---
title: "Transkripsi rakaman pusat panggilan: saluran dengan kod"
description: "Pisahkan panggilan stereo mengikut saluran, potong giliran ucapan, transkripsi bahasa Arab dan Inggeris, sunting PII dan ringkaskan dengan LLM. Kod Python dan kos."
url: https://broadrouter.com/ms/blog/transcribe-call-center-recordings/
lang: ms
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/transcribe-call-center-recordings/) (dikemas kini 2026-11-14).

# Cara mentranskripsi rakaman pusat panggilan: saluran sedia bahasa Arab

Oleh pasukan BroadNet Inference · 4 minit bacaan · Diterbitkan 2026-11-14

Untuk mentranskripsi rakaman pusat panggilan, pisahkan fail stereo kepada saluran ejen dan pelanggan, potong setiap saluran kepada giliran ucapan, transkripsi setiap giliran dengan kod bahasa yang betul, kemudian gabungkan giliran mengikut masa mula. Sunting nombor kad dan nombor telefon daripada transkrip sebelum LLM meringkaskan panggilan. Rakaman mono memerlukan langkah diarization berasingan.

## Perkara utama

-   Kebanyakan perakam panggilan menyimpan ejen dan pelanggan pada saluran stereo berasingan. Memisahkannya memberikan label penutur yang sempurna tanpa diarization.
-   Memotong setiap saluran pada senyap memberi anda susunan giliran dan mengelakkan bayaran untuk senyap.
-   Normalkan digit Arab Timur sebelum penyuntingan, atau nombor kad dan telefon akan terlepas.
-   Sunting transkrip sebelum langkah ringkasan, dan minta JSON berstruktur daripada LLM.
-   Pada $0.0042 seminit, 1,000 jam ucapan bahasa Arab berkos $252.00 untuk ditranskripsi.

**Dalam halaman ini**

1.  Langkah 1: adakah rakaman itu stereo atau mono?
2.  Langkah 2: bagaimanakah anda memisahkan saluran stereo dengan ffmpeg?
3.  Langkah 3: bagaimanakah anda memotong setiap saluran kepada giliran ucapan?
4.  Langkah 4: bagaimanakah anda mentranskripsi setiap giliran?
5.  Langkah 5: bagaimanakah anda menggabungkan giliran menjadi dialog?
6.  Bagaimana pula dengan rakaman mono?
7.  Langkah 6: bagaimanakah anda menyunting PII, termasuk digit Arab?
8.  Langkah 7: bagaimanakah anda meringkaskan setiap panggilan dengan LLM?
9.  Semakan kualiti manakah yang perlu didahulukan sebelum analitik?
10.  Berapakah kos transkripsi panggilan?
11.  Di manakah BroadNet Inference sesuai

_[image: A support agent with a headset beside a screen showing a call transcript, with the text "Every call becomes insight."]_

Illustration of an app you could build; not a BroadNet product screenshot.

Pusat panggilan menghasilkan beribu-ribu jam audio sebulan, dan hampir semuanya tidak dibaca. Transkrip menjadikan panggilan boleh dicari. Ringkasan menjadikannya boleh disemak. Catatan ini membina saluran itu dari hujung ke hujung, dengan sudut bahasa Arab: dialek, campuran bahasa Arab dan Inggeris, dan digit Arab Timur.

Langkah-langkahnya:

1.  Periksa rakaman: stereo atau mono?
2.  Pisahkan stereo kepada saluran ejen dan pelanggan.
3.  Potong setiap saluran kepada giliran ucapan.
4.  Transkripsi setiap giliran dengan bahasa yang betul.
5.  Gabungkan giliran menjadi dialog mengikut masa mula.
6.  Sunting PII daripada teks.
7.  Ringkaskan dengan LLM kepada medan berstruktur.

## Langkah 1: adakah rakaman itu stereo atau mono?

```bash
ffprobe -v error -show_entries stream=channels,sample_rate,duration -of csv=p=0 call.wav
# 2,8000,412.6   -> stereo, 8 kHz telephone audio, 6.9 minutes
```

Banyak perakam pusat hubungan menyimpan ejen pada satu saluran dan pelanggan pada saluran lain. [Panduan pusat hubungan AssemblyAI](https://www.assemblyai.com/docs/contact-center-best-practices) menyatakan perkara yang sama: dengan saluran berasingan, anda mendapat pemisahan penutur tanpa diarization. Semak sebelah mana milik siapa pada beberapa panggilan; ejen tidak selalu di sebelah kiri.

