TLDR: Распознавание речи переводит звонки и встречи в текст автоматически: от ≈9 ₽ за час записи в Yandex SpeechKit до 500 ₽/час в готовых сервисах. Кейс колл-центра на 650 операторов: контроль вырос с 5% до 100% звонков, экономия — 300–400 тыс ₽/мес.
Клиентский звонок, планёрка, интервью с кандидатом — это аудио. Аудио нельзя найти поиском, посчитать в метриках или проверить по чек-листу, пока оно не стало текстом. При этом, по данным обзора vc.ru, деловые встречи занимают до 37% рабочего времени сотрудника, а на ручной протокол часового совещания уходит ещё полчаса (infoclaw). Ниже — как работает распознавание речи, сколько оно стоит и в каких сценариях окупается.
Что такое распознавание речи и зачем оно бизнесу
Распознавание речи в текст — технология, которая превращает аудиозапись в текст: система «слушает» запись и выдаёт расшифровку, обычно с таймкодами и разделением по говорящим. В быту то же самое называют транскрибацией, в английском — speech recognition.
Современный ИИ для распознавания речи — нейросеть, обученная на сотнях тысяч часов записей: модель Whisper от OpenAI, например, учили на 680 000 часов речи (ToolFox). Для бизнеса ценность не в самом тексте, а в том, что с ним дальше можно делать: искать по архиву, считать долю выполнения скрипта, класть краткое содержание звонка в карточку сделки в CRM, проверять каждый разговор по чек-листу. Аудиофайл этого не умеет — он просто лежит в архиве.
Зачем это нужно, видно по удержанию: исследование NEXTEP Research показало, что 61% клиентов при выгодном предложении, но плохом сервисе покупают один раз и не возвращаются, а 25% готовы отказаться даже от выгодного предложения (MCN). Плохой сервис слышен в записях звонков — но только если их кто-то проверяет.
Рынок растёт двузначными темпами. По оценке TBRC, мировой рынок распознавания речи и голоса вырастет с $19,34 млрд в 2025 до $23,58 млрд в 2026 году и достигнет $51,52 млрд к 2030-му. Mordor Intelligence оценивает отдельно рынок API перевода речи в текст: $2,87 млрд в 2026 году с прогнозом $7,21 млрд к 2031-му — распознавание речи становится входным слоем для агентных ИИ-систем, которые не просто пишут текст, а выполняют по нему действия.
Где применять распознавание речи: 6 сценариев
Контроль звонков и отдел продаж
Транскрибация звонков плюс автоматическая проверка по чек-листу — самый массовый сценарий. «Ростелеком Контакт-центр» зафиксировал 50%-ный рост запросов на речевую аналитику: за 2023 год технологией изучено более 1,2 млн звонков и 1,7 млн обращений в чатах, а количество жалоб снизилось на 19% (пресс-релиз). По тем же данным, полный анализ диалогов самых успешных продавцов повышает общую конверсию на 20%. Схему контроля детально разбирали в статье про контроль качества звонков.
Протоколы встреч и совещаний
ИИ-ассистент подключается к созвону в Телемосте, Zoom или Teams, ведёт транскрибацию встречи и присылает протокол с задачами сразу после завершения — вместо получаса ручной работы (infoclaw). При доле встреч в 37% рабочего времени экономия ощутимая.
Интервью и исследования
Рекрутинговые интервью, UX-исследования, глубинные интервью с клиентами: перевод аудио в текст сокращает разбор часовой беседы до десятка минут чтения и выборки цитат для отчёта.
Поддержка и поиск проблемных обращений
В контакт-центре расшифровка всех обращений позволяет искать жалобы, фродовые схемы и нарушения регламентов не по выборке, а по полному массиву. Как ИИ разгружает поддержку в целом — в материале про ИИ в клиентской поддержке.
Полевые сотрудники и голосовые заметки
Диктофон с распознаванием речи заменяет «набросаю в заметки вечером»: мастер или торговый представитель надиктовывает итог визита, система переводит речь в текст и кладёт его в CRM или в задачи.
Архив и юридические задачи
Расшифровка разговора с таймкодами — это документ: её проще приложить к разбору спора с клиентом, чем аудиофайл с пометкой «слушайте с 14-й минуты».
Кейс: колл-центр на 650 операторов и 27 000 звонков в день
Контекст. Сервис онлайн-заказа такси работал с собственным колл-центром на 650 операторов — около 27 000 звонков в день, рассказывает интегратор NAU в описании проекта.
Проблема. Контроль качества вели вручную: 2–3 специалиста физически успевали прослушать только около 5% разговоров. Операторы работали в нескольких разных системах, часть звонков терялась между ними.
Решение. Сначала в BPMSoft встроили вебфон-виджет — единое окно оператора с определением звонящего, массовым обзвоном и перезвонами. Затем no-code модулем подключили Yandex SpeechSense: после завершения звонка запись автоматически уходит на транскрибацию, суммаризацию и скоринг по метрикам качества.
