---
title: "Chép lời ghi âm cuộc gọi tổng đài: pipeline kèm code"
description: "Tách cuộc gọi stereo theo kênh, cắt lượt nói, chép lời tiếng Ả Rập và tiếng Anh, che PII và tóm tắt từng cuộc gọi bằng LLM. Pipeline Python chạy được, kèm chi phí."
url: https://broadrouter.com/vi/blog/transcribe-call-center-recordings/
lang: vi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Được dịch từ tiếng Anh với sự hỗ trợ của AI. [Đọc bản gốc tiếng Anh](https://broadrouter.com/blog/transcribe-call-center-recordings/) (cập nhật ngày 2026-11-14).

# Chép lời ghi âm tổng đài: pipeline sẵn sàng cho tiếng Ả Rập

Đội ngũ BroadNet Inference · 4 phút đọc · Đăng ngày 2026-11-14

Để chép lời ghi âm tổng đài, hãy tách file stereo thành kênh nhân viên và kênh khách hàng, cắt mỗi kênh thành các lượt nói, chép lời từng lượt với đúng mã ngôn ngữ, rồi ghép các lượt theo thời điểm bắt đầu. Che số thẻ và số điện thoại trong bản chép lời trước khi LLM tóm tắt cuộc gọi. Ghi âm mono cần thêm một bước phân tách người nói.

## Ý chính

-   Phần lớn hệ thống ghi âm cuộc gọi lưu nhân viên và khách hàng trên hai kênh stereo riêng. Tách chúng ra là có nhãn người nói hoàn hảo mà không cần diarization.
-   Cắt mỗi kênh tại các khoảng lặng cho bạn thứ tự lượt nói và tránh trả tiền cho khoảng lặng.
-   Chuẩn hóa chữ số Ả Rập phương Đông trước khi che, nếu không số thẻ và số điện thoại sẽ lọt qua.
-   Che bản chép lời trước bước tóm tắt, và yêu cầu LLM trả về JSON có cấu trúc.
-   Với giá $0.0042 mỗi phút, chép lời 1.000 giờ giọng nói tiếng Ả Rập tốn $252.00.

**Trong trang này**

1.  Bước 1: bản ghi là stereo hay mono?
2.  Bước 2: tách kênh stereo bằng ffmpeg như thế nào?
3.  Bước 3: cắt mỗi kênh thành các lượt nói như thế nào?
4.  Bước 4: chép lời từng lượt như thế nào?
5.  Bước 5: ghép các lượt thành hội thoại như thế nào?
6.  Còn bản ghi mono thì sao?
7.  Bước 6: che PII, kể cả chữ số Ả Rập, như thế nào?
8.  Bước 7: tóm tắt từng cuộc gọi bằng LLM như thế nào?
9.  Cần kiểm tra chất lượng gì trước khi phân tích?
10.  Chép lời cuộc gọi tốn bao nhiêu?
11.  BroadNet Inference phù hợp ở đâu

_[image: A support agent with a headset beside a screen showing a call transcript, with the text "Every call becomes insight."]_

Illustration of an app you could build; not a BroadNet product screenshot.

Một tổng đài tạo ra hàng nghìn giờ âm thanh mỗi tháng, và gần như không ai đọc chúng. Bản chép lời giúp cuộc gọi tìm kiếm được. Bản tóm tắt giúp cuộc gọi duyệt lại được. Bài này xây dựng pipeline từ đầu đến cuối, với góc nhìn tiếng Ả Rập: phương ngữ, tiếng Ả Rập xen tiếng Anh, và chữ số Ả Rập phương Đông.

Các bước:

1.  Kiểm tra bản ghi: stereo hay mono?
2.  Tách stereo thành kênh nhân viên và kênh khách hàng.
3.  Cắt mỗi kênh thành các lượt nói.
4.  Chép lời từng lượt với đúng ngôn ngữ.
5.  Ghép các lượt thành hội thoại theo thời điểm bắt đầu.
6.  Che PII trong văn bản.
7.  Tóm tắt bằng LLM thành các trường có cấu trúc.

