​Готового помощника-суфлёра на рынке нет

​Готового помощника-суфлёра на рынке нет. Собрал свой за 9 недель

Девять недель от идеи до первого работающего звонка. На стеке который уже работал в Зарубе.

почему не купил готовое

Полез смотреть рынок. Нашёл пять западных продуктов — Gong, Chorus, ExecVision. Прекрасные системы. Стоят от 100 долларов за менеджера в месяц, не работают с русским языком в реальном времени, не понимают нашу телефонию.

На 5 менеджеров — 30 000 рублей в месяц минимум, и продукт не делает ровно ту работу которая мне нужна. Российские аналоги — Calltouch, Roistat — про маркетинг и трекинг, не про подсказки в момент звонка.

Я не разработчик, но за два года уже запустил три собственных сервиса для Зарубы. Решил собирать сам.

на чём собирал

Стек проверенный, уже работающий в Зарубе:

Yandex SpeechKit Streaming v3 — распознавание речи в реальном времени.

GigaChat от Сбера — для генерации подсказок (у меня в запасе 200 миллионов токенов — хватит на год).

Claude от Anthropic — для еженедельной аналитики и улучшения скриптов.

FastAPI на Python — держит постоянное соединение через WebSocket.

Fitbase API — подтягивает карточку клиента по номеру за секунду.

Итого инфраструктура — 2 300 рублей в месяц на 10 менеджеров.

как технически слушаем звонок

Самое интересное оказалось не в распознавании. А в захвате звука с компьютера менеджера.

Менеджеры говорят через Phoner Lite — обычный программный телефон. Звук клиента идёт в наушник, голос менеджера в микрофон. Программе нужно слышать оба канала отдельно — иначе непонятно кто что сказал.

Решилось через VB-Cable — бесплатный виртуальный аудиокабель. Звук клиента дублируется в наушник менеджера и параллельно нашему помощнику.

логика суфлёра

Менеджер вводит номер — программа за секунду подтягивает карточку из Fitbase, историю звонков, предлагает с чего начать.

Клиент говорит «дорого» — через 2 секунды на экране менеджера всплывает готовая фраза. Не «подумайте», а конкретная отработка с цифрами и УТП клуба.

80% подсказок система отдаёт через словарь возражений без обращения к нейросети — это и быстро (50 миллисекунд против 2–3 секунд у LLM), и не съедает лимит токенов.

В следующей части — как ИИ нашёл ошибку в моей карточке Яндекс.Карт и как я переписал все УТП.

👉 Телеграм: https://dzen.ru/id/6a05ad5efbb3942c3fb61723

👉 MAX: max.ru/id623410360097_biz

👉 Дзен: dzen.ru/id/6a05ad5efbb3942c3fb61723

👉 Речевая аналитика: slishnoai.ru

#ХудушинМаксим #ZarubaFitness #ЗарубаФитнес #Подольск #фитнес_бизнес #продажи #ИИ #автоматизация #технологии