後処理作業（ACW）の時間を60%削減。エージェントは通話メモ、サポートチケット、ケースサマリーを CRMにリアルタイムで直接書き込み、タイピングより3倍速く記録できます。 StarWhisperはすべてのWindowsワークステーションでオフラインで動作します。
永久無料：1日500語。Proにアップグレードすると無制限。
カスタマーサービスの文字起こしが存在する理由は、音声ベースの業務はデフォルトではほとんど書面記録を生成しないからです。1人のエージェントが1日に40件の通話を処理します。各通話は解決を生み出しますが、CRMに残るのは、エージェントがすでに新しい顧客の話を半分聞きながら、通話終了4分後に記憶から書いた2文の要約です。それはドキュメントではありません。単なるプレースホルダーです。
弱い通話メモのコストは拡散していて特定が難しく、それが持続する理由です。次のエージェントが何が起こったかを再構築できない場合、再問い合わせが増加します。スーパーバイザーが特定のやり取りについて指導するためのコンテキストを持っていない場合、エスカレーションが増えます。通常速度で録音全体を聞くのはスケールするには遅すぎるため、品質保証（QA）のサンプリングは、業界標準の2〜5%のまま留まります。単一のインシデントが壊滅的に見えない場合でも、サービス品質への累積的な損害は甚大です。
後処理作業（ACW）は、ほとんどのチームが実際に測定している運用上の症状です。ICMIやHDIの業界ベンチマークでは、手動タイピングに依存するサービスチームの平均ACWは、やり取りごとに3.5〜6分と一貫して示されています。1日のエージェントあたり40件の通話を処理する50席のコンタクトセンターでは、毎日115〜200エージェント時間がメモのタイピングで消費されます。その人件費は給与計算では見えませんが、顧客と過ごしていない実際のキャパシティです。
エンタープライズ向け通話文字起こしプラットフォーム（Verint、NICE、Genesys）は市場の一方の端で問題を解決しますが、シートごとの契約、ITインフラへの投資、数ヶ月にわたる調達サイクルが必要です。AWS Transcribeのようなクラウドベースの代替品は、音声分単位で課金し、コンプライアンスチームがますます精査するデータ常駐の問題を引き起こします。中小規模のサービス運用は板挟みになります。エンタープライズプラットフォームのための予算がなく、顧客の会話の未検証のクラウドアップロードに対するリスク許容度もありません。
サービスチームにとって実行可能なソリューションは、エージェントが通話と通話の間に使用できるほど速く、規制産業にとって十分にプライベートで、エージェントごとの展開を正当化するほど安価で、CRMのカーソルがある場所ならどこでもテキストをドロップできるほど柔軟である必要があります。これら4つの要件が単一の製品で満たされることは滅多にありません。OpenAI Whisperに基づいて構築されたローカルAI文字起こしアプローチを検討するまでは。
StarWhisperは、エージェントのWindowsマシン上で直接Whisper音声認識エンジンを実行します。クラウドへの依存、分単位の課金、ITインフラは不要です。サービスチームにとって、5つの異なるドキュメント問題を同時に解決します。
フローティングウィジェットは、Windowsのカーソルが配置されている場所ならどこでも（Salesforce Service Cloud、Zendesk、Freshdesk、ServiceNow、Microsoft Dynamics、またはWebベースのチケットインターフェース）テキストを配置します。エージェントはケースノートフィールドにカーソルを置き、ホットキーでStarWhisperを起動して話します。コピー＆ペーストやウィンドウの切り替えは不要です。言葉は話された瞬間にCRMに直接表示されます。
QAアナリストやチームリードは、録音された通話ファイル（MP3、WAV、M4A、MP4）をStarWhisperにドロップしてバッチ文字起こしができます。20分の通話から3〜5分で検索可能なテキストトランスクリプトが生成されます。録音を聞く（1倍速で1分あたり150語）代わりに、トランスクリプトを読書速度（1分あたり300語以上）でレビューすることで、同じアナリストの時間でQAカバレッジを3〜4倍にすることができます。このアプローチに基づいて構築されたプロフェッショナルな文字起こしワークフローは、手動のリスニングで可能な2〜5%に対して、10〜20%のQAサンプリングレートを日常的に達成しています。