## Langkah 2: bagaimanakah anda memisahkan saluran stereo dengan ffmpeg?

```bash
ffmpeg -i call.wav -af "pan=mono|c0=c0" -ar 16000 agent.wav
ffmpeg -i call.wav -af "pan=mono|c0=c1" -ar 16000 customer.wav
```

Penapis `pan` mengekalkan satu saluran, dan `-ar 16000` mensampel semula kepada 16 kHz, format yang digunakan dokumentasi BroadNet untuk rakaman telefon.

## Langkah 3: bagaimanakah anda memotong setiap saluran kepada giliran ucapan?

Ini bentuk ringkas [pengesanan aktiviti suara](https://broadrouter.com/ms/glossary/vad/). Menghantar setiap saluran penuh berfungsi, tetapi anda membayar setiap saat senyap semasa pihak lain bercakap, yang lebih kurang menggandakan bil panggilan stereo. Ia juga kehilangan susunan giliran. Memotong pada senyap membaiki kedua-duanya:

```python
import re, subprocess

def speech_turns(wav, noise="-35dB", min_silence=0.6):
    """Return (start, end) seconds of speech, using ffmpeg silencedetect."""
    log = subprocess.run(
        ["ffmpeg", "-i", wav, "-af", f"silencedetect=noise={noise}:d={min_silence}", "-f", "null", "-"],
        capture_output=True, text=True).stderr
    dur = float(subprocess.run(
        ["ffprobe", "-v", "error", "-show_entries", "format=duration", "-of", "csv=p=0", wav],
        capture_output=True, text=True).stdout)
    starts = [float(x) for x in re.findall(r"silence_start: ([\d.]+)", log)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", log)]
    turns, cursor = [], 0.0
    for s, e in zip(starts, ends + [dur]):
        if s - cursor > 0.4:
            turns.append((cursor, s))
        cursor = e
    if dur - cursor > 0.4:
        turns.append((cursor, dur))
    return turns
```

Laraskan `noise` pada rakaman anda sendiri: talian yang bising memerlukan ambang lebih tinggi seperti `-30dB`.

## Langkah 4: bagaimanakah anda mentranskripsi setiap giliran?

```python
import os, tempfile
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def transcribe_turns(wav, speaker, language="ar"):
    out = []
    for start, end in speech_turns(wav):
        with tempfile.NamedTemporaryFile(suffix=".wav") as seg:
            subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", wav,
                            "-ss", f"{start:.2f}", "-to", f"{end:.2f}", seg.name], check=True)
            with open(seg.name, "rb") as audio:
                text = client.audio.transcriptions.create(
                    model="broadnet/cohere-transcribe-arabic", file=audio, language=language).text
        out.append({"start": start, "speaker": speaker, "text": text.strip()})
    return out
```

Sentiasa hantar `language`. Tanpanya, bahasa Arab boleh dipulangkan dalam huruf Rumi. Untuk baris gilir bahasa Inggeris, gunakan `broadnet/cohere-transcribe` dengan `language="en"`. Kekalkan kumpulan pekerja yang kecil: kunci bayar ikut guna membenarkan 4 permintaan serentak dan 30 seminit, dan [panduan ralat dan cubaan semula](https://broadrouter.com/ms/guides/errors-and-retries/) menunjukkan cara backoff pada 429.

Fail tunggal mesti kekal di bawah 25 MiB. Monolog panjang dalam WAV mono 16 kHz (kira-kira 32 KB sesaat) melepasi had itu pada sekitar 13 minit; pecahkannya dengan `-f segment -segment_time 600`.

## Langkah 5: bagaimanakah anda menggabungkan giliran menjadi dialog?

```python
turns = transcribe_turns("agent.wav", "Agent") + transcribe_turns("customer.wav", "Customer")
dialogue = "\n".join(f'{t["speaker"]}: {t["text"]}' for t in sorted(turns, key=lambda t: t["start"]))
```

Ucapan bertindih muncul sebagai dua giliran dengan masa mula yang hampir, iaitu apa yang dijangka oleh penyemak manusia.

