Детектор автоответчика: как автообзвон за 5 секунд отличает запись от человека

Детектор автоответчика — функция системы обзвона, которая в первые секунды звонка определяет, кто ответил: человек или голосовая почта. Если ответил человек, система соединяет его с оператором или запускает голосового ИИ-робота. Если ответил автоответчик, она завершает звонок и может поставить номер на повторный обзвон.

Зачем нужен детектор: четыре типа ответов без человека

Не каждый ответ на звонок превращается в разговор. На линии бывает голосовая почта, личный автоответчик, сообщение оператора связи или голосовое меню компании. Живого человека там нет, а время идёт.

Детектор отделяет записи от живых ответов. Что это даёт:

1. Оператору. В режиме предиктивного обзвона система сама набирает номера и соединяет оператора только с тем, кто ответил. Детектор следит, чтобы это был человек, и оператор не слушает чужие приветствия.
2. Голосовому ИИ-роботу. Сценарий запускается, когда ответил человек, и робот не тратит время на запись.
3. Базе номеров. Номер, на котором ответила запись, остаётся в работе: система звонит на него позже.

Три признака ритма речи дают 85,6% решения

Система слушает первые секунды ответа и анализирует ритм речи. Слова её не интересуют. Из 15 свойств ритма почти всё решают три:

1. Как речь распределена по первым пяти секундам (54,6% вклада). Запись заполняет отрезок ровно: приветствие идёт без остановок. Человек отвечает коротко, и его речь сосредоточена в одном месте, чаще всего в начале.
2. Длина первой фразы (20%). Человек говорит «Алло» или «Слушаю». Автоответчик читает приветствие целиком.
3. Пауза до первого слова (11%). У записи она короткая и предсказуемая: линия переключается, и запись сразу начинает говорить.

Остальные 14,4% делят между собой двенадцать оставшихся признаков.

Есть и другие способы: ждать звукового сигнала после приветствия или искать в начале ответа фразы вроде «оставьте сообщение». Первый срабатывает слишком поздно, второй медленнее и требует больше оснащения. Подробности — в разделе про сравнение методов.

Как развивались алгоритмы: от порога в секундах до обученной модели

Первые системы работали по простым правилам: если первая фраза длится дольше заданного времени, отвечает автоответчик. Такие правила понятны и быстро настраиваются.

Другой распространённый способ — ждать гудка начала записи. Гудок звучит уже после приветствия, поэтому решение приходит через 10–30 секунд.

Следующий шаг — перевести начало разговора в текст и найти типичные фразы автоответчиков. Метод точен, но работает медленнее и требует технического оснащения и слепков — образцов автоответчиков.

Современные модели изучают ритм речи: когда человек говорит, как долго и где делает паузы. Модель обучается на тысячах записей и сама находит различия, которые трудно описать правилом. Такую модель проверил в своём исследовании Кумар Саурав в 2026 году на англоязычных телефонных записях.

Что показал тест: 96,1% точности за 5,05 секунды

Главные цифры исследования:

1. 96,1% записей определено верно: 734 из 764 на проверочных выборках.
2. 5,05 секунды проходит от соединения до решения. Само вычисление занимает 46 мс на обычном процессоре без видеокарты.
3. 41,6% из 77 000 реальных звонков система определила как автоответчики.
4. −83% — сокращение длительности звонка на автоответчик: с 30 секунд до 5,05 секунды.

Как проверяли: 24 812 записей на обучении и 764 на проверке

Автор исследования проверял систему на записях настоящих телефонных звонков на английском языке.

Что слушает система. Только того, кто ответил на звонок: человека или автоответчик. Она отслеживает, когда на линии говорят и когда пауза, и по этому считает длину фразы, паузы между фразами и время до первого слова.

Кто принимает решение. Небольшая быстрая модель: 50 коротких цепочек вопросов «да или нет», в каждой не больше двух шагов. Автор перебрал около 3 780 вариантов настройки: разные модели, уровни чувствительности, время наблюдения за ответом (3, 5 и 7 секунд) и наборы признаков ритма. Затем он выбрал лучший.

На чём обучали. На 24 812 записях реального обзвона. Какие из них автоответчики, определила другая программа, которая слышит обе стороны разговора. Автор проверил её разметку: примерно в 90% случаев она верна.

