Yandex SpeechKit для поддержки — голосовой бот за неделю

Принимаем звонки, распознаём речь и отвечаем синтезированным голосом. Как устроен голосовой бот на SpeechKit и что реально успеть за неделю.

Типичная картина в поддержке: половина звонков — одни и те же вопросы. Где мой заказ, до скольки работаете, как записаться, как вернуть товар. Операторы отвечают на них по кругу, а сложные обращения ждут в очереди. Голосовой бот снимает эту рутину: принимает звонок, понимает вопрос, отвечает голосом и переводит на человека, когда сам не справляется.

Для русского языка один из самых практичных вариантов — Yandex SpeechKit, облачный сервис распознавания и синтеза речи в Yandex Cloud. Разберём, как из него собирается бот и что реально успеть за неделю.

Что умеет SpeechKit

  • Распознавание речи (STT, speech-to-text). Превращает голос в текст. Для бота важен потоковый режим: звук идёт в сервис по мере разговора, текст возвращается почти сразу, не дожидаясь конца фразы.
  • Синтез речи (TTS, text-to-speech). Озвучивает ответ одним из готовых голосов. Можно управлять паузами, ударениями и интонацией через разметку — это помогает с названиями товаров и адресами.
  • API. Доступ через REST и gRPC. Для живого диалога используют gRPC-стриминг, REST подходит для разовых задач вроде расшифровки записанных звонков.

Тарифы считаются по объёму распознанного аудио и синтезированного текста и периодически меняются, поэтому стоимость минуты разговора лучше посчитать по актуальному прайсу Yandex Cloud под свой ожидаемый поток звонков.

Схема голосового бота

  1. Телефония. Звонок приходит от SIP-провайдера или виртуальной АТС на медиасервер (обычно Asterisk или FreeSWITCH).
  2. Распознавание. Медиасервер стримит звук в SpeechKit и получает текст реплики.
  3. Логика диалога. Ваш сервис решает, что ответить: по сценарию, по базе знаний или с помощью языковой модели. Здесь же идут запросы в CRM, 1С или систему заказов — «где мой заказ» без этого не ответить.
  4. Синтез. Ответ отправляется в SpeechKit TTS, готовый звук возвращается в звонок.
  5. Перевод на оператора. Если бот не понял вопрос дважды или клиент просит человека, звонок уходит в очередь операторов вместе с расшифровкой разговора.

Что реально сделать за неделю

За неделю реально собрать рабочий прототип на одном-двух сценариях: например, статус заказа по номеру и ответы на частые вопросы с переводом на оператора. Этого хватит, чтобы послушать живые разговоры и понять, стоит ли развивать бота дальше.

Не стоит начинать с бота, который «отвечает на всё». Узкий сценарий, доведённый до ума, даёт больше, чем широкий, где бот постоянно переспрашивает. Расширять удобно по логам: какие вопросы бот не понял и с чем клиенты чаще всего уходят на оператора.

Боевой бот с несколькими сценариями, интеграциями и аналитикой — это уже недели доводки. Основное время уходит не на подключение SpeechKit, а на сценарии, обработку непонятых фраз и тесты на реальных звонках.

Где чаще всего спотыкаются

  • Задержка. Если между концом фразы клиента и ответом бота проходит заметная пауза, люди начинают говорить «алло» и сбивают диалог. Задержку складывают все звенья: телефония, распознавание, логика, синтез. Короткие ответы можно синтезировать заранее и держать в кэше.
  • Перебивания. Клиент не ждёт, пока бот договорит. Боту нужно уметь замолкать и слушать, иначе разговор превращается в монолог автоответчика.
  • Номера, адреса, фамилии. Распознавание ошибается на редких словах и цифрах. Помогают подсказки с ожидаемыми словами, повтор («правильно ли я поняла, заказ 4512?») и проверка по базе.
  • Шум и плохая связь. Звонки с улицы и из машины распознаются хуже. Качество стоит проверить на своих реальных записях, а не на демо: от вашей аудитории зависит больше, чем от рекламных сравнений сервисов.
  • Персональные данные. Запись и расшифровка звонков — это обработка персональных данных. Нужно предупреждение в начале звонка и продуманное хранение записей.

Чек-лист перед запуском

  1. Выгрузите из телефонии или CRM топ вопросов, с которыми звонят чаще всего.
  2. Выберите один-два сценария, где ответ можно дать без человека.
  3. Проверьте, есть ли у CRM или учётной системы API для нужных данных.
  4. Продумайте, когда и как бот переводит на оператора.
  5. Соберите десяток реальных записей разговоров для тестов распознавания.
  6. Посчитайте стоимость по актуальным тарифам на свой месячный объём звонков.

Подробнее о том, как мы собираем такие системы, — на странице голосового бота. Если вместо звонков вопросы приходят в чат, подойдёт AI-ассистент, а про хранение данных разговоров мы писали в статье об AI-ассистенте и 152-ФЗ.

Хотите проверить, разгрузит ли голосовой бот вашу поддержку, — напишите в Telegram или MAX.

Услуги веб-разработки
Разработка, ИИ, автоматизация — что мы делаем и как.

Есть задача по теме? Напишите — вернёмся с оценкой и сроками.

Написать в Telegram → Написать в MAX