Převod zanechaných hlasových zpráv na text

[xsouku04]

Dobrý den,
Když vám někdo zanechá hlasovou zprávu, přijde vám email s tou hlasovou zprávou v příloze.

Nyní nově bude k této hlasové zprávě přiložena i její textová podoba. Pro převod používáme google API.  Jsou tam dva jazykové modely V1 a V2.
Vypadá to, že V2 je většinou lepší, ale někdy je přesnější V1. Nyní posíláme přepisy obou modelů, ale časem budeme posílat jen ten, co se osvědčí jako lepší. Naprostá většina drobných chyb nemá na srozumitelnost a pochopení významu textu vliv.
V plánu je, aby tato služba byla pro naše zákazníky zdarma. Je možné, že přidáme omezení na maximální délku, kde by se prováděl přepis třeba jen na první minutu + např. posledních 30 vteřin. Jiná možnost je delší nahrávky zpoplatnit částkou řádově 0,15 Kč/min. 

Proč je přepis nahrávek důležitý?  Text lze přečíst zpravidla rychleji, než poslechnout nahrávku.  Lze se tak ve více vzkazech snadněji orientovat a případně v nich vyhledávat. Zanechaný vzkaz si lze snadněji archivovat např. do poznámky. Čtení neruší a ve spoustě situací je pohodlnější.

Možné důvody, proč tohle nepoužívat? Převod na text dělá nyní google. Ten může nahrávku použít k dalšímu zdokonalování služby. Pokoušeli jsme se tohle za příplatek vypnout, ale  vypadá to, že pro češtinu to vypnout nelze. Pokud si nepřejete převod na text provádět, napište nám. Dáme váš email na blacklist a emaily vám budou chodit bez přepisu jako doposud. 

Od 18.12.2025 je to již funkční.
 
Na převod nahrávky do textu máme též vyzkoušené API služby deepgram.com, která je dražší a pro češtinu s horšími výsledky oproti google. Tuhle chceme použít jen jako záložní. Otestovánu máme i službu Whisper, kde je možné převádět nahrávku na text lokálně. Výsledky jsou také dobré. Jen k tomu zatím nemáme grafickou kartu v serverovně. 
 
 
 
 
 

[ondrosik]

V2 funguje skutočne lepšie, dokáže rozpoznať jazyk a text v slovenčine rozpoznalo veľmi dobre.

[xsouku04]

V2 funguje skutočne lepšie, dokáže rozpoznať jazyk a text v slovenčine rozpoznalo veľmi dobre.

Časem V1 odstraníme, V2 vypadá lepší, jen výjimečně může lepší výsledek dosáhnout V1.  
Jinak ten přepis hlasových zpráv na text je fakt moc dobrá věc.  Urychlí a zpříjemní to vyřizování těch zpráv. Prostě ze zavolání se stane email, odpovědět lze zavoláním nebo SMS zprávou.
A je to vhodné třeba pro starší lidi pro které je psát email nepohodlné, nebo ani nemají tu možnost. Nebo pro někoho kdo nemá moc času, tak je rychlejší požadavek nadiktovat, než posílat email. A dá se to dělat třeba i za jízdy autem na handsfree! Já si takto dotazy mohu projít třeba i večer a když to vypadá urgentně nebo jednoduše tak reagovat i mimo běžnou pracovní dobu, aniž by mne to vyrušovalo. A dobré je také to, že si můžeme odpověď rozmyslet předtím než zavoláme nebo napíšeme zpět.

Třeba jako nějaké číslo pro hlášení problémů s  připojením k internetu naprosto ideální. Nikoho to neruší, ale když je nějaký problém, tak se o tom technik dozví a může reagovat nebo začít pracovat na nápravě, podle věrohodnosti toho kdo to nahlásil nebo podle toho, že více lidí hlásí stejný problém nezávisle na sobě i mimo běžnou pracovní dobu.