カスタマーサービスのやり取りには、事実上すべての業界で機密性の高い個人データが含まれています。StarWhisperは、オンデバイスのWhisperモデルを使用してすべてのオーディオをローカルで処理します。オーディオストリーム、トランスクリプトコンテンツ、メタデータはいずれも外部サーバーに送信されません。これは、カード会員データが口頭で現れるPCI DSSコンタクトセンター、HIPAA規制下の医療サービスライン、および法務部門がデータ常駐の理由で以前にクラウド文字起こしツールをブロックしたチームにとって、実用的に重要です。
StarWhisperは29以上の言語をネイティブに処理し、すべてオフラインで処理されます。スペイン語、フランス語、ポルトガル語、北京語、日本語、韓国語、アラビア語を話す顧客にサービスを提供するチームは、ツールを切り替えることなく、顧客の言語または共有のチーム言語でメモを取ることができます。小モデルはライブエージェントのディクテーションに推奨される実用的なデフォルトです。カバレッジが薄い非ラテン文字（CJK、アラビア語、キリル文字）の場合、Proユーザーはミディアムモデルにステップアップできます。
StarWhisper Proは、エージェントあたり月額10ドルで、通話ごと、分ごと、語ごとの料金はありません。20人のエージェントチームは、通話量やACWの頻度に関わらず月額200ドルを支払います。1分あたり0.016ドルのクラウド文字起こしと比較してください。1日のエージェントあたり40件の5分間の通話を処理するチームは、エージェントあたり月に約640ドルを費やすことになります。経済性は根本的に異なります。
中規模のSaaS企業のサポートエージェントが、カスタマーサービスの文字起こしのためにStarWhisperを採用した後、シフトをどのように実行するかを以下に示します。ワークフローは意図的で再現可能であり、個人の規律に依存しません。
エージェントはCRM（Zendesk）、メールクライアント、StarWhisperを開きます。StarWhisperはシステムトレイにあり、F9で起動します。フローティングウィジェットはセカンドモニターの右下隅にドッキングされており、常に表示されていますが、プライマリワークフローを隠すことはありません。エージェントは、通話処理部分での高速なリアルタイムディクテーションのために「small」Whisperモデルを選択します。
顧客が請求に関する紛争を説明している間、エージェントはSalesforceのアカウントに移動し、ケースノートフィールドをクリックします。通話の途中で、顧客が特定の請求書番号と先月持っていた以前のやり取りに言及したとき、エージェントはF9を押して次のようにディクテーションします。「顧客は2月の請求書88241を参照。3月3日のエージェントDavidとの以前のサポート通話で、適用されなかったクレジットを約束したと述べている。」StarWhisperがそれを瞬時にタイピングします。エージェントの手はマウスのために解放されています。エージェントがメモを取っていることを顧客は知りません。キーボードの音も、タイピング中の沈黙もありません。
通話終了。エージェントはF9を押し、完全な解決の要約をディクテーションします。「元の3月3日のコミットメントに従い47ドルのクレジットを発行。アカウントに適用されたことを確認。顧客は満足。これ以上のフォローアップは不要。チケットクローズ。」トランスクリプトがSalesforceのケースノートに表示されます。エージェントはチケットステータスを更新し、クローズします。合計ACW時間：75秒。このタイプのやり取りに対するStarWhisper導入前の平均：4分30秒。エージェントは3分15秒早く次の通話に対応できます。
QAアナリストは、レビューのために午前シフトから14件の録音された通話がキューに入っています。彼女はそのうち6件（シフトあたりの以前の2件のサンプリングレートと比較して43%のサンプリングレート）を選択し、バッチモードでStarWhisperにドロップします。6つのトランスクリプトすべてが18分で準備が整います。彼女は各トランスクリプトを読み、コーチングの瞬間を強調表示し、1つの通話でコンプライアンスの問題にフラグを立て、合計35分でレビューを完了します。以前は、1倍速のリスニングで2件の通話をレビューするのに40分かかっていました。
