]
)
response = await client.chat.completions.create(
model="gpt-4o",
messages=[{
"role": "system",
"content": "Создай протокол совещания с разделами: Повестка, Ключевые решения, Задачи (с ответственными и сроками), Следующая встреча."
}, {"role": "user", "content": full_text}]
)
return {
"summary": response.choices[0].message.content,
"transcript": transcript,
"participants": participants,
"duration": transcript["duration"]
}
Интеграция с Microsoft Teams через Graph API
# Скачивание записи Teams через Microsoft Graph
def get_teams_recording(meeting_id: str, token: str) -> bytes:
recordings = requests.get(
f"https://graph.microsoft.com/v1.0/me/onlineMeetings/{meeting_id}/recordings",
headers={"Authorization": f"Bearer {token}"}
).json()
Стек технологий: PyTorch для моделей диаризации, OpenAI Whisper для STT, LangChain для оркестрации LLM, Pinecone для векторного поиска по транскриптам. Всё разворачивается в изолированном контуре клиента.
Что входит в работу
- Интеграция с одной платформой (Zoom, Meet или Teams).
- Настройка автоматического запуска транскрибации после встречи.
- STT с диаризацией (до 10 спикеров).
- Генерация протокола (повестка, решения, задачи).
- Веб-интерфейс для просмотра и поиска по транскриптам.
- REST API для экспорта протоколов.
- Интеграция с календарем (Google Calendar) для автоматического получения ссылок.
- Документация и обучение 2 пользователей.
- Поддержка 2 недели.
Сравнение с альтернативами
| Решение | Точность STT | Диаризация | Суммаризация | Интеграция |
|---|---|---|---|---|
| Встроенная в Zoom | 60-70% | Нет (только список участников) | Нет | Только Zoom |
| Otter.ai | 80-85% | Есть (до 5) | Базовая | Ограниченная |
| Наше решение | 95% | Есть (до 10) | Бизнес-контекст | Zoom, Meet, Teams, API |
Процесс внедрения
- Аналитика: выясняем платформы, число встреч, нужна ли интеграция с CRM.
- Интеграция: настраиваем webhooks, OAuth, получаем доступы.
- Тестирование: прогоняем 10 записей, калибруем модель под акценты и шумы.
- Деплой: разворачиваем на сервере клиента или в облаке.
- Обучение: 2 часа онлайн-тренинга для команды.
- Поддержка: 2 недели после запуска.
Сроки и стоимость
Интеграция с одной платформой — от 1 недели. С двумя–тремя — до 3 недель. Стоимость рассчитывается индивидуально, зависит от числа встреч в месяц и дополнительных функций (например, связь с CRM). Для ориентира: ручная расшифровка одной встречи длительностью 1 час обходится компании в среднем в 2000–3000 рублей — автоматизация сокращает эти затраты на 80%. Свяжитесь с нами для бесплатной оценки вашего проекта — мы подготовим предложение за 2 дня. Закажите внедрение, чтобы сэкономить до 80% времени на протоколировании.
Документация Zoom API — используем для получения записей. По нашим оценкам, одно совещание длительностью 1 час обходится компании в среднем в 2500 рублей затрат на ручное протоколирование, что делает автоматизацию экономически оправданной.