WebCall CDR — справочная информация

Запуск системы

Для качественного анализа необходимы качественные записи разговоров. Рекомендуемый формат — WAV stereo с разделением спикеров по каналам: один канал — сотрудник, второй канал — клиент.

Пример dialplan Asterisk

fdate=${STRFTIME(${EPOCH},,%Y%m%d%H%M%S)};
year=${STRFTIME(${EPOCH},,%Y)};
month=${STRFTIME(${EPOCH},,%m)};
date=${STRFTIME(${EPOCH},,%d)};
fname=/var/spool/asterisk/monitor/${year}/${month}/${date}/${fdate}-${CALLERID(NUM)}-${EXTEN}-${UNIQUEID};
MixMonitor(,r(${fname}-in.wav)t(${fname}-out.wav),
sox ${fname}-in.wav ${fname}-out.wav --channels 2 --combine merge ${fname}.wav && rm ${fname}-in.wav && rm ${fname}-out.wav);

MP3-файлы тоже обрабатываются, но качество распознавания и анализа обычно хуже. Диаризация по спикерам не выполняется: если файл моно, все фразы будут обработаны как обычные «реплики» без разделения по каналам.

1. База данных MongoDB

MongoDB хранит транскрипты, результаты аналитики, отчёты и данные проблемного радара.

docker run -d --name mongodb -p 27017:27017 -v /opt/mongo_data:/data/db mongo:latest

• -v /opt/mongo_data:/data/db — постоянное хранение данных MongoDB на сервере.
• По умолчанию приложение ожидает MongoDB на 127.0.0.1:27017, базу webcallcdr, коллекцию calls.

2. Сервер ASR

ASR выполняет распознавание речи и должен быть доступен приложению по HTTP.

Для распознавания используется T-one ASR.

docker run -d -p 2710:2710 webcallpbx/webcallasr:latest

Адрес по умолчанию: http://127.0.0.1:2710/v1/audio/transcriptions.

3. WebCall CDR

docker run -d --net host \
-v /opt/webcallcdr:/opt/webcallcdr \
-v /var/spool/asterisk/monitor:/monitor \
-v /etc/localtime:/etc/localtime:ro -v /etc/timezone:/etc/timezone:ro \
webcallpbx/webcallcdr:beta

• --net host — использовать сеть сервера. Альтернатива: проброс порта -p 8082:8082.
• -v /opt/webcallcdr:/opt/webcallcdr — данные приложения и конфигурация сохраняются при перезапуске контейнера.
• -v /var/spool/asterisk/monitor:/monitor — папка с записями разговоров внутри контейнера доступна как /monitor.
• -v /etc/localtime:/etc/localtime:ro -v /etc/timezone:/etc/timezone:ro — использовать таймзону сервера.

После запуска откройте интерфейс на порту 8082, войдите в систему, перейдите в «Настройки» и заполните параметры MySQL, MongoDB, ASR и LLM.

4. Локальная LLM на NVIDIA GPU 16GB VRAM

1. Установите драйверы NVIDIA.
2. Установите NVIDIA Container Toolkit.
3. Скачайте модель google_gemma-4-26B-A4B-it-IQ4_XS.gguf в каталог /home/models.
4. Запустите контейнер LLM-сервера:

docker run -d --runtime=nvidia --gpus all -p 8000:8000 \
-v /home/models:/models ghcr.io/ggml-org/llama.cpp:server-cuda \
-m /models/google_gemma-4-26B-A4B-it-IQ4_XS.gguf \
--host 0.0.0.0 --port 8000 -c 10240 -fa on --n-gpu-layers 999 \
--batch-size 512 --parallel 1 --reasoning off

OpenAI-compatible endpoint по умолчанию: http://127.0.0.1:8000/v1/chat/completions. Модель google_gemma-4-26B-A4B-it и запуск через llama.cpp приведены только как пример локального инференса. Можно использовать любую локальную или облачную LLM, если она предоставляет совместимый OpenAI API endpoint. Облачную модель вместо локальной можно настроить в «Настройки» → «Аналитика», указав LLM host, модель и API key.

Настройки MySQL

Раздел задаёт подключение к базе CDR Asterisk и соответствие полей, по которым WebCall CDR читает вызовы.

После сохранения проверьте главную страницу и раздел «Вызовы»: должны появиться записи CDR за выбранный период.

Настройки Аналитика

Этот раздел объединяет MongoDB, ASR, LLM и параметры автоматической обработки звонков.

Хранилище и сервисы

• MongoDB host, login, password, database, collection — место хранения транскриптов и результатов анализа.
• Сервер распознавания — endpoint ASR, обычно http://127.0.0.1:2710/v1/audio/transcriptions.
• LLM host — OpenAI-compatible endpoint, например http://127.0.0.1:8000/v1/chat/completions.
• LLM model — имя модели для облачного OpenAI API или совместимого сервера.
• LLM API key — ключ авторизации, если сервер его требует.

Переключатели обработки

• «Включить распознавание» — разрешает ASR-обработку аудио.
• «Включить речевую аналитику» — разрешает отправку транскриптов в LLM.
• «Запускать радар проблем» — включает периодический поиск повторяющихся проблем.
• «Показывать имена менеджеров» — управляет отображением имён сотрудников в отчётах.
• Отдельные флаги входящих, внутренних и исходящих вызовов определяют, какие направления попадут в обработку.