Внедрение. Проект шёл в два этапа: 9 месяцев заняло внедрение вебфона, ещё 1,5 месяца — подключение ИИ-аналитики. Команда проекта — 2 консультанта, 2 разработчика, тестировщик и архитектор.
Результат по данным кейса. Покрытие контроля качества выросло с ~5% до 100% разговоров; пропущенных звонков стало меньше на 4% — это примерно тысяча обращений в день. Скоринг идёт по метрикам «соблюдение скрипта — 96%», вежливость оператора и отработка ключевых слов — 4 из 4.
Деньги и окупаемость. Расходы на контроль качества снизились на 300–400 тыс ₽ в месяц, а сама команда QC перестала прослушивать поток и перефокусировалась на обучение операторов и разбор проблемных диалогов.
Похожую вилку показывают соседние внедрения. У «Напитки Вместе» ручная прослушка силами супервайзеров и руководителей отделов продаж покрывала 1,5% звонков в месяц; после запуска речевой аналитики Т-Банка в феврале 2024 года под контролем оказались 100% разговоров (кейс Т-Банка). В Сбере внедрение речевой аналитики SmartLogger от ЦРТ в контакт-центре на 4000+ сотрудников и больше миллиона обращений в месяц дало экономический эффект 138 млн ₽ за 2022 год и окупилось за 4 месяца (кейс ЦРТ, PDF).
По нашему опыту, типичные сложности таких проектов лежат не в технологии: пилот почти всегда упирается в качество исходных записей — один микрофон на двоих, эхо, шум в переговорке — и в сопротивление команды, которая воспринимает расшифровку как слежку. По срокам ориентир простой: если телефония уже пишет разговоры, подключение облачного сервиса занимает недели; если записи нет или системы разрозненные, как у сервиса такси, — закладывайте месяцы на подготовку.
Как внедрить распознавание речи: 6 шагов
- Решите, что переводить в текст. Звонки телефонии, онлайн-встречи, диктофонные записи, видео — у каждого источника свой канал забора аудио и свои требования к качеству звука.
- Проверьте, есть ли записи и какого они качества. Запись с линии телефонии с раздельными каналами «оператор/клиент» распознаётся заметно точнее, чем диктофон на столе в переговорке.
- Выберите способ распознавания. Готовый сервис распознавания речи — «Войси», транскрибация в Телемосте, речевая аналитика телефонии — закрывает типовой сценарий без разработки. API (Yandex SpeechKit, SaluteSpeech, Whisper) нужен, когда расшифровка встраивается в свой продукт или CRM. Отдельная ветка — программа для распознавания речи на своём сервере: локальные модели Whisper, Vosk или GigaAM подходят, когда записи нельзя отправлять в облако.
- Прогоните пилот на своих записях. Так поступили в «Напитки Вместе»: перед выбором загружали свои звонки в разные сервисы и сравнивали качество — ошибка в распознавании частицы «не» меняет смысл фразы на противоположный (кейс).
- Подключите результат к процессам. Текст без потребителя мёртв: настройте выгрузку расшифровки и саммари в CRM или отчёт — через готовые интеграции, API или связки вроде n8n. Про связку телефонии и CRM — в статье об интеграции 1С с amoCRM и Bitrix24.
- Закройте юридику. Запись разговора с клиентом почти всегда содержит персональные данные: нужны законное основание, понятная цель, срок хранения, хранение в России и контроль доступа (Caradesk о 152-ФЗ).
Сколько стоит распознавание речи
| Вариант | Стоимость |
|---|---|
| Yandex SpeechKit, асинхронная расшифровка файлов | ≈36 ₽/час записи; отложенный режим — ≈9 ₽/час |
| SaluteSpeech (Сбер) | ≈36–72 ₽/час (0,60–1,20 ₽/мин), 100 мин/мес бесплатно |
| Whisper API (OpenAI) | ≈$0,36/час (~35 ₽/час) |
| Whisper локально на своём GPU | 0 ₽ за расшифровку, только стоимость сервера |
| «Войси» — готовый сервис для юрлиц, серверы в РФ | 500 ₽ за час записи |
Цены — по данным WebAsk, ToolFox и voicee.ru. Важный нюанс тарификации: у SpeechKit единица биллинга — 15 секунд с округлением вверх, поэтому 100 записей по 40 секунд оплачиваются как 100 записей по 45 — плюс ~12% к счёту (WebAsk).
Для масштаба: экономия на автоматическом скоринге в кейсе сервиса такси — 300–400 тыс ₽ в месяц, экономический эффект речевой аналитики у Сбера — 138 млн ₽ за год. Сама расшифровка стоит десятки рублей за час — основные деньги проекта уходят на подключение, интеграции и процессы вокруг текста.
Когда распознавание речи не подходит
❌ Записей мало. Если у вас пара звонков или одна встреча в неделю, хватит бесплатных лимитов и ручной расшифровки — внедрять процесс незачем.
❌ Плохой источник звука. Диаризация — разделение «кто что сказал» — слабое место дешёвых решений: в переговорке с тремя голосами и эхом сервисы путают спикеров (infoclaw). Запись «один микрофон на шестерых» даст текст формально, но с неверной атрибуцией реплик.