チームリードは、午前中のトランスクリプトから模範的なエスカレーション回避の通話を特定します。彼はトランスクリプトの関連セクションをコピーし、顧客の個人情報を編集して削除し、StarWhisperで直接ディクテーションを使用して自分の解説注釈を追加しながら、Notionのチームのコーチングライブラリに追加します。コーチング事例は12分で準備が整います。生の録音から同等の資料を作成するには、以前は45分のリスニング、ノート取り、編集が必要でした。
カスタマーサービス運営は、他のほぼすべてのビジネス機能よりも多くのコンプライアンスフレームワークと交差します。顧客が共有するものの性質（支払いの詳細、健康情報、アカウントの資格情報、個人的な状況）は、彼らの言葉を処理するツールを一般的なソフトウェアの購入として扱うことができないことを意味します。StarWhisperが最も一般的な規制環境にどのように対応するかを以下に示します。
口頭での決済カード情報を受け入れるコンタクトセンターは、サードパーティのシステムがそのオーディオをキャプチャ、保存、または送信する場合、PCI DSSのスコープ拡大の対象となります。クラウドベースの文字起こしツールは、カード会員データを含む通話オーディオを処理した瞬間に、スコープ内のPCIエンティティになります。StarWhisperはすべてをエージェントのローカルWindowsマシンで処理し、オーディオがデバイスから離れることはなく、トランスクリプトが外部に送信されることもありません。カード会員データ環境のフットプリントは拡大しません。これは回避策ではありません。オフラインAI文字起こしがQSAでレビューされたコンタクトセンターのテクノロジースタックに登場しているアーキテクチャ上の理由です。
医療提供者のサービスライン、保険の会員サービス、薬局のサポート運営は、すべてのやり取りで保護対象保健情報（PHI）を処理します。これらの通話にクラウド文字起こしサービスを使用するには、ベンダーからの署名済みのHIPAAビジネスアソシエイト契約（BAA）が必要であり、すべてのベンダーが署名するわけではなく、署名するベンダーは独自のセキュリティ評価プロセスを必要とします。StarWhisperのローカル処理は、PHIがネットワークを通過しないことを意味します。第三者のデータ処理者が存在しないため、確立すべきビジネスアソシエイト関係はありません。これらの環境のためにStarWhisperをレビューする法務・コンプライアンスチームは、ベンダーの契約レビューではなく、アーキテクチャに基づいて承認できます。
EU一般データ保護規則（GDPR）の下では、EUベースの顧客の音声録音は、データ主体の権利、保持制限、越境移転制限の対象となる個人データです。EU外に拠点を置くクラウド文字起こしサービスに通話オーディオを送信すると、合法的な移転メカニズムの評価を必要とするデータ移転が作成されます。StarWhisperは移転を完全に排除します。オーディオとトランスクリプトはエージェントのマシンから離れることはなく、マシンはすでにGDPR管理下の環境にあります。
カリフォルニア州のCCPA、バージニア州のVCDPA、そして増え続ける州のプライバシー法は、消費者の音声データの処理方法に対する義務を強化しています。これらすべてのフレームワークに共通するのは最小化化です。第三者と共有されるデータが少ないほど、コンプライアンスの負担は低くなります。ローカル処理はデータ最小化の最高の形態であり、データが第三者の懸念事項になることはありません。
10〜50人のエージェントを持つサービスチームは、合計2時間以内にStarWhisperを完全に運用できます。ITプロジェクト、段階的なロールアウト、ダウンタイムのリスクはありません。機能するシーケンスは次のとおりです。
starwhisper.aiまたはMicrosoft Storeからダウンロードします。インストーラーは200MB未満です。各Windows 10/11エージェントマシンにインストールします。ほとんどの環境では管理者アカウントは必要ありません。ネットワーク構成、ファイアウォールルールの変更、管理するサーバー側コンポーネントはありません。各インストールは自己完結型です。
StarWhisperの設定で、エージェントが片手でトリガーできるグローバルホットキーを割り当てます。F8、F9、またはプログラム可能なマウスのサイドボタンが最も一般的な選択です。ホットキーは、ウィンドウを切り替えることなく、フォアグラウンドアプリケーションから録音を開始および停止します。トレーニングを簡素化するために、チーム全体でホットキーを標準化してください。
