Встречи с AI — Otter.ai, Fireflies и автоматические протоколы

Время: ~20 мин теории + 30 мин практики

Суть урока

45 минут разговора с клиентом. Потом ещё полчаса-час: написать протокол, разослать задачи, внести запись в CRM (так называют базу клиентов). При пяти встречах в неделю это 3–5 часов бумажной работы. Каждую неделю. Эти часы можно вернуть. Сервис записи встреч (Fireflies, Otter.ai и похожие) записывает и расшифровывает разговор, а Claude превращает расшифровку в протокол и список задач. Это путь без кода, и его хватает большинству. Вторая половина урока для тех, кто строит: автоматическая цепочка, в которой задачи сами попадают в ClickUp (сервис для задач), а сводка приходит в Telegram.

🎨 Образ: Представь секретаря, который не пропускает ни слова, не устаёт, не просит отпуск и отдаёт готовый протокол раньше, чем ты закрыл ноутбук. Это не фантастика: это сервис записи встреч и Claude. Протокол всё равно проверяешь ты.

Ключевые концепции

• Автоматическая расшифровка (транскрипция) — AI на лету превращает речь в текст
• Разделение по говорящим (по-английски speaker diarization) — система помечает, кто что сказал
• Извлечение задач (action items) — Claude находит в разговоре обязательства, сроки и задачи
• Цепочка с вебхуком — расшифровка → разбор → задачи → уведомление. Вебхук (webhook) — автоматическое сообщение «готово, вот данные», которое один сервис отправляет другому
• Whisper на своём компьютере — расшифровка без отправки записи в облако (для встреч под соглашением о неразглашении, NDA)
• Шаблоны под тип встречи — разные промпты для первой встречи с клиентом, разбора проекта и планёрки
• Встроенный AI в Zoom или Fireflies — когда хватает встроенного инструмента, а когда нужен внешний

Теория

Проблема: встреча без системы — деньги выброшенные дважды

Деловая встреча часто длится около часа. После неё уходит ещё 35–65 минут на протокол, рассылку задач и запись в CRM (расчёт в таблице в конце теории, цифры условные). При 5 встречах в неделю это 3–5 часов.

Хуже того: протоколы, написанные по памяти, неточны. Ты сосредоточен на разговоре и пропускаешь детали. Или наоборот: пишешь заметки и теряешь нить разговора. Это ловушка внимания.

Автоматическая расшифровка снимает эту проблему: запись идёт сама, и никто не отвлекается на заметки. Ошибки в расшифровке бывают, поэтому важное перепроверяй.

Otter.ai — расшифровка в реальном времени

Otter.ai — один из первых сервисов на этом рынке. Он заходит во встречи Zoom, Google Meet и Microsoft Teams как отдельный участник-бот и подключается сам, когда встреча начинается.

Что умеет:

• Расшифровка на лету с разделением по говорящим
• Краткий итог после встречи (AI Summary): структурированный, а не сплошной текст
• Список задач по итогам встречи (Action Items)
• Поиск по тексту всех расшифровок (нашёл нужное через месяц — не проблема)
• Интеграции с рабочими инструментами (список смотри на сайте)
• MCP-сервер, то есть способ подключить Otter к AI-ассистентам вроде Claude (по странице тарифов Otter, входит уже в бесплатный тариф)

Тарифы и языки (на октябрь 2026): есть бесплатный тариф с месячным лимитом минут и платные тарифы; цены и лимиты смотри на otter.ai/pricing. Важно: Otter расшифровывает английский, испанский, французский, немецкий, японский и китайский. Русского в списке нет, поэтому для встреч на русском нужен другой сервис (например, Fireflies). Цены самих AI-ассистентов собраны на странице Актуальное сейчас.

🎨 Образ: Otter.ai — стенографист, который сидит на каждой встрече и печатает всё, что слышит. Только он не устаёт и стоит недорого (ошибки в расшифровке всё равно проверяй).

