Riverstart: ИИ-транскрибатор RiverSpeech экономит около 35 часов в месяц

Riverstart — цифровое агентство, где в работе обычно около сотни проектов, а созвоны занимают значительную часть времени. После встречи нужно собрать итоги: кто что делает, к какому сроку и о чём договорились; сотрудники, подключившиеся позже, переслушивают записи коллег. По оценке компании, на расшифровку и фиксацию итогов уходит 1–2 часа в день, суммарно до 35–40 часов в месяц. Ещё одно требование — безопасность: на созвонах обсуждаются проекты под NDA и коммерческие данные, поэтому облачные сервисы компания сочла рискованными и потребовала обработку внутри корпоративного контура.

RiverSpeech — локальный ИИ-транскрибатор, который развёртывается в корпоративном контуре. Он переводит запись встречи в текст, делит реплики по спикерам (диаризация) и формирует краткое резюме. Встроенный ИИ-помощник готовит протокол совещания с повесткой, ходом обсуждения и итогами, а также краткий отчёт с договорённостями, задачами, ответственными и сроками. Пользователь может редактировать диалоги, подписывать спикеров, хранить расшифровки в папках и настраивать отправку конспекта в CRM, документооборот или базу знаний. Компания сообщает, что готовых сервисов с таким набором функций на рынке не нашла.

Решение создал собственный R&D-центр Riverstart в области ИИ. Команда изучила модели распознавания речи, протестировала решения для диаризации и саммаризации и собрала их в единый процесс от загрузки аудио до готового документа, добавила интерфейс загрузки и управления расшифровками. Пользователь загружает запись в формате MP3, MP4, WAV или другом, ждёт 3–5 минут, подписывает спикеров, и система расставляет имена по голосам. По словам компании, сервис вошёл в рабочие процессы менеджеров, дизайнеров, аналитиков, QA-специалистов и HR. Часовой созвон обрабатывается примерно за 15 минут, из которых 5 работает сервис и 10 уходит на проверку человеком; вместо 3–6 часов на протокол сотрудник тратит час на проверку и правки.