Setup

通話の文字起こし(音声認識)

ご自身のアカウント上の音声認識(STT)プロバイダー(BYOモデル)を使って、通話の録音からテキストの文字起こしを生成します。

通話に録音がある場合、CRMは音声認識(STT)プロバイダーを使って音声のテキスト文字起こしを生成できます。このモデルはBYO(「自分のアカウントを持ち込む」方式)です。プロバイダー(OpenAI Whisper、Deepgram、AssemblyAI、または汎用のRESTエンドポイント)を選び、そのAPIキーを入力します。文字起こしはあなたのプロバイダーアカウントで実行・課金され、当社側でのコスト、マージン、仲介は一切発生しません。

この機能は非活性です。STTが設定・有効化されていない限り何も起こらず、通話のフローはまったく同じままです。APIキーは機密情報として扱われ、サーバー上で暗号化され、再表示されることはありません。

前提条件

文字起こしは通話の録音から始まるため、録音付きの電話機能(Twilio Voice)が動作していること。
STTプロバイダー(OpenAI、Deepgram、AssemblyAI)のアカウント、またはご自身のRESTエンドポイント。
そのプロバイダーのAPIキー。
Sellioにおいて、連携を設定するための管理者権限。

対応プロバイダー

OpenAI Whisper:CRMが録音をダウンロードし(録音がTwilioのURLの場合はあなたのTwilio認証トークンを使用)、文字起こしのためにアップロードします。
Deepgram:録音をURLで取得します。そのURLはDeepgramから到達可能である必要があります。
AssemblyAI:非同期で動作します。CRMがURLを送信し、完了するまで確認を続けます。録音はAssemblyAIから到達可能である必要があります。
汎用(REST):{ audio_url } を含むPOSTを受け付け、テキストを返す任意のサービス。エンドポイントを指定してください。

設定方法

設定 → 連携を開き、「通話の文字起こし(音声認識)」カードを見つけます。
STTプロバイダーを選択します。
プロバイダーのAPIキーを貼り付けます。任意でモデル(例:whisper-1、nova-2)を指定し、汎用プロバイダーの場合は音声を受け取るエンドポイントを指定します。
任意:クリックせずに文字起こしするには「録音が届いたら自動的に文字起こしする」にチェックを入れます。
「保存」をクリックし、続けて「有効化」をクリックします。

通話を文字起こしする方法

連絡先/リードを開き、「電話機能(通話)」パネルに移動します。
録音のある通話で「文字起こし」をクリックします。
待ちます:ステータスに「文字起こし中…」と表示され、完了すると文字起こしが表示され、展開できます。

💡 自動化を好む場合は、「自動的に文字起こしする」を有効にしてください。録音が届き次第、CRMが自動的に文字起こしを試みます(ベストエフォート)。「文字起こし」ボタンは、確実な手動の手段として引き続き利用できます。

テスト方法

テスト通話を発信し、録音させます。
履歴で「録音を再生」リンクを確認し、「文字起こし」をクリックします。
文字起こしが表示され、音声の内容を反映していることを確認します。

トラブルシューティング

「文字起こし」ボタンが表示されない:STTが有効化されていません。文字起こし連携を設定・有効化してください。
文字起こしが失敗する(ステータス「文字起こし失敗」):APIキーを確認し、Deepgram/AssemblyAIの場合は録音URLがプロバイダーから到達可能か確認してください。Whisperの場合、CRMはあなたのTwilio認証トークンを使って録音をダウンロードします。
通話のフローに何も影響がない:その通りです。文字起こしはベストエフォートであり、通話を壊すことは決してありません。失敗した場合は、文字起こしのステータスのみが失敗としてマークされます。
コスト:BYOモデルでは、利用料金はあなたのSTTプロバイダーアカウントに発生します。CRMは仲介も課金も行いません。

この記事をシステム内で開く →