# Начало работы

## Быстрый старт

Чтобы начать использовать Речевую аналитику, выполните три шага:

### 1. Создайте промпт

Промпт — это инструкция для LLM, определяющая, что именно нужно анализировать в разговорах. Перейдите в раздел **Промпты** и создайте новую версию промпта:

* Выберите провайдера LLM (OpenAI, Anthropic, YandexGPT или GigaChat)
* Выберите модель
* Напишите системный промпт или используйте автогенерацию из текстового описания
* Задайте JSON-схему ожидаемого результата
* Активируйте промпт

{% hint style="info" %}
Для голосовых звонков и текстовых диалогов используются отдельные активные промпты. Убедитесь, что активировали промпт для нужного типа разговоров.
{% endhint %}

{% content-ref url="prompty" %}
[prompty](https://docs.lia.chat/docs/speech-analytics/prompty)
{% endcontent-ref %}

### 2. Загрузите данные

Есть несколько способов загрузки:

* **Аудиофайл** — загрузите запись звонка (MP3, WAV, OGG, OPUS, M4A, FLAC). Система автоматически транскрибирует аудио и запустит анализ.
* **CSV/JSON** — импортируйте текстовые диалоги из файла.
* **Источник данных** — подключите внешнюю систему для автоматического сбора.

{% content-ref url="zagruzka-i-import" %}
[zagruzka-i-import](https://docs.lia.chat/docs/speech-analytics/zagruzka-i-import)
{% endcontent-ref %}

### 3. Просмотрите результаты

После завершения обработки откройте разговор в списке, чтобы увидеть:

* Транскрипт с разделением по спикерам (для звонков)
* Результаты LLM-анализа в виде виджетов
* Метаданные и метрики качества

{% content-ref url="razgovory/prosmotr-razgovora" %}
[prosmotr-razgovora](https://docs.lia.chat/docs/speech-analytics/razgovory/prosmotr-razgovora)
{% endcontent-ref %}

***

## Жизненный цикл обработки

### Голосовые звонки

После загрузки аудиофайл проходит следующие этапы:

| Статус         | Описание                                |
| -------------- | --------------------------------------- |
| `uploaded`     | Файл загружен в хранилище               |
| `transcribing` | Идёт транскрибация (распознавание речи) |
| `transcribed`  | Транскрибация завершена                 |
| `analyzing`    | Идёт LLM-анализ                         |
| `completed`    | Обработка завершена                     |
| `failed`       | Ошибка на одном из этапов               |

### Текстовые диалоги

| Статус      | Описание            |
| ----------- | ------------------- |
| `imported`  | Диалог импортирован |
| `analyzing` | Идёт LLM-анализ     |
| `completed` | Анализ завершён     |
| `failed`    | Ошибка анализа      |

{% hint style="warning" %}
Транскрибация аудио может занимать от 1 до 10 минут в зависимости от длительности записи. LLM-анализ обычно занимает 10–60 секунд.
{% endhint %}

***

## Поддерживаемые форматы аудио

| Формат | Расширение |
| ------ | ---------- |
| MP3    | `.mp3`     |
| WAV    | `.wav`     |
| OGG    | `.ogg`     |
| OPUS   | `.opus`    |
| M4A    | `.m4a`     |
| FLAC   | `.flac`    |

**Ограничения:**

* Максимальный размер файла: **20 МБ**
* Рекомендуемое качество: 16 kHz, 16-bit
* Для стерео: канал 0 = оператор (agent), канал 1 = клиент

***

## Типы разговоров

Модуль работает с двумя типами разговоров:

| Тип                          | Описание                            | Источник                           |
| ---------------------------- | ----------------------------------- | ---------------------------------- |
| **Голосовые звонки** (voice) | Аудиозаписи телефонных разговоров   | Загрузка аудио, внешние источники  |
| **Текстовые диалоги** (text) | Чаты из мессенджеров, CRM, виджетов | Импорт CSV/JSON, внешние источники |

Оба типа отображаются в едином списке разговоров и анализируются одинаковым образом, но для каждого типа настраивается отдельный активный промпт.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.lia.chat/docs/speech-analytics/nachalo-raboty.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.