Тексты и картинки для копирования

Посты под кейс «Нейросеть слушает звонки менеджеров»

Три варианта текста: пост в Telegram, длинный пост на стену VK и короткая подпись под сторис и клип. Ссылка на кейс вшита в конец каждого поста. Кнопка справа вверху блока копирует текст целиком. Ниже 6 макетов для постов, 6 сторис, клип на 66 секунд и обложки. Название компании, имена клиентов и сотрудников нигде не упоминаются.

Ссылка на кейс: https://dimafedorov.ru/cases/calls-ai-transcription.html

Откуда цифры (сняты 14.09.2026 из данных конвейера):

Объём: 90 записей за 06.08–14.09.2026, 204 минуты аудио; 85 звонков разобраны вручную, 1 размечен автоматически как обрыв.
Распознавание: faster-whisper small, int8, 4 потока CPU, VAD, beam_size 1. Первая партия 53 записи (111 минут аудио) расшифрована за 45 минут. Разговор на 575 секунд занял около 6,5 минуты. Medium на сервер не поместилась.
Расписание: каждые 15 минут с 9:00 до 20:00 МСК, окно 2 дня, плюс ночной прогон. Обычный прогон 1–2 минуты.
Автооценка правилами (проверка на 85 разобранных звонках, 11.09): исход 44–53%, тема точно 33% и по группе 56%, балл ±1 72%, «замер записан» примерно половина (2 ложных и 5 пропущенных из 10), «не спросили имя» 16% и 57 ложных срабатываний, «не назвали цену» 8%. Обрывы и недозвоны: точность 88%, полнота 70%.
Упущения по 85 звонкам: не взяли контакт 26, не назвали срок ответа 19, не предложили замер 13, не спросили имя 11, не предложили альтернативу 11, не назвали цену 8, клиент не дозвонился 8, цена без установки 3, спор с клиентом 3. Записей на замер 10, средний балл 3 из 5.
Деньги, 15.08–14.09: расход на рекламу 85 004 ₽, 162 обращения, 525 ₽ за обращение; 126 звонков, из них не приняли 49, разговоров без результата 28. (49 + 28) × 524,7 ₽ ≈ 40 400 ₽.
Разбор по существу (балл, исход, что упущено) делался вручную с ИИ-ассистентом по расшифровкам. Автоматическим его называть нельзя.

Тексты постов

TG @traffikstory

Технический, хук первой строкой, около 1,686 знаков

Нейросеть слушает звонки менеджеров. Разберу техническую часть: как это собрано, где автоматика ошибается и где ей можно верить.

Клиент: компания по окнам и балконам, два офиса. Реклама приводит больше 160 обращений в месяц, телефония пишет каждый разговор, а слушать записи некому.

Как устроен конвейер:

- Записи. Вебхук Битрикс24 отдаёт журнал звонков, но не сами файлы: ссылка на mp3 требует сессию пользователя. Поднял OAuth-приложение прямо в портале, токен продлевается сам
- Расшифровка на своём сервере, без облака. faster-whisper small, int8, четыре ядра процессора, без видеокарты. Первые 111 минут аудио ушли за 45 минут, у каждой фразы таймкод
- Расписание. Каждые 15 минут с 9 до 20: скачать, расшифровать, выложить на дашборд. Сделанное пропускается, flock не даёт прогонам наложиться
- Публикация. В данных дашборда подменяется только блок звонков, через временный файл

Грабля на два зависших прогона: у портала 13 IP-адресов, часть молча не отвечает. Скрипт висел по пять минут без строчки в логе. Лечится curl с таймаутом соединения 5 секунд.

Самое полезное. Попробовал заменить ручной разбор правилами по тексту и проверил их на 85 звонках, размеченных вручную. Исход разговора угадан в 53% случаев, признак «не спросили имя» дал 57 ложных срабатываний. От этих цифр на дашборде считаются потерянные деньги, поэтому автоматом оставил только обрывы и недозвоны: там точность 88%.

Что показали 85 разговоров: 26 закончились без контакта клиента, 19 без срока, когда перезвонят. А CRM считает автоответчик оператора состоявшимся звонком.

Нейросеть здесь уши, а не судья.

Кейс со схемой, кодом и графиками → https://dimafedorov.ru/cases/calls-ai-transcription.html

Куда: канал @traffikstory · картинка макет 1 или 3 · длинных тире в тексте нет, как принято в канале

VK · стена dfedorov86

Подробнее, с грабли и выводом, около 3,886 знаков

Нейросеть слушает звонки менеджеров. Расскажу, как мы это собрали технически, на чём споткнулись и почему оценку звонку в итоге ставит человек, а не автоматика.

