Echtzeit-Transkription

Deepgram wandelt Live-Audiostreams, wie ein laufendes Support-Telefonat, direkt während des Gesprächs in Text um. Ein Beam-Agent liest das Transkript im Stream, wendet die Regeln des Accounts für bestimmte Formulierungen oder Keywords an – markiert beispielsweise eine Kündigungsabsicht in dem Moment, in dem sie ausgesprochen wird – und benachrichtigt die zuständige Person oder aktualisiert einen Datensatz noch während des laufenden Telefonats. Passagen, die das Modell als unsicher eingestuft hat, oder Audioaufnahmen mit zu starken Nebengeräuschen für eine zuverlässige Transkription, werden zur nachträglichen Überprüfung durch einen Mitarbeiter zurückgestellt. So können Regeln direkt auf das Gesagte reagieren, ohne dass das Ende des Telefonats abgewartet werden muss.

Transkription aufgezeichneter Audiodateien

Deepgram kann eine Reihe aufgezeichneter Dateien transkribieren, wie etwa einen Stapel gespeicherter Support-Anrufe oder Voicemails, ohne dass sich diese vorher jemand anhören muss. Ein Beam-Agent liest jedes fertige Transkript, gleicht es mit den Regeln des Accounts auf relevante Wörter oder Themen ab – beispielsweise Compliance-Formulierungen oder Mitbewerbernamen – und aktualisiert einen Datensatz oder benachrichtigt ein Team, sobald ein Treffer erzielt wird. Dateien, die über weite Teile des Transkripts einen niedrigen Konfidenzwert aufweisen oder in einer Sprache vorliegen, die von den Regeln nicht abgedeckt wird, werden zur direkten Überprüfung durch einen Mitarbeiter zurückgestellt, anstatt sich unbearbeitet aufzustauen.

Sprechererkennung und Keyword-Spotting

Deepgram kann ein Transkript nach Sprechern trennen und definierte Keywords markieren, sobald sie im Gespräch fallen. Ein Beam-Agent erkennt, wer was gesagt hat, gleicht dies mit den für die Account-Regeln relevanten Keywords ab (wie etwa einem Produktnamen oder einer Beschwerde) und aktualisiert einen Datensatz oder benachrichtigt eine Person, sobald ein Treffer dem richtigen Sprecher zugeordnet werden kann. Unklare Sprechertrennungen, wie sich überschneidende Stimmen, oder ein Keyword-Treffer ohne eindeutigen Kontext werden zur manuellen Überprüfung durch einen Mitarbeiter zurückgestellt, bevor Maßnahmen ergriffen werden. Dadurch wird sichergestellt, dass Reaktionen immer daran gekoppelt sind, wer etwas tatsächlich gesagt hat, und nicht nur daran, dass es gesagt wurde.