Техпідтримка втрачає до 30% клієнтів через нерозпізнаний негатив у процесі дзвінка. Кожен другий такий клієнт іде до конкурентів, не дочекавшись рішення. Щомісяця через це компанії втрачають суттєві суми (на прикладі call-центру на 50 операторів). Середній збиток від упущених клієнтів може сягати мільйонів рублів на рік. Ми створюємо Live Sentiment Analysis — AI-систему, яка в реальному часі оцінює емоційний стан клієнта за голосом і транскриптом, миттєво сигналізуючи оператору або супервайзеру. Рішення працює під ключ: від збору даних до деплою у ваш контакт-центр. Середній проект на 1000 одночасних дзвінків обробляє до 50 токенів на секунду з p99 latency 450 мс.
Аналіз тональності live — не просто модний термін, а інструмент з доведеною ефективністю. У A/B-тестах на реальних потоках ми фіксували зниження відтоку на 20% вже в перший місяць. Замовте демо для оцінки ефективності на ваших дзвінках.
Чому real-time аналіз критичний для call-центру?
Стандартні післядзвінкові опитування та прослуховування записів — минуле століття. Клієнт кидає трубку з негативом, а ви дізнаєтесь про це через день. Наш AI аналізує кожну фразу та акцент голосу, виводячи індикатор на екран із затримкою <500 мс. Це дозволяє оператору перебудувати розмову до того, як клієнт піде.
| Підхід | Затримка | Точність | Застосовність |
|---|---|---|---|
| Післяобробка | >24 години | ~90% | Архівний аналіз |
| Потоковий текст | 300-500 мс | ~80% | Реальний час |
| Fusion (текст+акустика) | <600 мс | >85% | Критичні моменти |
Fusion-модель точніша за чисто текстову в 1.5 рази, а акустичний аналіз у 3 рази швидший за текстовий.
Як fusion-модель підвищує точність?
Текстовий аналіз транскрипту (затримка 300–500 мс)
Використовуємо RuBERT від Hugging Face, донавчений на російськомовних відгуках. Код обробки:
from transformers import pipeline
import asyncio
sentiment_analyzer = pipeline(
"sentiment-analysis",
model="blanchefort/rubert-base-cased-sentiment-rurewiews",
tokenizer="blanchefort/rubert-base-cased-sentiment-rurewiews"
)
async def analyze_utterance_sentiment(text: str) -> dict:
result = sentiment_analyzer(text[:512])[0] # обмежуємо довжину
return {
"label": result["label"], # POSITIVE | NEGATIVE | NEUTRAL
"score": result["score"],
"text": text
}
Акустичний аналіз голосу (без транскрибації, затримка <100 мс)
Знімаємо просодичні ознаки безпосередньо з аудіопотоку — висота тону, енергія, темп мовлення. Це особливо цінно, коли текст нейтральний, а голос «кипить».
