MOD-TRANSCRIPTION — Транскрипция и управление разговорами

Лицензия: Платный

Модуль превращает звук в управляемый текст. Разговор (звонок, запись встречи, загруженный аудиофайл) заводится карточкой со ссылкой на аудио в объектном хранилище контура, ставится в очередь, и фоновый воркер прогоняет его через ASR-движок. Результат — не «простыня», а транскрипт из сегментов: у каждого свои таймкоды начала и конца, метка говорящего и текст. Сегменты читаются инкрементально (from_idx отдаёт только новые), поэтому длинную расшифровку можно тянуть по мере готовности, а не ждать целиком.

Движок распознавания выбирается конфигурацией: self-host Whisper в контуре или облачный OpenAI-совместимый endpoint — код у них общий, различаются только адрес, модель и ключ. Если движок не настроен, модуль честно отказывает, а не возвращает пустую заглушку. Тот же принцип у summary: текст сводки и ключевые фразы генерирует ИИ-слой ядра (TRANSCRIPTION_AI_URL), сам модуль LLM не запускает; каждая ключевая фраза обязана ссылаться на реальный номер сегмента, чтобы сводку можно было перепроверить по таймкоду, а при ненастроенном ИИ-слое приходит честный отказ.

Диаризация в модуле держится на метках говорящих в сегментах. В живом режиме метку присылает агент встречи вместе с окном аудио на внутренний эндпоинт /transcribe-chunk (закрыт общим секретом X-Internal-Token); для готовых записей OpenAI-совместимый движок меток не отдаёт, и говорящих размечают вручную — переименовать, слить двух в одного, привязать к сотруднику или контакту CRM. Поиск по разговорам — полнотекстовый Postgres с русской морфологией и подсветкой совпадения; семантический режим объявлен, но не реализован и отвечает честной ошибкой вместо выдуманной выдачи. Жизненный цикл задач транскрипции (в очереди / выполняется / готово / ошибка) транслируется в live-канал transcription через SSE.

Хранение разговоров ограничено: удаление разговора мягкое (с confirm=true), а очистка по сроку хранения — необратимая и тоже требует подтверждения, вычищая вместе с разговором транскрипт, summary, говорящих и задания.

Возможности

Разговор как карточка: источник, ссылка на аудио, привязка к сущности (entity_ref), язык
Асинхронная очередь транскрипции: постановка идемпотентна, обработка фоновым воркером
Транскрипт сегментами: таймкоды начала и конца, метка говорящего, текст
Инкрементальное чтение транскрипта: from_idx отдаёт только новые сегменты, total и next_idx для продолжения
Синхронное распознавание короткого фрагмента (base64, ~10 МБ) тем же движком — для длинного аудио остаётся асинхронный конвейер
Выбор ASR-движка конфигурацией: self-host Whisper в контуре или облачный OpenAI-совместимый endpoint
Честный отказ при ненастроенном движке — без пустых заглушек
Живая транскрипция: агент встречи шлёт окна аудио с меткой говорящего на внутренний эндпоинт, закрытый общим секретом
Разметка говорящих: переименование по всем сегментам, слияние двух говорящих, привязка к сотруднику или контакту CRM
Summary и ключевые фразы через ИИ-слой ядра, каждая фраза со ссылкой на номер сегмента; честный отказ, если ИИ-слой не настроен
Полнотекстовый поиск по разговорам с русской морфологией и подсветкой; семантический режим не реализован и отвечает честной ошибкой
Административная выдача всех транскриптов встреч с пагинацией и фильтром по статусу
Мягкое удаление разговора и необратимая очистка по сроку хранения — обе с обязательным confirm=true
Live-события жизненного цикла заданий транскрипции по SSE (канал transcription)

Основные MCP-инструменты

Инструмент	Назначение
`transcription__describe_entities`	Метаданные сущностей модуля без самих данных
`transcription__describe_blocks`	Блоки холста для библиотеки MOD-CANVAS (список пуст)
`transcription__get_roles`	Ролевая модель модуля транскрипции
`transcription__get_canvas_presets`	Пресеты холстов (JSON-DSL) по роли
`transcription__subscribe_events`	Каналы live-событий и путь SSE-потока
`transcription__conversation.create`	Создать разговор для транскрипции аудио-источника
`transcription__conversation.get`	Метаданные разговора
`transcription__conversation.list`	Список и фильтр разговоров с пагинацией
`transcription__conversation.delete`	Мягко удалить разговор и транскрипт (нужен `confirm=true`)
`transcription__conversation.search`	Полнотекстовый поиск по разговорам; семантический режим не реализован
`transcription__transcription.enqueue`	Поставить транскрипцию разговора в очередь (идемпотентно)
`transcription__transcription.get`	Статус задачи транскрипции по заданию или разговору
`transcription__transcript.get`	Транскрипт разговора: статус, язык, текст, сегменты; инкрементально через `from_idx`
`transcription__transcript.list_all`	Все транскрипты встреч (админ-поверхность): пагинация и фильтр по статусу
`transcription__transcribe_audio`	Синхронно распознать короткий аудио-фрагмент (base64) тем же движком
`transcription__speaker.list`	Говорящие разговора: наблюдаемые в сегментах, переименованные, привязанные
`transcription__speaker.rename`	Переименовать говорящего во всех сегментах разговора
`transcription__speaker.merge`	Слить двух говорящих: сегменты переносятся на целевого
`transcription__speaker.assign`	Привязать говорящего к сотруднику или контакту CRM
`transcription__summary.generate`	Сгенерировать summary и ключевые фразы через ИИ-слой ядра, со ссылками на сегменты
`transcription__summary.get`	Получить готовое summary и ключевые фразы
`transcription__retention.purge`	НЕОБРАТИМО удалить разговоры старше срока хранения (нужен `confirm=true`)

Блоки холста

Собственных блоков холста у модуля нет: describe_blocks намеренно возвращает пустой список. MOD-TRANSCRIPTION — headless-инфраструктура распознавания речи, её результаты показываются виджетами модуля видеовстреч.

Связанные модули

MOD-MEETINGS-VIDEO — записи видеовстреч как источник аудио и место показа транскриптов
MOD-TEL — телефония: записи звонков, которые ставятся на расшифровку
MOD-STT-WHISPER — локальное распознавание речи в контуре
MOD-CALL-COACHING — оценка звонков по расшифрованному тексту
MOD-MEETING-SCRIPTS — сценарии совещаний и протоколы поверх транскрипта
MOD-CRM — карточки, к которым привязываются разговоры и говорящие