IT

كيفية نسخ الرسائل الصوتية لـ CRM على وحدة معالجة مركزية ثنائية النواة بدون وحدة رسومات

تعلم كيفية بناء نظام محلي لتحويل الصوت إلى نص لنظام إدارة علاقات العملاء (CRM) باستخدام faster-whisper و ffmpeg و cron، دون الحاجة لواجهات برمجة التطبيقات السحابية أو وحدات معالجة الرسوميات.

·3 دقائق قراءة
كيفية نسخ الرسائل الصوتية لـ CRM على وحدة معالجة مركزية ثنائية النواة بدون وحدة رسومات

يعشق العملاء إرسال الرسائل الصوتية، لكن المديرين في البيئات الصاخبة يجدونها غير مريحة للاستماع، وتظل قوائم الحوارات غير مفيدة حتى يتم فتحها. ولحل هذه المشكلة دون الاعتماد على واجهات برمجة التطبيقات السحابية الخارجية، نفذ المطورون نظام نسخ صوتي محلي يعمل على خادم صغير يمتلك نواة معالج مركزية اثنتين فقط وبدون وحدة معالجة رسوميات (GPU). يتم تحويل رسالة صوتية مدتها 35 ثانية إلى نص في غضون تسع ثوانٍ تقريباً باستخدام أدوات مفتوحة المصدر ومحسنة.

  • قام المطورون دمج خط أنابيب محلي لتحويل الكلام إلى نص لرسائل المراسلة الفورية داخل نظام إدارة علاقات العملاء (CRM) الخاص بالمبيعات.
  • يعتمد النظام على مكتبة faster-whisper (نموذج صغير مع ترميز int8) يعمل بالكامل على وحدة المعالجة المركزية (CPU).
  • يتم تفويض فك تشفير الصوت إلى أداة ffmpeg لمنع أخطاء قراءة البيانات الوصفية عبر تنسيقات المراسلة المختلفة.
  • تتم أتمتة المعالجة عبر أداة cron، مما يحد من المهام المتزامنة ويمنع تراكم طوابير المهام باستخدام أداة flock.

اختيار البنية الأساسية ونموذج التعرف على الكلام تم رفض خدمات النسخ السحابي الخارجية سريعةً بسبب مخاوف تتعلق بالخصوصية، حيث تحتوي الرسائل الصوتية للعملاء على بيانات شخصية حساسة يجب ألا تغادر البنية التحتية المحلية. اختار المطورون مكتبة faster-whisper، وهي تنفيذ محسن لنموذج Whisper من OpenAI ومبني على CTranslate2، والذي يوفر سرعات استنتاج أسرع بكثير على وحدات المعالجة المركزية القياسية مقارنة بالتنفيذ الأصلي. وقد تم عزل عملية المعالجة على جهاز سحابي منفصل يضم نواتي معالج فقط ودون أي تسريع عتادي. يستخدم النظام متغير النموذج الصغير مع ترميز الأوزان int8. وبينما قد يؤدي كلام المحادثة باللغة الروسية أحياناً إلى أخطاء طفيفة في الكلمات، إلا أن السياق العام والمعنى يُحفظان بدقة، وهو ما يكفي تماماً لمديري المبيعات. ولتعظيم الأداء على العتاد المحدود، تم ضبط عدة معاملات: compute_type='int8' لتنفيذ سريع على وحدة المعالجة المركزية، و beam_size=1 لفك التشفير الجشع للعبارات القصيرة، و vad_filter=True لإزالة الصمت والوقفات الشائعة في الملاحظات الصوتية تلقائياً.

تفاصيل فك التشفير التقنية والتكامل مع نظام CRM بشكل افتراضي، يتعامل faster-whisper مع فتح الملفات من خلال PyAV، لكن هذا النهج فشل عند معالجة ملفات الصوت الخام الواردة من تطبيقات المراسلة بتنسيقات مختلفة مثل ogg و m4a و mp3، مما كان يثير غالباً أخطاء في قراءة البيانات الوصفية. قام المطورون بحل هذه المشكلة عن طريق تفويض عملية فك تشفير الصوت بالكامل إلى ffmpeg، وتحويل الملفات الواردة إلى مصفوفة موحدة من نوع float32 أحادية القناة (mono) بتردد 16 كيلوهرتز. وقد أدى ذلك إلى فصل خط الأنابيب عن تنسيقات الملفات الأصلية، مما يضمن الاستقرار عبر مختلف أجهزة العملاء. اتباعاً لفلسفة يونكس، يعمل نص البرمجة (script) الخاص بالنسخ عبر تدفقات الإدخال والإخراج القياسية (stdin إلى stdout)، مما يعني أن ملفات الصوت لا تُكتب أبداً على قرص الخادم، مما يعزز الأمان. يستدعي خادم CRM الرئيسي برنامج النسخ عبر استدعاءات العمليات الفرعية (subprocess). وتتم معالجة الأتمتة بواسطة cron، المقترنة بـ flock لمنع التنفيذ المتداخل، مع وضع حد صارم للرسائل المعالجة في كل تشغيل لحماية خادم التعرف من طفرات حركة المرور.

التأثير التجاري والدروس المستفادة عملياً أدى نهج الأتمتة المحلي هذا إلى إلغاء الحاجة إلى واجهات برمجة تطبيقات سحابية مدفوعة وخارجية، مع الاحتفاظ بجميع بيانات الصوت والنص بأمان على الخوادم المحلية. يتم نسخ الرسالة الصوتية تلقائياً وعرضها في واجهة CRM بعد حوالي دقيقة واحدة من استلامها، مما يسمح للمسؤولين بفهم نية العميل فوراً مباشرة من قائمة الدردشة دون الحاجة للنقر على زر التشغيل. يثبت هذا الحل أنه يمكن نشر ميزات الذكاء الاصطناعي العملية بتكلفة معقولة على عتاد متواضع دون الحاجة لوحدات رسوميات باهظة الثمن. بالنسبة فرق العمل التقنية التي تبني أدوات داخلية مماثلة، فإن البدء بتكوين معالج صغير بنظام int8، والاستفادة من ffmpeg لفك تشفير الصوت بشكل قوي، وتجنب تخزين القرص غير الضروري يوفر مخططاً موثوقاً. إن حماية بيانات المستخدمين مع تعزيز الكفاءة التشغيلية تجعل من تكامل الذكاء الاصطناعي المحلي أثراً قيماً لمنصات إدارة علاقات العملاء الحديثة التي تعمل في ظل قيود صارمة لخصوصية البيانات.

المصدر: Все публикации подряд на Хабре

مقالات ذات صلة