Как проверяли. Автор взял две отдельные выборки записей:

1. Первая: 140 записей, 70 автоответчиков и 70 живых ответов. Каждую вручную разметил эксперт.
2. Вторая: 624 записи, 434 автоответчика и 190 живых ответов. Их не использовали при обучении. У 41% записей ответ проверили эксперты, у остальных 59% — программы, которые анализируют и звук, и расшифровку. Ещё 35 записей, где нельзя было однозначно понять, кто ответил, автор исключил.

Ритм, расшифровка и звуковой сигнал: сравнение на одних записях

Автор сравнил свой метод с расшифровкой речи и с определением по гудку на одних и тех же записях.

Расшифровка речи точнее ритма: 97,6% против 96,1%. Система переводит начало разговора в текст и ищет фразы вроде «оставьте сообщение». Расчёт при этом длится в 10 раз дольше, а оснащение нужно техническое. Исследователь считает расшифровку подходящей для разбора записей после звонка или как запасной вариант. Основным способом для живого звонка он выбирает ритм.

Определение по звуковому сигналу оказалось почти бесполезным: точность составила всего 50,7%. У способа три слабых места:

1. Гудок звучит после приветствия, поэтому решение приходит через 10–30 секунд, когда время уже потрачено.
2. Многие современные автоответчики вообще не дают стандартного гудка.
3. На канале вызываемого абонента гудок почти не слышен, а фоновый шум даёт 23,2% ложных срабатываний.

Классические правила по паузам встроены во многие телефонные платформы: они решают по длительности первой фразы и пауз, кто ответил. Автор не проверял их на своих записях, поэтому прямого сравнения по точности нет.

Три ограничения метода

1. Язык. Все записи были на английском, другие языки автор не проверял. По его оценке, приёмы от языка не зависят, но приветствия различаются по культурам: в японском, например, они длиннее.
2. Разметка для обучения. Метки в обучающей выборке поставила другая программа, а не люди. Редкие случаи, в которых она ошибалась, могут стать слепой зоной для самой системы.
3. Короткие приветствия. Если приветствие короче примерно трёх секунд, сигнала для решения не хватает. Для таких случаев автор предлагает запасную модель, которой достаточно трёх секунд.

Сколько времени освобождает детектор: расчёт на 10 000 звонков

В исследовании звонок на автоответчик без детектора длился в среднем 30 секунд, с детектором — 5,05 секунды. На 77 000 звонков получилось около 13 300 минут освободившегося времени.

Тот же расчёт на 10 000 звонков при такой же доле автоответчиков (41,6%) даёт 4 160 звонков, на которые ответила запись:

1. Без детектора: 4 160 × 30 с = 124 800 с, около 2 080 минут (почти 35 часов).
2. С детектором: 4 160 × 5,05 с = 21 008 с, около 350 минут (почти 6 часов).
3. Разница: около 1 730 минут, то есть почти 29 часов работы оператора или ИИ-робота.

Доля автоответчиков в вашей базе может отличаться от исследовательской, поэтому подставьте в формулу свои цифры.

Как настроить обзвон с детектором автоответчика: 4 шага

1. Решите, что делать с автоответчиком. Самый простой вариант: завершить звонок и перенести номер на повторный обзвон в другое время суток.
2. Опишите сценарий для двух исходов. Ответил человек — начинается разговор. Ответила запись — звонок завершается. Если обзвон ведёт голосовой ИИ-робот, оба исхода удобно описать в одном сценарии.
3. Следите за результатом. Сравните долю автоответчиков в своей базе с 41,6% из исследования, помня, что оно проводилось на английских записях. Посмотрите, сколько ответивших людей дошло до разговора и сколько минут освободилось по сравнению с прошлой неделей.
4. Разбирайте разговоры. Расшифровка звонков и оценка диалогов по смыслу показывают, как проходили разговоры с теми, кто ответил, и что стоит поправить в сценарии.

А как вы поступаете с номерами, на которых ответил автоответчик: ставите на повторный дозвон, сразу вычёркиваете из базы или обходитесь без детектора? В какое время суток повторные звонки дают больше живых ответов?