リアルタイムのACWディクテーションを行うエージェントの場合、「small」モデルは8GB RAMを搭載したマシンで速度と精度のバランスが良いです。録音された通話ファイルを処理するQAマシンの場合、Proの「large」モデルは、多様なオーディオ品質とアクセントの多様性においてより高い精度を提供し、分析のユースケースに価値があります。NVIDIA GPUを搭載したマシンはCUDAアクセラレーションを有効にする必要があります。CPUで5分かかる20分の通話が、GPU処理では90秒未満で完了します。
主なトレーニングタスクは、エージェントにタイピングされたメモではなく、話された要約で考えることを教えることです。スキルは技術的なものではなく、口頭でのものです。メモが従うべきものと同じ構造化された形式で話します（問題 → 診断 → 解決 → 次のステップ）。ほとんどのエージェントは、2〜3回のシフト以内にこれを自然だと感じます。エージェントに、CRMを隠さずに見えるように、フローティングウィジェットを配置する場所を示します。
デプロイ前後のCRMで追跡されたACWメトリックを2週間の時点で引き出します。ほとんどのチームは、最初の2週間以内にACW時間が40〜65%削減されます。このメトリックは、Proライセンスをチーム全体に拡大するためのビジネスケースの基盤です。内部の調達正当化のために必要になるため、これをドキュメント化してください。
| チームのエージェント数 | 15 |
| 1日のエージェントあたりの対応通話数 | 40 |
| 導入前の平均ACW（タイピング） | 4分30秒 |
| 導入後の平均ACW（ディクテーション） | 1分20秒 |
| 1日のエージェントあたりの回復されたキャパシティ | 2時間13分 |
| 1日のチーム全体で回復されたキャパシティ | 33.25時間 |
| 年間回復キャパシティ | 約8,300時間 |
| StarWhisper Proのコスト（15ユーザー、年額） | $1,800/年 |
年間8,300エージェント時間の回復。完全にロードされた人件費が保守的に1時間あたり25ドルであっても、年間1,800ドルのソフトウェアコストに対して、年間207,500ドルの回収された生産キャパシティを表します。採用と通話タイプのばらつきにより実際の回復がその3分の1であったとしても、経済性は依然として強くプラスです。
ACW時間を超えて、二次的なメリットが複合的に増大します。QAカバレッジの改善はコンプライアンスエクスポージャーを減らします。より良いケースノートは、再問い合わせやコールバック時の処理時間を短縮します。コーチングの事例が実際の文字起こしされたやり取りから引き出されるため、トレーニングコンテンツの品質が向上します。これらはスプレッドシートでモデル化するのは難しいですが、デプロイから60〜90日以内にCSAT、エスカレーション率、QA監査スコアで目に見えます。異なる専門的なコンテキストで同様のメリットがどのように適用されるかの詳細については、HRインタビュー文字起こしのガイドをご覧ください。
「CRMメモの音声ディクテーションには懐疑的でした。オープンオフィスでエージェントが声を出して話すのは気まずいだろうと思っていました。実際に起こったのは、1週間後に彼らがより静かに自信を持って話し始め、ACWがチーム全体で平均4:42から平均1:18に低下したことです。これにより、計画していた人員増強の議論を止めるのに十分なキャパシティが解放されました。」
、Eコマース企業のカスタマーオペレーションVP、エージェント22名
「私たちのQAチームは3%の通話をレビューしていました。QAトランスクリプト処理のためにStarWhisperを導入して6週間後、18%のサンプリングに達しました。同じ2人のアナリストです。唯一の違いは、録音を聞く代わりにトランスクリプトを読んでいることです。3%のサンプリングでは絶対に見つからなかった、手数料免除に関するエージェントの繰り返される誤表示を発見しました。それは正式なコーチングイベントとプロセス変更になりました。」
、金融サービス企業の品質保証マネージャー、45席のチーム
「私たちは医療保険の会員サービスチームです。コンプライアンス責任者は、ツールのレビューで持ち上がったすべてのクラウド文字起こしツールをブロックしていました。ベンダーが署名したがらない、または私たちの調達サイクルに十分な速さで処理できないHIPAA BAAの要件がありました。StarWhisperは、アーキテクチャがコンプライアンスの答えをシンプルにしたため、1回のレビュー会議で承認されました。マシンから何も出ていきません。」