## Bagaimana pula dengan rakaman mono?

Tanpa saluran, anda memerlukan **[diarization penutur](https://broadrouter.com/ms/glossary/diarization/)**: menentukan siapa bercakap bila. Pilihan:

| Pilihan | Cara | Pertukaran |
| --- | --- | --- |
| Diarization sumber terbuka | Jalankan [pyannote.audio](https://github.com/pyannote/pyannote-audio) pada pelayan anda, kemudian transkripsi setiap segmen penutur | Anda mengehos model; audio kekal dengan anda |
| Penyedia dengan diarization terbina dalam | Beberapa API STT memulangkan label penutur; lihat [perbandingan harga](https://broadrouter.com/ms/blog/speech-to-text-api-pricing-compared/) untuk kos tambahan | Satu lagi vendor dalam laluan data |
| Pelabelan peranan dengan LLM | Transkripsi giliran, kemudian minta LLM melabel setiap giliran Agent atau Customer berdasarkan konteks | Murah; salah pada giliran pendek atau samar |
| Baiki di sumber | Tukar perakam kepada dwi-saluran | Jawapan jangka panjang terbaik |

BroadNet tidak menyenaraikan diarization, jadi pada audio mono, gandingkannya dengan salah satu daripada tiga pilihan pertama.

## Langkah 6: bagaimanakah anda menyunting PII, termasuk digit Arab?

Pemanggil membaca nombor kad, IBAN dan nombor telefon dengan kuat. Transkrip mungkin menulisnya dalam digit Barat (0-9) atau digit Arab Timur (٠-٩). Normalkan dahulu, kemudian sunting:

```python
EASTERN = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "01234567890123456789")

def redact(text):
    text = text.translate(EASTERN)
    text = re.sub(r"\b(?:\d[ -]?){13,19}\b", "[CARD]", text)
    text = re.sub(r"\b[A-Z]{2}\d{2}[A-Z0-9]{11,30}\b", "[IBAN]", text)
    text = re.sub(r"\+?\d[\d -]{7,}\d", "[PHONE]", text)
    return text
```

Nombor juga boleh disebut sebagai perkataan (“خمسة أربعة…”), yang akan terlepas daripada regex. Ambil sampel transkrip secara manual dan tambah peraturan untuk apa yang anda temui. Pendekatan yang lebih luas ada dalam [menghantar data sensitif ke API LLM](https://broadrouter.com/ms/blog/llm-api-sensitive-data/).

## Langkah 7: bagaimanakah anda meringkaskan setiap panggilan dengan LLM?

```python
import json
summary = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    response_format={"type": "json_object"},
    messages=[
        {"role": "system", "content": "Summarise this call centre dialogue. Reply in English JSON with keys: "
                                      "reason, resolution, resolved (true/false), customer_sentiment, follow_up."},
        {"role": "user", "content": redact(dialogue)},
    ],
).choices[0].message.content
print(json.loads(summary))
```

Qwen3.8 27B menyokong [output berstruktur](https://broadrouter.com/ms/glossary/structured-output/); sentiasa huraikan dan sahkan jawapannya ([caranya](https://broadrouter.com/ms/blog/structured-output-json-schema/)). Ujian BroadNet sendiri juga mendapati ia memahami dialek Teluk dan Mesir. Minta JSON bahasa Inggeris jika papan pemuka anda dalam bahasa Inggeris, walaupun panggilan itu dalam bahasa Arab.

## Semakan kualiti manakah yang perlu didahulukan sebelum analitik?

Papan pemuka yang dibina atas transkrip buruk kelihatan sama yakin dengan yang dibina atas transkrip baik. Tambah semakan ini ke dalam saluran:

-   **Saluran tertukar.** Jika label ejen dan pelanggan terbalik pada sesetengah perakam atau baris gilir, setiap metrik “kata ejen” salah. Semak giliran pertama: ejen biasanya membuka dengan ucapan salam dan nama syarikat.
-   **Transkrip kosong atau terlalu kecil.** Giliran yang tidak memulangkan teks, atau panggilan dengan kurang daripada 20 perkataan, biasanya bermaksud senyap, muzik menunggu atau fail rosak. Tandakannya dan bukannya meringkaskannya.
-   **Bahasa tidak sepadan.** Baris gilir bahasa Inggeris yang tiba-tiba menghasilkan teks Arab, atau bahasa Arab yang dipulangkan dalam huruf Rumi, menunjukkan nilai `language` yang salah.
-   **Ringkasan tersasar.** Setiap minggu, minta penyelia membandingkan 20 ringkasan dengan transkrip penuh. Pantau sekerap mana `resolved` salah.

Simpan transkrip setiap giliran, bukan hanya ringkasan. Apabila ringkasan dipertikaikan, giliran itulah bukti anda.