## Bước 1: bản ghi là stereo hay mono?

```bash
ffprobe -v error -show_entries stream=channels,sample_rate,duration -of csv=p=0 call.wav
# 2,8000,412.6   -> stereo, 8 kHz telephone audio, 6.9 minutes
```

Nhiều hệ thống ghi âm contact center lưu nhân viên trên một kênh và khách hàng trên kênh kia. [Hướng dẫn contact center của AssemblyAI](https://www.assemblyai.com/docs/contact-center-best-practices) cũng nêu điểm này: với các kênh riêng, bạn tách được người nói mà không cần diarization. Hãy kiểm tra bên nào là ai trên vài cuộc gọi; không phải lúc nào nhân viên cũng ở kênh trái.

## Bước 2: tách kênh stereo bằng ffmpeg như thế nào?

```bash
ffmpeg -i call.wav -af "pan=mono|c0=c0" -ar 16000 agent.wav
ffmpeg -i call.wav -af "pan=mono|c0=c1" -ar 16000 customer.wav
```

Bộ lọc `pan` giữ lại một kênh, và `-ar 16000` lấy mẫu lại về 16 kHz, định dạng mà tài liệu của BroadNet dùng cho ghi âm điện thoại.

## Bước 3: cắt mỗi kênh thành các lượt nói như thế nào?

Đây là một dạng đơn giản của [phát hiện giọng nói (VAD)](https://broadrouter.com/vi/glossary/vad/). Gửi trọn từng kênh vẫn chạy được, nhưng bạn trả tiền cho từng giây im lặng trong lúc bên kia nói, gần như gấp đôi hóa đơn với cuộc gọi stereo. Nó cũng làm mất thứ tự lượt nói. Cắt tại các khoảng lặng giải quyết cả hai:

```python
import re, subprocess

def speech_turns(wav, noise="-35dB", min_silence=0.6):
    """Return (start, end) seconds of speech, using ffmpeg silencedetect."""
    log = subprocess.run(
        ["ffmpeg", "-i", wav, "-af", f"silencedetect=noise={noise}:d={min_silence}", "-f", "null", "-"],
        capture_output=True, text=True).stderr
    dur = float(subprocess.run(
        ["ffprobe", "-v", "error", "-show_entries", "format=duration", "-of", "csv=p=0", wav],
        capture_output=True, text=True).stdout)
    starts = [float(x) for x in re.findall(r"silence_start: ([\d.]+)", log)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", log)]
    turns, cursor = [], 0.0
    for s, e in zip(starts, ends + [dur]):
        if s - cursor > 0.4:
            turns.append((cursor, s))
        cursor = e
    if dur - cursor > 0.4:
        turns.append((cursor, dur))
    return turns
```

Hãy tinh chỉnh `noise` trên bản ghi của bạn: đường dây nhiễu cần ngưỡng cao hơn như `-30dB`.

## Bước 4: chép lời từng lượt như thế nào?

```python
import os, tempfile
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def transcribe_turns(wav, speaker, language="ar"):
    out = []
    for start, end in speech_turns(wav):
        with tempfile.NamedTemporaryFile(suffix=".wav") as seg:
            subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", wav,
                            "-ss", f"{start:.2f}", "-to", f"{end:.2f}", seg.name], check=True)
            with open(seg.name, "rb") as audio:
                text = client.audio.transcriptions.create(
                    model="broadnet/cohere-transcribe-arabic", file=audio, language=language).text
        out.append({"start": start, "speaker": speaker, "text": text.strip()})
    return out
```

Luôn gửi `language`. Nếu không, tiếng Ả Rập có thể trả về bằng chữ Latin. Với hàng đợi tiếng Anh, hãy dùng `broadnet/cohere-transcribe` với `language="en"`. Giữ một nhóm worker nhỏ: key trả theo mức dùng cho phép 4 request cùng lúc và 30 request mỗi phút, và [hướng dẫn lỗi và retry](https://broadrouter.com/vi/guides/errors-and-retries/) chỉ cách backoff khi gặp 429.

Mỗi file phải dưới 25 MiB. Một đoạn độc thoại dài ở WAV mono 16 kHz (khoảng 32 KB mỗi giây) vượt mức đó ở khoảng 13 phút; hãy tách nó bằng `-f segment -segment_time 600`.