❌ Нужна юридическая точность на живой речи. На естественной разговорной речи медианная доля ошибок (WER) — 16–55% у Yandex SpeechKit и 34–72% у SaluteSpeech; стабильнее всех на спонтанной речи оказался T-Bank — 28–38% (исследование на датасете RuAphasiaBank). Для судов, медицинских заключений и дословных расшифровок без вычитки человеком технология пока не подходит.
Ошибки при внедрении
- Выбирают сервис по прайсу, а не по качеству на своих записях. Разница в 3–4% точности превращается в сотни неверно распознанных фраз в день; пилот на реальных записях — обязательный этап, а не формальность.
- Не считают округление тарификации. Шаг биллинга в 15 секунд с округлением вверх добавляет ~12% к счёту на коротких записях (WebAsk).
- Ждут идеальной разметки спикеров. Диаризация ошибается на перебиваниях и похожих голосах — для звонков просите у телефонии запись с раздельными каналами, а не рассчитывайте на разделение «по голосу».
- Отправляют записи клиентов в зарубежный API без оценки 152-ФЗ. Для работы с персональными данными подходят сервисы с серверами в России: SpeechKit или, например, «Войси» из реестра отечественного ПО Минцифры (aibotmanager, voicee.ru).
- Текст остаётся текстом. Расшифровка без следующего шага — оценки по чек-листу, саммари в CRM, поиска по архиву — не даёт экономического эффекта. Деньги возвращает автоматизация вокруг текста, а не сама транскрибация.
FAQ
Что такое распознавание речи и как оно работает? Технически это цепочка: акустическая модель выделяет из звука речевые единицы, языковая модель собирает из них слова и предложения, затем расставляются пунктуация и метки спикеров. Качество измеряют метриками WER и CER — долей ошибочно распознанных слов и символов (Habr).
Что такое транскрибация простыми словами? Транскрибация — это перевод аудио в текст, результат работы распознавания речи. Если распознавание — процесс, то транскрибация (транскрипт) — готовый текстовый файл с расшифровкой записи.
Чем распознавание речи отличается от речевой аналитики? Распознавание речи превращает звук в текст — и останавливается. Речевая аналитика идёт дальше: проверяет текст по правилам (скрипт, стоп-слова, доля речи сторон), ставит оценки и строит отчёты. Аналитика всегда стоит поверх распознавания, но не наоборот.
Как перевести запись звонка или встречи в текст? Тремя путями: загрузить файл в готовый сервис транскрибации (например, «Войси» — 500 ₽/час, час записи обрабатывается за ~5 минут, серверы в РФ), вызвать API — Yandex SpeechKit или SaluteSpeech по десяткам рублей за час — или развернуть локальную модель вроде Whisper, если запись нельзя отдавать в облако. Для онлайн-встреч проще всего встроенная транскрибация Телемоста или ИИ-ассистент протоколов.
Что такое speech recognition? Это английское название распознавания речи — той же технологии перевода звука в текст. В документации к API и моделям встречаются сокращения STT (speech-to-text) и ASR (automatic speech recognition) — «автоматическое распознавание речи».
Насколько точно нейросети распознают русскую речь? На чистой речи Yandex SpeechKit точнее — 96–98% против 94–96% у Whisper, зато Whisper дешевле в 4–5 раз и поддерживает 99 языков (сравнение aibotmanager). В основе решений Сбера — семейство моделей GigaAM, которое на сложном русском аудио обходит Whisper по точности (ToolFox). На живой спонтанной речи ошибок больше у всех: по исследованию RuAphasiaBank, медианный WER — 16–55% у SpeechKit и 34–72% у SaluteSpeech.
Законно ли записывать и расшифровывать звонки клиентов? Да, при соблюдении 152-ФЗ: запись разговора почти всегда содержит персональные данные, поэтому нужны законное основание, понятная цель, ограниченный срок хранения, серверы в России и контроль доступа (разбор Caradesk). Голос становится биометрией только тогда, когда по нему устанавливают личность; если запись не используется для идентификации, отдельное письменное согласие на биометрию не требуется (ст. 9 152-ФЗ).
Источники
- Speech and Voice Recognition Global Market Report 2026 — TBRC / GII
- Speech-to-Text API Market — Mordor Intelligence
- Кейс NAU: речевая аналитика и ИИ-контроль звонков сервиса такси в BPMSoft
- Кейс «Напитки Вместе»: речевая аналитика Т-Банка в FMCG
- Кейс ЦРТ/Сбер: речевая аналитика SmartLogger, 138 млн ₽ эффекта (PDF)
- Ростелеком: 100% диалогов в контакт-центре проходят контроль качества
- WebAsk: сервисы транскрибации и реальная цена часа записи
- Caradesk: запись разговоров и 152-ФЗ
Обсудить ваш случай → оставьте заявку ниже или пишите в Telegram — подскажем, какая связка распознавания подойдёт под ваши звонки и встречи.
