什么是通话转写？实用商业指南

通话转写是将电话或视频通话转换为书面文本的过程。这类通话通常包含宝贵信息，准确的文字稿可让你轻松查找和引用数据。在客户支持等商业场景中，通话转写也有助于培训和合规。

现在，许多团队不再手动转写每一通电话，而是使用 AI 驱动的语音转文字技术实现自动化。本文将介绍通话转写的工作原理、重要性，以及如何使用 AI 自动转写通话。

摘要

• 通话转写是将电话或视频通话转换为书面文本文件，以便日后查阅。
• 大多数情况下，通话转写会通过 AI 模型自动完成。
• 企业将通话转写用于多种用途，包括内部记录、质量保障和合规。
• 你可以在录音完成后转写通话音频，也可以使用流式模型实时转写音频。
• 转写电话是否合法取决于所在地。部分司法管辖区允许经一方同意后录音，另一些则要求所有在场方同意。

什么是通话转写？

通话转写是将电话或视频通话转换为书面文本格式。通话转写会准确记录说了什么以及何时说的。有了文字稿，你可以稍后查看通话内容，无需听完整段音频。

这一过程通常通过自动通话转写软件完成，也可以手动进行。使用自动转写软件时，转写会在通话期间实时完成，或在通话结束后不久完成。

通话转写如何运作

通话转写是一个多步骤过程。

实际流程如下：

• 第 1 步：采集音频。转写系统会录制音频以供后续批量转写，或将其流式传输以进行实时转写。
• 第 2 步：使用语音转文字处理音频。转写模型使用 AI 模型将口语对话转换为文本。
• 第 3 步：格式化文本。转写模型会为文本添加时间戳和说话人标签，让读者了解谁在何时说了什么。文字稿还可使用音频标签标记非语言声音。
• 第 4 步：交付文本。AI 模型将最终文字稿交付给用户，用户可按偏好编辑并保存，以备日后使用。部分 AI 模型可集成 CRM，并将通话文字稿直接记录到相应客户档案中。

完成这些步骤后，你将获得可搜索的最终文字稿，它同时也是通话内容的数字记录。特别是当企业希望建立持续更新的记录语料库，并将其输入 AI 工具以大规模获取建议或洞见时，这些通话文字稿尤为宝贵。

典型的通话转写流程

在商业场景中，上述步骤通常属于一个更大的流程：

• 采集：通过电话系统、联络中心平台或会议工具录制通话。
• 语音转文字：将音频发送至语音转文字模型。
• 说话人分离：检测并标记每位说话人。
• 格式化：添加时间戳、标点和音频标签。
• 交付：存储文字稿，或将其发送至 CRM 或分析工具。

如果你使用 ElevenAgents 构建语音 AI 智能体，每段对话都会保存通话文字稿。无需自行搭建完整流程，即可大规模查看这些文字稿。

通话文字稿示例

以下是一个简短的通话文字稿示例，展示录音后转写会生成什么内容。

格式化的通话文字稿会显示谁在何时发言：

[00:00:02] 客服：感谢致电 Acme Support。有什么可以帮你？

[00:00:05] 来电者：你好，我想查询订单状态。

[00:00:09] 客服：当然可以。请提供订单号。

[00:00:12] 来电者：好的，是 48213。

时间戳和说话人标签让你能轻松搜索文字稿，并跳转到音频中的相应时刻。

团队为何使用电话转写

通话转写会记录组织内部的电话和视频通话，避免重要信息丢失。

以下是企业在运营中使用电话转写的几种方式。

可搜索的通话记录

许多组织会将通话文字稿存入内部数据库。团队成员可以搜索以往通话中的特定信息，无需手动查看完整文字稿。

质量保障和团队辅导

S销售和客户服务团队常借助通话文字稿提升表现。管理者会审查文字稿，确保员工达到预期，并发现改进机会。

合规文档

受 HIPAA、GDPR 或 SEC 法规等严格合规标准约束的组织，常使用通话文字稿证明其在与客户和业务合作伙伴互动时符合相关要求。这些文字稿还能在审计时帮助保护组织。

CRM 记录

许多组织将通话转写工具与 CRM 集成。与客户通话后，文字稿会直接保存到该客户的数字档案中。

这些文字稿无需在通话时手动记笔记，也确保所有团队成员都能访问相同的客户信息，即使他们未参与原始通话。这有助于组织提供更个性化、更及时响应的客户体验。

通话录音与转写：有什么区别？

录音会采集电话或视频通话的音频，而转写会将该音频文件转换为文本文件。实时转写模型也可在无需预先录制文件的情况下，将音频直播流转换为文本。

通话录音和通话转写是两个独立过程，尽管许多团队会同时使用。两者都会记录通话中发生的内容，便于日后查阅。

不过，你也可以单独使用这两个过程。如果只需要音频文件，可以录制通话而不转写。也可以转写资料库中已有的音频文件，即使它们在很久以前录制。

如何通过自动转写转写电话

要自动转写电话或视频通话，请将通话音频发送至语音转文字 API，例如ElevenLabs Scribe v2。该 API 会将音频转换为带有时间戳和说话人标签的格式化文字稿。