Очередь и качество данных

• Интервал сканирования — как часто искать новые звонки.
• Период сканирования дней — глубина поиска новых записей.
• Очередь вызовов — максимальный размер очереди обработки.
• Одновременная обработка — число параллельных задач.
• Минимальная продолжительность — короткие звонки ниже порога не анализируются.
• Левый/правый канал записи — подписи спикеров для stereo WAV.

Настройки LLM-промт

LLM-промт описывает бизнес-контекст компании и правила, по которым модель анализирует разговор. От качества этих настроек зависит точность классификации, метрик и выявленных проблем.

Обязательные блоки

• Описание деятельности компании — чем занимается компания, какие услуги оказывает, как устроен процесс обслуживания.
• Тема звонка — типовые причины обращений и сценарии диалогов.
• Продукты компании — товары, услуги, тарифы, сервисные направления.
• Выполнение скрипта — список пунктов скрипта с весами points.
• Метрики — показатели, которые модель должна оценивать.
• AI-скоринг — критерии итоговой оценки качества разговора.
• Категории проблем — словарь проблем для аналитики и радара проблем.
• Признаки критической ситуации — правила выделения критичных звонков.

После изменения промта новые звонки будут анализироваться по обновлённым правилам. Уже обработанные документы в MongoDB не пересчитываются автоматически, если не запущена повторная обработка.

Вызовы

Раздел «Вызовы» показывает детализацию CDR из MySQL и помогает найти нужные записи разговоров.

Основные возможности

• Выбор периода дат: начало и окончание периода.
• Поиск по номеру, имени, линии или другим отображаемым данным CDR.
• Фильтры: группировать или показывать все CDR, отвеченные/неотвеченные, входящие/исходящие.
• Выгрузка найденной детализации в Excel через кнопку экспорта.
• Прослушивание записи, если файл найден в папке записей.
• Открытие текста/транскрипта и карточки анализа, если звонок уже обработан.

Как приложение находит запись

Путь поиска задаётся настройкой «Папка записей разговоров». Рекомендуется хранить файлы в структуре по годам, месяцам и дням, а в имени использовать UNIQUEID. Это повышает вероятность корректного сопоставления CDR и аудиофайла.

Аналитика

Модуль аналитики строит отчёты на основе документов MongoDB: транскриптов, классификации, метрик, скриптов, эмоций, критичности и AI-скоринга.

Что показывает отчёт

• Количество обработанных звонков за период.
• Группировку по дням, операторам, направлениям и отделам.
• Средние оценки AI-скоринга и выполнение скрипта.
• Эмоции клиента и оператора, решённость обращения, критичные случаи.
• Таблицу звонков с фильтрами и переходом в карточку конкретного разговора.
• Качество обслуживания: интегральный показатель, компоненты качества и динамика.

Карточка звонка

Карточка открывает детали одного разговора: аудио, транскрипт, краткое резюме, классификацию, проблему, предложенное решение, метрики, скоринг и дополнительные инсайты.

Условия корректной работы

• MongoDB должна быть доступна.
• Нужны обработанные звонки в коллекции, указанной в настройках.
• Промт должен соответствовать бизнес-процессу компании.
• Для точного разделения ролей лучше использовать stereo WAV с настроенными каналами.

Проблемы

Модуль «Проблемы» представлен радаром проблем. Он анализирует problem_signals в результатах речевой аналитики и помогает найти повторяющиеся сбои сервиса, коммуникации или продукта.

Как работает радар

1. Фоновая задача проверяет, включён ли параметр «Запускать радар проблем».
2. С заданным интервалом берёт обработанные звонки за период.
3. Собирает сигналы проблем: категория, описание, сервис, severity.
4. Группирует проблемы и рассчитывает количество, среднюю/максимальную критичность и индекс деградации.
5. Сохраняет агрегаты в MongoDB коллекции problems_radar_daily, историю и live-данные.
6. LLM дополнительно формирует краткие инсайты по категориям проблем.

Интерфейсы

• Радар — текущая панель проблем, топ проблем и динамика.
• Список вызовов — переход к звонкам по категории, проблеме, окну времени или конкретному сигналу.
• API радара — внутренние endpoints для обновления и пересчёта данных.

REST API

REST API предназначен для интеграции с внешними системами: загрузки аудиофайлов на обработку и выгрузки результатов распознавания/аналитики.

Настройка доступа

1. Откройте «Настройки» → «REST API».
2. Включите «Включить REST API».
3. При необходимости включите «Загружать файл записи на сервер» — тогда файлы сохраняются в папку записей.
4. Создайте токен и сохраните его сразу: повторно он не показывается.
5. Передавайте токен в заголовке Authorization: Bearer или X-API-Token.

Endpoints

Параметры выгрузки звонков

• date_from, date_to — диапазон дат.
• call_id, id, uniqueid, linkedid — поиск по идентификатору.
• phone — поиск по src или dst.
• type=transcript — вернуть только текст разговора.
• type=analytics — вернуть только аналитику.
• Без type возвращается полный документ.