## Bước 5: ghép các lượt thành hội thoại như thế nào?

```python
turns = transcribe_turns("agent.wav", "Agent") + transcribe_turns("customer.wav", "Customer")
dialogue = "\n".join(f'{t["speaker"]}: {t["text"]}' for t in sorted(turns, key=lambda t: t["start"]))
```

Đoạn nói chồng lên nhau xuất hiện thành hai lượt có thời điểm bắt đầu gần nhau, đúng như người duyệt mong đợi.

## Còn bản ghi mono thì sao?

Không có kênh riêng thì bạn cần **[phân tách người nói](https://broadrouter.com/vi/glossary/diarization/)**: xác định ai nói khi nào. Các lựa chọn:

| Lựa chọn | Cách làm | Đánh đổi |
| --- | --- | --- |
| Diarization mã nguồn mở | Chạy [pyannote.audio](https://github.com/pyannote/pyannote-audio) trên server của bạn, rồi chép lời từng đoạn của mỗi người nói | Bạn tự host một model; âm thanh ở lại chỗ bạn |
| Nhà cung cấp có sẵn diarization | Một số API chuyển giọng nói thành văn bản trả về nhãn người nói; xem [so sánh giá](https://broadrouter.com/vi/blog/speech-to-text-api-pricing-compared/) để biết chi phí cộng thêm | Thêm một nhà cung cấp trong đường đi của dữ liệu |
| Gán vai trò bằng LLM | Chép lời các lượt, rồi nhờ LLM gán nhãn Nhân viên hoặc Khách hàng cho mỗi lượt dựa trên ngữ cảnh | Rẻ; sai với các lượt ngắn hoặc mơ hồ |
| Sửa từ gốc | Chuyển hệ thống ghi âm sang hai kênh | Giải pháp dài hạn tốt nhất |

BroadNet không có diarization, nên với âm thanh mono hãy kết hợp với một trong ba lựa chọn đầu.

## Bước 6: che PII, kể cả chữ số Ả Rập, như thế nào?

Người gọi đọc to số thẻ, IBAN và số điện thoại. Bản chép lời có thể viết chúng bằng chữ số phương Tây (0-9) hoặc chữ số Ả Rập phương Đông (٠-٩). Hãy chuẩn hóa trước, rồi mới che:

```python
EASTERN = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "01234567890123456789")

def redact(text):
    text = text.translate(EASTERN)
    text = re.sub(r"\b(?:\d[ -]?){13,19}\b", "[CARD]", text)
    text = re.sub(r"\b[A-Z]{2}\d{2}[A-Z0-9]{11,30}\b", "[IBAN]", text)
    text = re.sub(r"\+?\d[\d -]{7,}\d", "[PHONE]", text)
    return text
```

Con số cũng có thể được đọc thành chữ (“خمسة أربعة…”), và regex sẽ bỏ sót. Hãy lấy mẫu bản chép lời để đọc tay và thêm quy tắc cho những gì bạn tìm thấy. Cách tiếp cận rộng hơn có trong [gửi dữ liệu nhạy cảm tới API LLM](https://broadrouter.com/vi/blog/llm-api-sensitive-data/).

## Bước 7: tóm tắt từng cuộc gọi bằng LLM như thế nào?

```python
import json
summary = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    response_format={"type": "json_object"},
    messages=[
        {"role": "system", "content": "Summarise this call centre dialogue. Reply in English JSON with keys: "
                                      "reason, resolution, resolved (true/false), customer_sentiment, follow_up."},
        {"role": "user", "content": redact(dialogue)},
    ],
).choices[0].message.content
print(json.loads(summary))
```

Qwen3.8 27B hỗ trợ [structured output](https://broadrouter.com/vi/glossary/structured-output/); hãy luôn parse và kiểm tra câu trả lời ([cách làm](https://broadrouter.com/vi/blog/structured-output-json-schema/)). Thử nghiệm của chính BroadNet cũng cho thấy nó hiểu phương ngữ vùng Vịnh và Ai Cập. Hãy yêu cầu JSON tiếng Anh nếu dashboard của bạn bằng tiếng Anh, kể cả khi cuộc gọi bằng tiếng Ả Rập.