文字稿准备就绪后，你可以按偏好的文件格式下载和导出。ElevenLabs 支持多种格式，包括纯文本、HTML、PDF、DOCX、JSON、SRT 和 VTT。你还可以使用语音转文字 API，将文字稿直接发送至技术栈中的其他程序。

自动通话转写有两种选择：录音结束后转写音频，或在音频直播流进行时转写。适合团队的选择取决于优先事项，以及你如何使用通话录音。

转写已完成的音频录音更具成本效益，因此适合每周需要转写数十通电话的团队。其准确性也更高，更适合高风险会议或合规文档。

如果速度是首要考量，请改用支持服务器端流式传输的实时模型。实时模型可提供即时会议笔记，通话结束后即可查阅。

实时转写还能让通话更易访问、更易理解。如果参与者不是母语使用者或听力不佳，可在通话进行时查看文字稿以获得帮助。

如何在无需代码的情况下转写电话

虽然使用 STT API 构建通话转写流程适合大规模处理，但转写通话不一定需要开发者。

使用电话系统或通话录音应用录制通话，将音频文件上传至ElevenCreative Speech to Text等语音转文字工具，然后下载文字稿。部分工具还支持实时转写，让你在通话进行时同步查看。手机内置转写功能因设备和地区而异，请查看手机支持的功能。

如何选择通话转写软件

通话转写软件在企业的记录管理流程中发挥重要作用。务必选择可提供准确结果的软件。

通话转写软件通常分为三类：

• 消费者应用：适用于偶尔进行的个人通话或上传录音的简单工具。
• 联络中心平台：内置转写功能的一体化电话系统，最适合在同一平台处理所有通话的团队。
• 语音转文字 API：可连接至自有工具的灵活模型，最适合需要准确性和自定义工作流程的团队。

大多数企业团队会在后两类中选择，具体取决于所需的控制程度。以下是为企业选择通话转写软件时应考虑的因素。

电话音频准确性

许多转写模型能准确转写使用专业麦克风在录音室采集的音频，却难以处理通过电话或视频通话采集的音频。转写通话时，你需要一个即使音频质量不完美也能始终保持高准确率的 AI 模型。

还需要一个能准确处理多种口音和方言的模型。在当前高度整合的全球经济中，团队很可能会与世界各地的客户和同事会面，因此每场会议都需要清晰、准确的文字稿。如果公司在国际范围内运营，还需要支持多种语言的平台。

说话人分离和标记

转写通话时，准确的说话人标记至关重要。选择 AI 转写工具时，应选择即使声音相似也能持续、准确地区分说话人的平台。

这项技术在幕后称为说话人分离：即检测谁在何时说话，并在文字稿中标记每位说话人的过程。在电话中，说话人分离可让你区分客服与客户。请参阅我们的说话人分离指南了解更多。

文字稿还应包含每位说话人的准确时间戳。时间戳便于日后查找文字稿中的特定时刻。

与现有技术栈集成

选择可与现有软件程序集成的平台，这样无需手动将文字稿从一个系统转移到另一个系统。例如，你可能希望将文字稿直接发送至 CRM 或服务台软件，供日后查阅。

尽管某些转写平台可能提供预构建集成选项，但 API 更具灵活性。API 可帮助你以符合现有工作流程的方式连接各个软件平台。

强大的合规标准

转写平台应满足所在行业和地区的合规标准。如果通话经常包含敏感医疗数据、财务信息或个人详细信息，这一点尤为重要。

请选择符合现代网络安全和隐私标准的平台，例如 SOC-2 Type II。强大的合规计划可确保文字稿保持私密，并免受第三方威胁行为者侵害。

电话转写合法吗？同意、隐私与留存

电话转写是否合法取决于你所在地及来电者所在地的隐私法。部分州和国家只要求一方同意录音，另一些则要求所有参与方同意。

在实行单方同意法的司法管辖区，通话中的任何活跃参与者都可在未经其他参与者明确同意的情况下录音和转写。在实行全体同意法的司法管辖区，录音开始前必须通知通话中的所有人并取得许可。

如果通话跨越多个司法管辖区，来电者应遵守更严格的全体同意法。最简单的做法是在通话开始时通知所有参与者通话将被录音和转写。通常，继续参与通话会被视为默示同意。

只要录音本身合法，留存通话文字稿通常也是合法的。但是，GDPR 或 CCPA 等部分隐私法可能会限制含有敏感消费者数据的录音留存时长。某些法规还可能要求将包含此类信息的录音匿名化。

如果组织定期转写通话，建议咨询隐私律师，根据当地法律和运营情况制定同意策略。本文仅供一般参考，不构成法律建议。

使用 ElevenAPI 开始转写客户通话

自动通话转写可确保团队拥有每段对话的记录，支持客户服务、质量保障和合规策略。

使用 ElevenAPI，你可将ElevenLabs Scribe v2或Scribe v2 Realtime模型融入日常工作流程，随时获取所需文字稿。支持超过 90 种语言的转写，延迟约为 150ms*；还可使用音频标签和关键词提示等功能，获得高度准确的结果。

立即开始使用 ElevenAPI，获取高质量通话文字稿；或者将文件上传至ElevenCreative STT，即时获得文字稿。

*仅指模型推理时间。实际端到端延迟会因所在地、所用端点类型等因素而异。

通话转写常见问题