Sortie Call Analytics en temps réel - Amazon Transcribe

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Sortie Call Analytics en temps réel

Les transcriptions d'analyse des appels en temps réel sont affichées dans un turn-by-turn format par segment. Elles incluent des événements de catégorie, la détection des problèmes, les sentiments, ainsi que l’identification et l’expurgation des PII. Les événements de catégorie vous permettent de définir des alertes en temps réel. Pour plus d’informations, consultez la section Création d’alertes en temps réel pour les correspondances de catégorie.

Pour améliorer la précision et personnaliser davantage vos transcriptions en fonction de votre cas d’utilisation, par exemple en incluant des termes spécifiques au secteur, ajoutez des vocabulaires personnalisés ou des modèles de langue personnalisés à votre demande Call Analytics. Pour masquer, supprimer ou étiqueter des mots que vous ne voulez pas voir apparaître dans vos résultats de transcription, tels que des termes vulgaires, ajoutez un filtrage du vocabulaire.

Les sections suivantes présentent des exemples de sortie JSON pour les transcriptions Call Analytics en temps réel.

Événements de catégorie

Voici à quoi ressemble une correspondance de catégorie dans votre sortie de transcription. Cet exemple montre que l’audio entre l’horodatage de 19 010 millisecondes et l’horodatage de 22 690 millisecondes correspond à la catégorie « plainte réseau ». Dans ce cas, la catégorie personnalisée « plainte réseau » exigeait que le client indique « problèmes de réseau » (correspondance exacte des mots).

"CategoryEvent": { "MatchedCategories": [ "network-complaint" ], "MatchedDetails": { "network issues" : { "TimestampRanges": [ { "BeginOffsetMillis": 9299375, "EndOffsetMillis": 7899375 } ] } } },

Détection des problèmes

Voici à quoi ressemble une correspondance de détection de problèmes dans votre sortie de transcription. Cet exemple montre que le texte compris entre le caractère 26 et le caractère 62 décrit un problème.

"UtteranceEvent": { ... "Transcript": "Wang Xiulan I'm tired of the network issues my phone is having.", ... "IssuesDetected": [ { "CharacterOffsets": { "BeginOffsetChar": 26, "EndOffsetChar": 62 } } ] },

Sentiment

Voici à quoi ressemble l’analyse des sentiments dans votre sortie de transcription.

"UtteranceEvent": { ... "Sentiment": "NEGATIVE", "Items": [{ ...

Identification des PII

Voici à quoi ressemble l’identification des PII dans votre sortie de transcription.

"Entities": [ { "Content": "Wang Xiulan", "Category": "PII", "Type": "NAME", "BeginOffsetMillis": 7999375, "EndOffsetMillis": 199375, "Confidence": 0.9989 } ],

Expurgation des PII

Voici à quoi ressemble l’expurgation des PII dans votre sortie de transcription.

"Content": "[NAME]. Hi, [NAME]. I'm [NAME] Happy to be helping you today.", "Redaction": { "RedactedTimestamps": [ { "BeginOffsetMillis": 32670, "EndOffsetMillis": 33343 }, { "BeginOffsetMillis": 33518, "EndOffsetMillis": 33858 }, { "BeginOffsetMillis": 34068, "EndOffsetMillis": 34488 } ] },

Sortie Call Analytics en temps réel compilée

Par souci de concision, une partie du contenu est remplacée par des points de suspension dans la sortie de transcription suivante.

{ "CallAnalyticsTranscriptResultStream": { "BadRequestException": {}, "ConflictException": {}, "InternalFailureException": {}, "LimitExceededException": {}, "ServiceUnavailableException": {}, "UtteranceEvent": { "UtteranceId": "58c27f92-7277-11ec-90d6-0242ac120003", "ParticipantRole": "CUSTOMER", "IsPartial": false, "Transcript": "Wang Xiulan I'm tired of the network issues my phone is having.", "BeginOffsetMillis": 19010, "EndOffsetMillis": 22690, "Sentiment": "NEGATIVE", "Items": [{ "Content": "Wang", "BeginOffsetMillis": 379937, "EndOffsetMillis": 299375, "Type": "pronunciation", "Confidence": 0.9961, "VocabularyFilterMatch": false }, { "Content": "Xiulan", "EndOffsetMillis": 5899375, "BeginOffsetMillis": 3899375, "Type": "pronunciation", "Confidence": 0.9961, "VocabularyFilterMatch": false }, ... { "Content": "network", "EndOffsetMillis": 199375, "BeginOffsetMillis": 9299375, "Type": "pronunciation", "Confidence": 0.9961, "VocabularyFilterMatch": false }, { "Content": "issues", "EndOffsetMillis": 7899375, "BeginOffsetMillis": 5999375, "Type": "pronunciation", "Confidence": 0.9961, "VocabularyFilterMatch": false }, { "Content": "my", "EndOffsetMillis": 9199375, "BeginOffsetMillis": 7999375, "Type": "pronunciation", "Confidence": 0.9961, "VocabularyFilterMatch": false }, { "Content": "phone", "EndOffsetMillis": 199375, "BeginOffsetMillis": 9299375, "Type": "pronunciation", "Confidence": 0.9961, "VocabularyFilterMatch": false }, ... ], "Entities": [{ "Content": "Wang Xiulan", "Category": "PII", "Type": "NAME", "BeginOffsetMillis": 7999375, "EndOffsetMillis": 199375, "Confidence": 0.9989 }], "IssuesDetected": [{ "CharacterOffsets": { "BeginOffsetChar": 26, "EndOffsetChar": 62 } }] }, "CategoryEvent": { "MatchedCategories": [ "network-complaint" ], "MatchedDetails": { "network issues" : { "TimestampRanges": [ { "BeginOffsetMillis": 9299375, "EndOffsetMillis": 7899375 } ] } } } } }