## Berapakah kos transkripsi panggilan?

Dengan pemotongan giliran, audio yang dibilkan hampir sama dengan masa bercakap. Untuk 1,000 jam ucapan bahasa Arab:

-   Transkripsi: $252.00 pada $0.0042 seminit di [BroadNet Transcribe Arabic](https://broadrouter.com/ms/models/cohere-transcribe-arabic/), atau $120.00 di [BroadNet Transcribe](https://broadrouter.com/ms/models/cohere-transcribe/) 14 bahasa untuk baris gilir bahasa Inggeris.
-   Ringkasan: panggilan 7 minit selalunya beberapa ribu token. Kira harganya dalam [kalkulator kos API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) dengan panjang transkrip sebenar anda, dan bahagian audio dalam [kalkulator kos speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

## Di manakah BroadNet Inference sesuai

BroadNet meliputi langkah 4 dan 7 dengan satu kunci dan satu [base URL](https://broadrouter.com/ms/glossary/base-url/): bahasa Arab dan 13 bahasa lain untuk transkripsi, dan model chat yang diuji dalam bahasa Arab untuk ringkasan. Audio, transkrip dan prompt tidak disimpan ([tanpa penyimpanan data](https://broadrouter.com/ms/privacy/)), dan BroadNet melaporkan model bahasa Arabnya #2 daripada 37 (angka September 2026; papan kedudukan langsung menyenaraikannya di #4 daripada 39 pada 15 November 2026) di Open Universal Arabic ASR Leaderboard.

Ia tidak melakukan diarization, transkripsi masa nyata atau penyuntingan untuk anda; semua itu kekal dalam saluran anda. Sebelum komited, uji dialek anda menggunakan kaedah dalam [pengecaman ucapan dialek Arab](https://broadrouter.com/ms/blog/arabic-dialect-speech-recognition/).

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Speech-to-text (pertuturan kepada teks)](https://broadrouter.com/ms/glossary/speech-to-text/)

Speech-to-text, juga dipanggil pengecaman pertuturan automatik (ASR), ialah teknologi yang menukar audio pertuturan kepada teks bertulis. API speech-to-text menerima fail atau strim audio dan memulangkan transkrip, biasanya berharga setiap minit audio. Ketepatan diukur dengan kadar ralat perkataan dan berbeza mengikut loghat, dialek dan kualiti rakaman.

[Baris Arab (tashkeel, Arabic diacritics)](https://broadrouter.com/ms/glossary/arabic-diacritics/)

Baris Arab, atau tashkeel, ialah tanda kecil yang ditulis di atas atau di bawah huruf untuk menunjukkan vokal pendek, konsonan berganda dan ketiadaan vokal. Ia pilihan: kebanyakan teks Arab, termasuk berita, meninggalkannya, jadi pembaca dan perisian meneka vokal daripada konteks.

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

[Keserentakan (concurrency)](https://broadrouter.com/ms/glossary/concurrency/)

Keserentakan ialah bilangan permintaan yang sedang berjalan serentak daripada satu klien. API LLM sering mengehadkannya bagi setiap kunci atau pelan, berasingan daripada permintaan seminit, kerana setiap permintaan yang terbuka memegang kapasiti GPU sehingga responsnya selesai.

[PII (maklumat pengenalan peribadi)](https://broadrouter.com/ms/glossary/pii/)

PII (personally identifiable information) ialah maklumat yang boleh digunakan untuk membezakan atau menjejak identiti seseorang, seperti nama, nombor pengenalan atau rekod biometrik, serta maklumat lain yang dikaitkan atau boleh dikaitkan dengan orang itu. Istilah GDPR yang lebih luas ialah data peribadi. Dalam kerja LLM, penyuntingan PII membuangnya daripada prompt sebelum ia keluar dari sistem anda.

[Tool calling (panggilan alatan)](https://broadrouter.com/ms/glossary/tool-calling/)

Tool calling, juga dipanggil function calling, ialah ciri API LLM di mana model memulangkan permintaan berstruktur untuk menjalankan fungsi yang ditakrifkan oleh pembangun, bersama argumen JSON. Aplikasi menjalankan fungsi itu dan menghantar hasilnya kembali; model sendiri tidak pernah menjalankan kod.

[Base URL (URL asas)](https://broadrouter.com/ms/glossary/base-url/)

Base URL ialah alamat akar tetap sesuatu API, seperti https://api.example.com/v1, yang diletakkan oleh klien di hadapan setiap laluan endpoint, seperti /chat/completions. Dalam SDK serasi OpenAI, menukar base URL, bersama kunci API dan ID model, menghalakan kod yang sama kepada penyedia lain.