Клиент: компания по окнам и балконам, два офиса. Реклама приводит больше 160 обращений в месяц, телефония записывает каждый разговор, записи лежат в Битрикс24. Слушать их было некому, и о разговорах руководитель узнавал со слов менеджеров.

Задача: каждый звонок сам превращается в текст и карточку на дашборде. И без отправки аудио в облачные сервисы распознавания, потому что в записях имена, адреса и телефоны клиентов.

Шаг первый, достать записи. Вебхук Битрикс24 отдаёт полный журнал звонков, а сами файлы нет. Ссылка на запись ведёт на служебный скрипт, которому нужна сессия пользователя, и с кодом вебхука он отвечает страницей входа с кодом 200. То есть ошибкой это даже не выглядит. Решение: локальное OAuth-приложение прямо в портале. С его токеном та же ссылка отдаёт mp3, токен продлевается сам, а качалка проверяет Content-Type, чтобы не сохранить страницу входа под видом записи.

Тут же вылезла сетевая грабля. У портала 13 IP-адресов, часть молча не отвечает. HTTP-клиент Python упирался в первый мёртвый адрес и ждал весь таймаут: скрипт висел по пять минут, не выводя ни строки. Перевели запросы на curl с таймаутом соединения 5 секунд, он сразу переходит к следующему адресу. После этого 53 записи скачались за пару минут.

Шаг второй, расшифровка. faster-whisper, модель small, квантование int8, четыре ядра процессора, без видеокарты. Первые 111 минут аудио ушли за 45 минут. Модель medium на сервер не поместилась. Тишину отрезает VAD, у каждой фразы сохраняется таймкод.

Качество честно среднее. Модель пишет «занер» и «замир» вместо «замер», «попрекиним» вместо «прикинем». Но суть разговора читается: что спросил клиент, что ему ответили, чем закончилось. Цитаты для планёрки сверяем с записью по таймкоду.

Шаг третий, поток. Скрипт запускается каждые 15 минут с 9 до 20 и смотрит последние два дня, ночной прогон добирает хвосты. Скачанное и расшифрованное пропускается, поэтому обычный прогон занимает минуту-две. Десятиминутный разговор расшифровывается шесть с половиной минут, и если прогон не успел, flock просто пропускает следующий запуск. В данных дашборда подменяется только блок звонков, через временный файл, чтобы никто не увидел половину.

Теперь самое полезное. Мы попробовали заменить ручной разбор правилами по тексту расшифровки и проверили их на 85 звонках, которые до этого разобрали вручную. Исход разговора угадывался в 44-53% случаев, тема точно в 33%, «записали на замер» примерно в половине. Признак «не спросили имя» дал 57 ложных срабатываний. Ужесточение правил сделало только хуже.

Пускать такие цифры на дашборд нельзя: от конверсии в замер там считается, сколько рекламных денег ушло впустую. Поэтому автоматика размечает только обрывы и недозвоны, это она делает с точностью 88%. Остальные звонки встают в очередь с подсказками, а разбор по существу делаем вручную с ИИ-ассистентом.

Что показали 85 разговоров. 26 закончились без контакта клиента, 19 без срока, когда перезвонят, 13 без предложения замера. Три раза цену назвали без установки и выезда, один раз это закончилось девятиминутным спором. А ещё выяснилось, что CRM считает автоответчик оператора состоявшимся звонком: часть недозвонов в отчётах выглядела успешными разговорами.

За последние 30 дней из 126 звонков не приняли 49. Если разделить расход на рекламу на все обращения, выходит около 40 тысяч рублей в месяц на звонки, которые не приняли или которые ничем не закончились.

Вывод, который я забираю в другие проекты: нейросеть отлично работает ушами, а судьёй её ставить рано. Сначала размечаем звонки вручную, потом меряем автоматику на этой разметке, и только потом доверяем ей цифры.

Кейс со схемой конвейера, кодом и графиками: https://dimafedorov.ru/cases/calls-ai-transcription.html

Куда: стена vk.com/dfedorov86 · каруселью макеты 1, 2, 3, 4, 6

Подпись под сторис и клип

Совсем коротко

Нейросеть расшифровывает звонки менеджеров на своём сервере.
204 минуты разговоров, новые записи на дашборде каждые 15 минут.
Автооценка правилами угадала исход только в 53% звонков, поэтому оценку ставит человек.
26 из 85 разговоров закончились без контакта клиента.
Разбор целиком на сайте.

Куда: Telegram Stories, VK Истории и VK Клипы · сторис публиковать по порядку 1→6

Макеты для постов — 6 штук (1080×1350)

1 · Обложка

1080×1350 · фото на фоне, нейросеть слушает звонки

Порядок публикации