Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
¿Qué es el análisis de llamadas de Amazon Chime? SDK
El análisis de SDK llamadas de Amazon Chime es una solución de bajo código para generar información rentable a partir del audio en tiempo real, que incluye capacidades para la ingesta de audio, la grabación, el análisis de voz, las alertas y un lago de datos. Puede generar información basada en el machine learning mediante el análisis de llamadas mediante la creación de una configuración de análisis de llamadas reutilizable que determine qué integraciones de machine learning de AWS y qué características de procesamiento de audio deben utilizarse en un flujo de trabajo. A continuación, utilice la configuración de análisis de llamadas con varias fuentes multimedia, como Voice Connectors o Amazon Kinesis Video Streams. El análisis de llamadas genera información mediante integraciones con el análisis de llamadas de Amazon Transcribe y Transcribe TCA (), y de forma nativa a través del análisis de voz de Amazon ChimeSDK, un servicio que se ejecuta bajo el análisis de llamadas.
Siga estos pasos para usar el análisis de llamadas:
En el diagrama:
Empiece por crear una configuración de análisis de llamadas.
Establezca los destinos de salida y un lago de datos opcional.
Cree flujos de trabajo que asocien su configuración con un conector de voz y Amazon Kinesis Video Streams.
Analice y, si lo desea, visualice su información.
Puede usar la SDK consola Amazon Chime para crear una configuración de análisis de llamadas y permitir que el análisis de llamadas se inicie automáticamente. Si necesita controlar las configuraciones que se aplican a un tipo de llamada determinado, debe APIs crear una configuración. De cualquier forma, la configuración contiene detalles sobre los servicios de aprendizaje AWS automático que se deben invocar para el audio de la llamada, habilitar la grabación de las llamadas y los destinos de la información, los metadatos y las grabaciones. El análisis de llamadas proporciona los siguientes destinos:
Una transmisión de datos de Amazon Kinesis ()KDS. Puede utilizarla KDS para recibir información sobre llamadas en tiempo real y, a continuación, integrarla en su aplicación. Por ejemplo, puede integrar la información en tiempo real para ayudar a un agente de ventas o de atención al cliente durante una llamada con un cliente, o utilizar la información para aumentar las sugerencias y resúmenes de IA generativa.
Un bucket de Amazon S3 configurado para el almacenamiento de datos. El bucket almacena los datos en formato Parquet. Parquet es un formato de archivo de código abierto diseñado para comprimir y almacenar grandes volúmenes de datos. A continuación, puede utilizar Amazon Athena para consultar esos datos mediante un lenguaje de consulta sencillo (SQL) o mover los datos a su almacén de datos existente para combinarlos con los datos de su empresa. Por ejemplo, puede realizar análisis agregados después de las llamadas para comprender la eficacia de las llamadas de los clientes, las áreas problemáticas de un producto o las oportunidades de capacitar a los empleados para que logren mejores resultados con los clientes.
Además de esos destinos, el análisis de llamadas también admite alertas en tiempo real que puede preconfigurar en función de la información recopilada. Las alertas se envían a Amazon EventBridge.
nota
Cuando crea una configuración de análisis de llamadas, no selecciona una fuente de audio específica. Esto le permite reutilizar las configuraciones en varias fuentes de audio. Por ejemplo, una configuración puede habilitar la grabación de llamadas y proporcionar la transcripción de las llamadas. A continuación, puede utilizar la configuración con un conector de SDK voz Chime y una transmisión de audio a través de una transmisión de vídeo de Kinesis. También puede compartir la configuración entre varios Voice Connectors. Cada configuración de análisis de llamadas es única y se identifica mediante un. ARN