Компания по окнам и балконам, два офиса, реклама приводит больше 160 обращений в месяц. Записи разговоров лежали в CRM, и слушать их было некому. Мы собрали конвейер: каждые 15 минут новые записи скачиваются, расшифровываются нейросетью на своём сервере и попадают на дашборд руководителя карточками. За шесть недель через него прошло 90 звонков и 204 минуты разговоров. И отдельно измерили, где автоматике можно доверять, а где нет.
Данные конвейера на 14 сентября 2026 года: 90 записей за 6 августа по 14 сентября, 85 из них разобраны. Точность правил измерена на тех же 85 звонках. Название компании, имена клиентов и сотрудников в кейсе не приводятся.
Точка старта
Как это работает
Всё крутится на одном сервере по расписанию. Каждый шаг пропускает то, что уже сделано, поэтому обычный прогон занимает одну-две минуты.
Журнал звонков берём вебхуком CRM, сами mp3 через OAuth-приложение в портале. Токен продлевается сам.
faster-whisper small, int8, четыре потока процессора. Тишину отрезает VAD, фразы сохраняются с таймкодами в JSON.
Скрипт размечает обрывы и недозвоны, остальные звонки ставит в очередь с подсказками: звучала ли цена, упоминался ли замер.
Сборщик сшивает расшифровку, разбор и ссылку на CRM. В данных дашборда подменяется только блок звонков.
Технические решения
Самое долгое в таком проекте не нейросеть, а всё вокруг неё: доступы, сеть, расписание и защита от тихих сбоев.
Вебхук отдаёт журнал, но не файлы
Ссылка на запись в Битрикс24 ведёт на служебный скрипт, которому нужна сессия пользователя. С кодом вебхука он отдаёт страницу входа. Подняли локальное приложение в портале: с OAuth-токеном та же ссылка отдаёт mp3.
Скрипт молча висел по пять минут
У портала 13 IP-адресов, часть не отвечает. Стандартный HTTP-клиент Python ждал первый мёртвый адрес весь таймаут. Запросы перевели на curl с таймаутом соединения 5 секунд, он сразу уходит к следующему адресу. 53 записи скачались за пару минут.
Протухший токен не выглядит ошибкой
Если токен истёк, сервер отвечает кодом 200 и HTML страницы входа. Качалка проверяет Content-Type и не сохраняет такой ответ под видом записи.
Без видеокарты и облака
Модель small в int8 на четырёх ядрах: первые 111 минут аудио расшифрованы за 45 минут. Medium на этот сервер не поместилась. Качество ниже, чем у больших моделей, но для разбора сути хватает.
flock и короткое окно
Прогон каждые 15 минут смотрит только последние два дня. Десятиминутный разговор расшифровывается около 6,5 минуты: если прогон не успел, flock пропускает следующий запуск, а ночной прогон добирает всё, что отстало.
Дашборд не видит полуготовый файл
В общем файле данных подменяется только блок звонков: запись во временный файл и os.replace. Если блок не изменился, хостинг не трогаем. Часовой сборщик дашборда работает параллельно и не конфликтует.
Качество
Модель small ошибается в словах, особенно в профессиональных. Для разбора это не страшно, если понимать, что расшифровка передаёт, а что нет.
Поэтому поиск по ключевым словам в расшифровке ненадёжен: «замер» в тексте встречается реже, чем в разговоре.
model = WhisperModel("small", device="cpu", compute_type="int8", cpu_threads=4) segments, info = model.transcribe( path, language="ru", vad_filter=True, # отрезать тишину beam_size=1, # быстрее на CPU condition_on_previous_text=False)
Суть разговора передаётся: что спросил клиент, что ответили, чем закончилось. Цитаты для планёрки сверяем с записью по таймкоду.
Замер
Ручной разбор хотелось закрыть правилами по тексту расшифровки. Прежде чем пускать их на дашборд, проверили на всех 85 звонках, которые уже были разобраны вручную.
Честно
Самое полезное в проекте оказалось отрицательным результатом: мы знаем, какой автоматике нельзя доверять деньги.
Результат
Средний балл разговора 3 из 5. Лучшие звонки ушли на планёрку как образец: имя, адрес, кто перезвонит и с какого номера.
Ещё 3 раза цену назвали без установки и выезда. В одном случае итог оказался почти вдвое выше названного, и разговор перешёл в спор на девять минут.
126 звонков за 30 дней. Часть недозвонов в отчёте CRM выглядела успешными: автоответчик оператора засчитывается как разговор.
15 августа по 14 сентября 2026 года. Расход на рекламу делим на все обращения месяца и получаем цену одного обращения: 525 ₽.
Около 40 400 ₽ рекламного бюджета за месяц ушли на звонки, которые не приняли или которые ничем не закончились. Это факт без допущений. Недополученную выручку дашборд считает отдельно, через ползунки среднего чека и конверсии: сумм сделок в CRM нет, и точную цифру взять неоткуда.
Вопросы
В записях имена, адреса и телефоны клиентов. Расшифровка на своём сервере снимает вопрос, куда уходит аудио.
Второй плюс: нет оплаты за минуту. Конвейер крутится на сервере, где уже работают другие задачи.
Для разбора сути хватает: тема, вопросы клиента, чем закончился разговор. Для дословных цитат нет: ключевые слова искажаются, «замер» превращается в «занер». Поэтому цитаты сверяем с записью по таймкоду.
Модель крупнее на этот сервер не поместилась. На машине с видеокартой можно взять medium или large.
Правила мы проверили, и точность исхода вышла около половины. Языковая модель может справиться лучше, но проверять её надо так же: на звонках, размеченных вручную. И запускать на своём сервере, по той же причине, что и расшифровку.
Пока такой проверки нет, балл и исход ставит человек.
Расшифровка и дашборд от CRM не зависят, меняется только первый шаг: откуда брать записи. В Битрикс24 это OAuth-приложение, у телефонии обычно есть свой API со ссылками на записи.
Учтите срок хранения: на некоторых тарифах телефонии записи живут 14 дней, и забирать их нужно регулярно, по расписанию.
Доступ администратора к CRM или ключ API телефонии с правом прослушивания записей и сервер, где будет работать расшифровка.
Дальше договариваемся, какие признаки разговора важны именно вам: запись на замер, названная цена, взятый контакт.
Контакты
Расскажите, какая у вас CRM и телефония. Покажу, как достать записи и что из разговоров можно посчитать.