、地域医療保険キャリアのコンタクトセンター長
はい。StarWhisperは、Salesforce、Zendesk、Freshdesk、HubSpot、ServiceNow、およびブラウザベースのCRMを含む、あらゆるWindowsアプリケーションのカーソル位置に直接入力します。エージェントはカーソルをノートフィールドに置き、ホットキーでStarWhisperを起動して話します。アプリケーションを切り替えたりクリップボードから貼り付けたりすることなく、テキストがリアルタイムでカーソル位置に表示されます。
StarWhisperは、提供されたあらゆるファイルからのオーディオを文字起こしします。通話録音システムが両方のチャンネル（エージェントと顧客）を1つのファイルにキャプチャする場合、トランスクリプトには両方の声が含まれます。話者の分離（どの話者が何を言ったかのラベリング）は現在の機能ではありませんが、結合されたトランスクリプトはQAレビューとコーチングの目的にはしばしば十分です。
OpenAI Whisperは、幅広いアクセントプロファイルにわたって非ネイティブの英語話者を明示的に含む、多様な多言語データセットでトレーニングされました。アクセントのある音声において、従来のASRシステムを大幅に上回ります。オフショアのエージェントチームや多言語サポート運用の場合、Proのlargeモデルが最適なアクセントカバレッジを提供します。ほとんどのチームは、アクセント固有のチューニングなしに、最初のセッションで許容できる精度を報告しています。
StarWhisperの完全にローカルな処理は、通話中に話されたカード会員データ（カード番号、CVV、請求先住所）が外部システムに送信されないことを意味します。これにより、クラウドベースの文字起こしツールに対する主なPCI DSSの懸念が排除されます。QSAは全体的なCDEスコープを評価する必要がありますが、オフラインアーキテクチャにより、StarWhisperはネットワークベースの送信リスクカテゴリから除外されます。
smallモデル（ライブエージェントのディクテーションに推奨される実用的なデフォルト）を搭載した標準的なCPUマシンでは、20分の通話は約4〜7分で文字起こしされます。NVIDIA GPUとCUDAアクセラレーションを有効にしたマシンでは、同じファイルが60〜90秒で処理されます。大量の通話を処理するQAチームの場合、GPU搭載マシンはスループットにおいて大きな利点を提供します。Proプランは、長くて難しいオーディオの録音のバッチ文字起こしのためにlargeモデルのロックを解除します。長いファイルでは、追加の計算コストに見合う価値があります。
標準的なデプロイメントでは、各エージェントのWindowsマシンでインストーラーを実行するだけで済みます。サーバーコンポーネント、ネットワーク構成、ファイアウォールの変更は不要です。ほとんどのチームは1日の午後に10〜30人のエージェントを自己デプロイします。ITポリシーでストアデプロイメントがすでに有効になっている環境では、Microsoft Storeバージョンが利用可能です。
StarWhisperは29以上の言語をネイティブにサポートし、すべてオフラインで処理されます。これには、英語、スペイン語、フランス語、ドイツ語、ポルトガル語、イタリア語、オランダ語、北京語、日本語、韓国語、アラビア語、ロシア語、ポーランド語などが含まれます。多言語の顧客ベースを処理するチームは、言語ごとの個別のライセンスや構成なしに、すべてのサポートされている言語でStarWhisperを使用できます。別の規制業界のユースケースについては、保険請求のディクテーションのページもご覧ください。
StarWhisperによるカスタマーサービスの文字起こしには、調達サイクル、ITプロジェクト、エンタープライズ契約は必要ありません。数分でインストール。無料で評価。ACWの時間節約が正当化されたらProにアップグレードしてください。そして、それは確実にそうなります。
あらゆるCRMで動作。完全にオフライン。29以上の言語。PCI DSSおよびHIPAAに対応したアーキテクチャ。無料プランあり、1日500語。Proはエージェント1人あたり月額10ドルで無制限の利用が可能。
Windows 10 / 11が必要です。最小8GB RAM。GPUアクセラレーションはオプション（NVIDIA CUDA）。無料ティアではアカウントは不要です。