## Cần kiểm tra chất lượng gì trước khi phân tích?

Dashboard xây trên bản chép lời tệ trông cũng tự tin y như dashboard xây trên bản chép lời tốt. Hãy thêm các bước kiểm tra này vào pipeline:

-   **Đảo kênh.** Nếu nhãn nhân viên và khách hàng bị đảo trên một hệ thống ghi âm hay một hàng đợi nào đó, mọi chỉ số “nhân viên đã nói” đều sai. Hãy kiểm tra lượt đầu tiên: nhân viên thường mở đầu bằng lời chào và tên công ty.
-   **Bản chép lời trống hoặc quá ngắn.** Một lượt không trả về chữ nào, hoặc một cuộc gọi dưới 20 từ, thường là im lặng, nhạc chờ hoặc file hỏng. Hãy đánh dấu nó thay vì tóm tắt.
-   **Sai ngôn ngữ.** Một hàng đợi tiếng Anh bỗng ra văn bản tiếng Ả Rập, hoặc tiếng Ả Rập trả về bằng chữ Latin, cho thấy giá trị `language` bị sai.
-   **Tóm tắt bị lệch.** Mỗi tuần, hãy để một giám sát viên so sánh 20 bản tóm tắt với bản chép lời đầy đủ. Theo dõi tần suất `resolved` bị sai.

Hãy lưu bản chép lời theo từng lượt, không chỉ bản tóm tắt. Khi một bản tóm tắt bị khiếu nại, các lượt chính là bằng chứng của bạn.

## Chép lời cuộc gọi tốn bao nhiêu?

Với việc cắt lượt nói, thời lượng âm thanh bị tính phí gần bằng thời gian nói. Với 1.000 giờ giọng nói tiếng Ả Rập:

-   Chép lời: $252.00 với giá $0.0042 mỗi phút trên [BroadNet Transcribe Arabic](https://broadrouter.com/vi/models/cohere-transcribe-arabic/), hoặc $120.00 trên [BroadNet Transcribe](https://broadrouter.com/vi/models/cohere-transcribe/) 14 ngôn ngữ cho các hàng đợi tiếng Anh.
-   Tóm tắt: một cuộc gọi 7 phút thường là vài nghìn token. Hãy tính giá bằng [công cụ tính chi phí API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) với độ dài bản chép lời thật của bạn, và phần âm thanh bằng [công cụ tính chi phí chuyển giọng nói thành văn bản](https://broadrouter.com/tools/speech-to-text-cost-calculator/).

## BroadNet Inference phù hợp ở đâu

BroadNet đảm nhận bước 4 và bước 7 với một key và một [base URL](https://broadrouter.com/vi/glossary/base-url/): tiếng Ả Rập và 13 ngôn ngữ khác cho chép lời, và các model chat đã được thử với tiếng Ả Rập cho phần tóm tắt. Âm thanh, bản chép lời và prompt không được lưu giữ ([không lưu giữ dữ liệu](https://broadrouter.com/vi/privacy/)), và BroadNet báo cáo model tiếng Ả Rập của mình đứng thứ 2/37 (số liệu tháng 9 năm 2026; bảng xếp hạng trực tiếp ngày 15 tháng 11, 2026 ghi nhận thứ 4/39) trên Open Universal Arabic ASR Leaderboard.

Nó không làm diarization, chép lời thời gian thực hay che dữ liệu thay bạn; những việc đó vẫn nằm trong pipeline của bạn. Trước khi cam kết, hãy thử các phương ngữ của bạn bằng phương pháp trong [nhận dạng giọng nói phương ngữ Ả Rập](https://broadrouter.com/vi/blog/arabic-dialect-speech-recognition/).

Công cụ miễn phí cho chủ đề này (tiếng Anh)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Công cụ miễn phí (tiếng Anh)](https://broadrouter.com/tools/)

## Thuật ngữ trong bài này

[Chuyển giọng nói thành văn bản (speech-to-text)](https://broadrouter.com/vi/glossary/speech-to-text/)

Chuyển giọng nói thành văn bản, hay nhận dạng giọng nói tự động (ASR), là công nghệ biến lời nói thành chữ viết. API nhận tệp hoặc luồng âm thanh, trả về bản chép lời, thường tính theo phút. Độ chính xác đo bằng tỷ lệ lỗi từ, thay đổi theo giọng, phương ngữ và chất lượng ghi âm.

