Sber Salute Speech

Об инструменте

Sber Salute Speech даёт агенту распознавание и синтез речи от Сбера. С ним агент понимает голосовые сообщения, аудиозаписи и звуковую дорожку видеофайлов: получает текстовую расшифровку и дальше работает с ней как с обычным сообщением. Синтез речи превращает текст ответа в аудио.

Действия

Подключение

Авторизация не нужна: подключите инструмент агенту в разделе Инструменты, как это сделать — в разделе Как добавить инструменты в агента. К шаблонам Маркетплейса, где инструмент предусмотрен, он подключается автоматически. Чтобы пользователи могли прикреплять записи, у агента должна быть включена настройка Загрузка файлов — без неё тип «Аудио» и «Видео» в чате не предлагается.

Что приложить

• Аудио: mp3, wav, ogg, opus, flac, m4a, aac — до 150 МБ на файл. Голосовые сообщения из Telegram и MAX обрабатываются как обычные аудиофайлы.

• Видео: mp4, mov, mkv, webm, avi — до 200 МБ на файл. Платформа извлекает звуковую дорожку сразу при загрузке и отправляет на распознавание только её; видеоряд не обрабатывается. Видеосообщения-кружки Telegram принимаются так же.

• До 20 файлов за одну загрузку.

• По ссылке, в виджете и через API аудиофайл можно не прикладывать, а дать на него прямую http(s)-ссылку. Видео принимается только скрепкой.

Ограничения мессенджеров

В Telegram и MAX действует лимит самого мессенджера, и итоговый предел — меньший из двух: лимита инструмента и лимита канала.

Ограничения

• Из видео используется только звук: мимику, жесты, слайды и демонстрацию экрана агент не анализирует.

• Разметка реплик по говорящим не выполняется.

Если что-то пошло не так