[Dialek Arab (dialectal Arabic)](https://broadrouter.com/ms/glossary/dialectal-arabic/)

Dialek Arab ialah bahasa Arab pertuturan harian di sesuatu rantau atau bandar, seperti bahasa Arab Mesir, Teluk, Levant atau Maghribi. Dialek berbeza daripada Bahasa Arab Standard Moden dari segi bunyi, perkataan dan tatabahasa, tiada ejaan standard, dan semakin banyak ditulis dalam talian, menjadikannya lebih sukar bagi model bahasa.

## Soalan lazim

### Bagaimanakah saya memisahkan ejen dan pelanggan dalam rakaman panggilan?

Jika rakaman itu stereo, ejen dan pelanggan biasanya berada pada saluran berbeza. Pisahkan dengan ffmpeg dan transkripsi setiap saluran secara berasingan. Jika mono, anda memerlukan diarization penutur.

### Adakah saya membayar dua kali apabila mentranskripsi kedua-dua saluran stereo?

Jika anda menghantar setiap saluran penuh, ya, kerana setiap saluran sama panjang dengan panggilan. Memotong setiap saluran kepada giliran ucapan dan hanya menghantar giliran itu menjadikan audio yang dibilkan hampir sama dengan masa bercakap sebenar.

### Bolehkah saya mentranskripsi panggilan bahasa Arab yang bercampur perkataan Inggeris?

Ya, tetapi ujilah. Ejen di Teluk dan Levant kerap beralih ke bahasa Inggeris untuk nama produk dan nombor. Semak bagaimana perkataan itu keluar pada 20 panggilan sebenar sebelum bergantung pada carian kata kunci atau analitik.

### Patutkah saya menyunting audio atau teks?

Sunting transkrip teks sebelum ia pergi ke LLM, analitik atau carian. Jika anda menyimpan audio, ia masih mengandungi nombor yang disebut, jadi hadkan akses dan tetapkan tempoh luput audio juga.

### Berapa panjangkah setiap fail audio boleh?

BroadNet menerima WAV atau MP3 sehingga 26,214,400 bait (25 MiB) bagi setiap permintaan. WAV mono 16 kHz ialah kira-kira 32 KB sesaat, jadi pastikan segmen di bawah kira-kira 13 minit, atau gunakan MP3.

## Teruskan membaca

-   [Minit mesyuarat bahasa Arab daripada rakaman: saluran API](https://broadrouter.com/ms/blog/arabic-meeting-minutes-from-recordings/)
-   [Transkripsi audio panjang melebihi 25 MB: pecah, hantar, cantum](https://broadrouter.com/ms/blog/transcribe-long-audio-files-api/)
-   [API speech-to-text bahasa Arab: cara memilih pada 2026](https://broadrouter.com/ms/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Menghantar data sensitif ke API LLM: sunting, kurangkan, kurangkan log](https://broadrouter.com/ms/blog/llm-api-sensitive-data/)
-   [Pengecaman pertuturan dialek Arab: Teluk, Mesir, Levant, Maghreb](https://broadrouter.com/ms/blog/arabic-dialect-speech-recognition/)
-   [Harga API speech-to-text dibandingkan: harga seminit pada 2026](https://broadrouter.com/ms/blog/speech-to-text-api-pricing-compared/)
-   [Tambah baris pada teks Arab dengan LLM: prompt, semakan dan DER](https://broadrouter.com/ms/blog/arabic-diacritization-llm/)
-   [Pembetulan tatabahasa dan ejaan bahasa Arab dengan LLM: panduan](https://broadrouter.com/ms/blog/arabic-grammar-spelling-correction-llm/)
-   [Panduan: API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/ms/guides/arabic-speech-to-text-api/)
-   [Panduan: Kod ralat BroadNet Inference dan bila perlu cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-transcribe-call-center-recordings&utm_content=page-cta) ·

**Sumber**

-   [Dokumentasi penapis FFmpeg (pan, silencedetect)](https://ffmpeg.org/ffmpeg-filters.html)
-   [AssemblyAI, amalan terbaik pusat hubungan (audio berbilang saluran)](https://www.assemblyai.com/docs/contact-center-best-practices)
-   [pyannote.audio, diarization penutur sumber terbuka](https://github.com/pyannote/pyannote-audio)
-   [Rujukan API BroadNet Inference, transkripsi dan had (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-transcribe-call-center-recordings&utm_content=sources)
-   [Harga BroadNet Inference yang boleh dibaca mesin (pricing.json) (Bahasa Inggeris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-transcribe-call-center-recordings&utm_content=sources)