[PII (thông tin nhận dạng cá nhân)](https://broadrouter.com/vi/glossary/pii/)

PII (thông tin nhận dạng cá nhân) là thông tin giúp phân biệt hoặc truy ra danh tính một người, như tên, số định danh, dữ liệu sinh trắc, cùng thông tin gắn được với người đó. GDPR dùng khái niệm rộng hơn là dữ liệu cá nhân. Với LLM, che PII là gỡ nó khỏi prompt trước khi gửi.

[Trả theo mức dùng (pay-as-you-go)](https://broadrouter.com/vi/glossary/pay-as-you-go/)

Trả theo mức dùng (pay-as-you-go) là mô hình giá mà bạn chỉ trả cho những gì đã dùng, đo theo đơn vị như token, request hoặc phút âm thanh, không có gói đăng ký hay cam kết tối thiểu. Hầu hết API LLM tính phí theo cách này, trừ vào số dư trả trước hoặc qua hóa đơn định kỳ.

[Đầu ra có cấu trúc (structured output)](https://broadrouter.com/vi/glossary/structured-output/)

Đầu ra có cấu trúc (structured output) là tính năng của API LLM buộc câu trả lời của model theo định dạng do lập trình viên chỉ định, thường là JSON Schema, để code parse được tin cậy. Nó chặt hơn JSON mode, vốn chỉ đảm bảo JSON hợp lệ chứ không đảm bảo một cấu trúc cụ thể.

[Giới hạn tần suất (rate limit)](https://broadrouter.com/vi/glossary/rate-limit/)

Giới hạn tần suất (rate limit) là mức trần mà API đặt ra cho lượng sử dụng của một client trong một khoảng thời gian, như số request mỗi phút hoặc số token mỗi phút. Request vượt giới hạn bị từ chối, thường với HTTP 429 Too Many Requests, cho đến khi mức dùng giảm xuống dưới giới hạn.

[Tool calling (gọi tool, function calling)](https://broadrouter.com/vi/glossary/tool-calling/)

Tool calling, còn gọi là function calling, là tính năng của API LLM trong đó model trả về một yêu cầu có cấu trúc để chạy một hàm do nhà phát triển định nghĩa, kèm đối số JSON. Ứng dụng chạy hàm rồi gửi kết quả lại; model không bao giờ tự chạy code.

[Base URL](https://broadrouter.com/vi/glossary/base-url/)

Base URL là địa chỉ gốc cố định của một API, như https://api.example.com/v1, mà client đặt trước mọi đường dẫn endpoint, như /chat/completions. Trong SDK tương thích OpenAI, đổi base URL cùng với API key và model ID sẽ trỏ cùng một đoạn code sang nhà cung cấp khác.

[Concurrency (request đồng thời)](https://broadrouter.com/vi/glossary/concurrency/)

Concurrency (request đồng thời) là số request mà một client đang xử lý cùng lúc. Các API LLM thường giới hạn nó theo key hoặc theo gói, tách biệt với số request mỗi phút, vì mỗi request đang mở chiếm dụng năng lực GPU cho tới khi response kết thúc.

## Câu hỏi thường gặp

### Làm sao tách nhân viên và khách hàng trong một bản ghi âm cuộc gọi?

Nếu bản ghi là stereo, nhân viên và khách hàng thường nằm trên hai kênh khác nhau. Tách chúng bằng ffmpeg và chép lời từng kênh riêng. Nếu là mono, bạn cần phân tách người nói (diarization).

### Chép lời cả hai kênh stereo có bị tính tiền hai lần không?

Nếu bạn gửi trọn từng kênh thì có, vì mỗi kênh dài bằng cả cuộc gọi. Cắt mỗi kênh thành các lượt nói và chỉ gửi các lượt đó sẽ đưa thời lượng âm thanh bị tính phí về gần với thời gian nói thật.