import librosa
import numpy as np
def extract_acoustic_features(audio_chunk: bytes, sr: int = 16000) -> dict:
"""Витягуємо просодичні ознаки для класифікації емоцій"""
audio = np.frombuffer(audio_chunk, dtype=np.int16).astype(np.float32) / 32768.0
# Основний тон (F0) — маркер емоційного стану
f0, _ = librosa.pyin(audio, fmin=80, fmax=400, sr=sr)
f0_mean = np.nanmean(f0)
f0_std = np.nanstd(f0)
# Темп мовлення
tempo, _ = librosa.beat.beat_track(y=audio, sr=sr)
# Енергія
rms = librosa.feature.rms(y=audio)[0]
energy_mean = np.mean(rms)
return {
"f0_mean": float(f0_mean) if not np.isnan(f0_mean) else 0,
"f0_std": float(f0_std) if not np.isnan(f0_std) else 0,
"energy": float(energy_mean),
"tempo": float(tempo)
}
Fusion: текст + акустика — точніше в 1.5 раза
Об'єднання двох каналів дає синергію: коли текст нейтральний, а голос схвильований, модель класифікує як «тривога» або «роздратування». Нижче приклад коду fusion-шару:
async def combined_sentiment(text: str, audio: bytes) -> dict:
text_sentiment, acoustic_features = await asyncio.gather(
analyze_utterance_sentiment(text),
asyncio.get_event_loop().run_in_executor(
None, extract_acoustic_features, audio
)
)
# Висока енергія + негативний текст = злість
# Низька енергія + негативний текст = засмучення
emotion = classify_emotion(text_sentiment, acoustic_features)
return {
"sentiment": text_sentiment["label"],
"emotion": emotion,
"confidence": text_sentiment["score"],
"acoustic_signals": acoustic_features
}
| Емоція | Текстовий сигнал | Акустичний сигнал |
|---|---|---|
| Гнів | Негативні слова | Висока F0, енергія |
| Розчарування | Негативні слова | Низька F0, низька енергія |
| Сарказм | Нейтральні слова | Суперечливі ознаки |
WebSocket для real-time UI
@app.websocket("/sentiment-stream/{call_id}")
async def sentiment_stream(websocket: WebSocket, call_id: str):
await websocket.accept()
async for event in get_call_events(call_id):
if event["type"] == "customer_utterance":
sentiment = await analyze_utterance_sentiment(event["text"])
await websocket.send_json({
"timestamp": event["timestamp"],
"text": event["text"],
**sentiment
})
Як інтеграція з CRM підвищує ефективність?
Система передає кожну метрику тональності у вашу CRM через REST API. Супервайзер отримує push-повідомлення про «червоні» дзвінки та може підключитися до розмови. Ми вже інтегрувалися з популярними платформами: Bitrix24, amoCRM, Zendesk. Вся історія емоцій зберігається в базі, що дозволяє будувати дашборди та виявляти проблемні теми.
MLOps: як ми підтримуємо модель у production
Для запобігання дрейфу даних ми впроваджуємо моніторинг ключових метрик (точність, розподіл класів). Кожні 2 тижні запускається валідація на свіжих розмічених вибірках. При падінні accuracy нижче порогу 80% автоматично ініціюється fine-tuning на останніх 10 000 діалогів. Для версіонування моделей використовуємо MLflow, інференс — на Triton Inference Server.
Процес роботи
- Аналітика: аудит поточної інфраструктури, збір історичних дзвінків (мінімум 1000 діалогів).
- Проектування: вибір архітектури — edge або хмарний інференс, векторизація чанків для RAG.
- Реалізація: навчання/донавчання моделей, написання fusion-шару, WebSocket-ендпоінтів.
- Тестування: A/B-експеримент на 10% дзвінків, порівняння з людським аудитом.
- Деплой: контейнеризація, масштабування під пікове навантаження вашого call-центру.
Типові помилки при впровадженні
- Занадто короткі фрази: модель потребує мінімум 10 токенів для текстового аналізу.
- Шум у каналі: неякісний запис знижує акустичну точність на 15-20%.
- Відсутність розмічених даних: fine-tuning без референсної вибірки дає приріст лише 5%.
Що входить у роботу
- Документація архітектури та API
- Вихідний код моделей і пайплайнів
- Інтеграція з вашою CRM або телефонією
- Навчання команди (2 години вебінару + чек-лист)
- Підтримка 3 місяці після запуску
Терміни та вартість
- Базова текстова версія — від 2 до 3 тижнів.
- Повний цикл (текст + акустика + навчання) — від 4 до 6 тижнів. Вартість розраховується індивідуально після оцінки обсягу даних та інфраструктури. Зв'яжіться з нами для консультації — оцінимо ваш проект за 1-2 дні. Також ви можете замовити демо-доступ до системи на своїх дзвінках.
5+ років на ринку AI-рішень, 50+ проектів у NLP та Computer Vision. Гарантуємо якість: кожен етап проходить валідацію на реальних даних. Отримайте рішення, яке не просто «лайк-дизлайк», а повноцінний детектор емоцій з акцентом на action.