### Có chép lời được cuộc gọi tiếng Ả Rập xen lẫn từ tiếng Anh không?

Có, nhưng hãy thử. Nhân viên ở vùng Vịnh và Levant thường chuyển sang tiếng Anh khi nói tên sản phẩm và con số. Hãy kiểm tra xem những từ đó ra sao trên 20 cuộc gọi thật trước khi dựa vào tìm kiếm từ khóa hay phân tích.

### Nên che dữ liệu trên âm thanh hay trên văn bản?

Che trên bản chép lời văn bản trước khi nó đi vào LLM, hệ thống phân tích hay tìm kiếm. Nếu bạn giữ âm thanh, nó vẫn chứa các con số được đọc ra, nên hãy giới hạn quyền truy cập và đặt thời hạn xóa cho cả âm thanh.

### Mỗi file âm thanh được dài bao nhiêu?

BroadNet nhận WAV hoặc MP3 tối đa 26.214.400 byte (25 MiB) mỗi request. WAV mono 16 kHz khoảng 32 KB mỗi giây, nên hãy giữ mỗi đoạn dưới khoảng 13 phút, hoặc dùng MP3.

## Đọc tiếp

-   [Biên bản họp tiếng Ả Rập từ bản ghi âm: một pipeline API](https://broadrouter.com/vi/blog/arabic-meeting-minutes-from-recordings/)
-   [Chép lời âm thanh dài trên 25 MB: tách, gửi và ghép lại](https://broadrouter.com/vi/blog/transcribe-long-audio-files-api/)
-   [API chuyển giọng nói tiếng Ả Rập thành văn bản: cách chọn năm 2026](https://broadrouter.com/vi/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Gửi dữ liệu nhạy cảm tới API LLM: che, tối thiểu hóa, ghi log ít](https://broadrouter.com/vi/blog/llm-api-sensitive-data/)
-   [Nhận dạng giọng nói phương ngữ Ả Rập: Vịnh, Ai Cập, Levant, Maghreb](https://broadrouter.com/vi/blog/arabic-dialect-speech-recognition/)
-   [So sánh giá API chuyển giọng nói thành văn bản: giá mỗi phút năm 2026](https://broadrouter.com/vi/blog/speech-to-text-api-pricing-compared/)
-   [Thêm dấu cho tiếng Ả Rập bằng LLM: prompt, kiểm tra, DER](https://broadrouter.com/vi/blog/arabic-diacritization-llm/)
-   [Sửa ngữ pháp và chính tả tiếng Ả Rập bằng LLM: hướng dẫn](https://broadrouter.com/vi/blog/arabic-grammar-spelling-correction-llm/)
-   [Hướng dẫn: API chuyển giọng nói tiếng Ả Rập thành văn bản: từng bước](https://broadrouter.com/vi/guides/arabic-speech-to-text-api/)
-   [Hướng dẫn: Mã lỗi BroadNet Inference và khi nào nên thử lại](https://broadrouter.com/vi/guides/errors-and-retries/)

Hãy thử với khối lượng công việc thực tế của bạn. Tài khoản mới được tặng US$5 tín dụng ban đầu cho Gemma và chuyển giọng nói thành văn bản. DeepSeek, GLM và Qwen3.8 cần nạp tiền.

[Bắt đầu](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-transcribe-call-center-recordings&utm_content=page-cta) ·

**Nguồn**

-   [Tài liệu bộ lọc FFmpeg (pan, silencedetect)](https://ffmpeg.org/ffmpeg-filters.html)
-   [AssemblyAI, các phương pháp tốt nhất cho contact center (âm thanh đa kênh)](https://www.assemblyai.com/docs/contact-center-best-practices)
-   [pyannote.audio, phân tách người nói mã nguồn mở](https://github.com/pyannote/pyannote-audio)
-   [Tài liệu tham chiếu API BroadNet Inference, chép lời và giới hạn (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-transcribe-call-center-recordings&utm_content=sources)
-   [Giá máy đọc được của BroadNet Inference (pricing.json) (tiếng Anh)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-blog-transcribe-call-center-recordings&utm_content=sources)