Fireflies.ai — расшифровка, разбор разговора и связь с CRM

Fireflies не только записывает, но и разбирает разговор.

Дополнительно к расшифровке (по описанию сервиса; проверь, что входит в твой тариф):

• AI Summary (краткий итог) — что обсуждали, что решили, что осталось открытым
• Speaker Talk-time (время речи) — кто сколько говорил
• Sentiment Analysis (тон разговора) — как менялось настроение беседы
• Topic Trackers (отслеживание тем) — отмечает упоминания ключевых тем: бюджет, конкуренты, сроки
• Отправка в CRM — заметки и записи о звонках попадают в HubSpot, Salesforce и другие CRM (список на сайте)
• Webhooks (вебхуки) — после встречи Fireflies отправляет сигнал на адрес твоего сервера

Именно вебхуки делают Fireflies центром цепочки для тех, кто строит.

Тарифы и языки (на октябрь 2026): Free, Pro, Business и Enterprise; лимиты и цены смотри на fireflies.ai. По документации Fireflies, API доступен и на бесплатном тарифе, но с небольшим дневным лимитом запросов. По сайту сервиса, он расшифровывает больше 100 языков, русский среди них.

Согласие на запись: запись встречи требует согласия участников, и правила зависят от страны. В США они разные по штатам: федеральный закон разрешает запись с согласия одного участника разговора, но в ряде штатов (например, в Калифорнии) нужно согласие всех. Предупреждай о записи в начале каждого звонка и проверь закон там, где находишься ты и твои собеседники.

Встроенный AI в Zoom или Fireflies — когда что выбирать

До июня 2026 встроенные AI-функции Zoom назывались AI Companion. Теперь Zoom называет их по назначению (сводка встречи, расшифровка), а новый отдельный AI-помощник компании называется ZoomMate.

Вывод: встроенных сводок Zoom достаточно, если тебе нужен только итог встречи. Fireflies нужен, когда ты строишь автоматическую цепочку: задачи → CRM → уведомления.

Microsoft Teams — корпоративный контекст

Если твои клиенты — корпорации, они часто работают в Teams. Два варианта:

Copilot в Teams (встроенный): краткий итог, задачи, ответы на вопросы о содержании встречи. Нужна лицензия Microsoft 365 Copilot (цены на октябрь 2026: Copilot Business от $18 в месяц за пользователя при оплате за год, цена действует до 31.12.2026, или $25,20 помесячно). Для тебя как фрилансера — только если ты сам платишь.

Fireflies + Teams: Fireflies подключается к Teams как внешний бот. Все возможности Fireflies, включая вебхуки, остаются. Подходит, если ты работаешь с корпоративными клиентами в Teams, но хочешь сохранить свою цепочку.

Whisper на своём компьютере — для конфиденциальных встреч

Когда запись не должна покидать твой компьютер, используй Whisper: это открытая модель распознавания речи от OpenAI, которая работает прямо на компьютере, без интернета.

Без кода: MacWhisper на Mac работает на моделях Whisper и Parakeet прямо на компьютере и поддерживает больше 100 языков (в списке языков Whisper есть русский).

Для тех, кто строит, — Whisper через Python:

pip install openai-whisper
# Whisper нужна установленная программа ffmpeg (на Mac: brew install ffmpeg)
# Ускорение на Mac Apple Silicon:
pip install mlx-whisper

import whisper

# small/medium/large — выбор между скоростью, качеством и памятью
model = whisper.load_model("medium")

result = model.transcribe(
    "meeting_recording.mp3",
    language="ru",          # язык записи: так точнее
    word_timestamps=True    # метка времени для каждого слова
)

print(result["text"])

У пакета mlx-whisper свой вызов: mlx_whisper.transcribe("meeting_recording.mp3"), подробности в его описании.

Когда расшифровывать на своём компьютере:

• Юридические переговоры
• Встречи под соглашением о неразглашении (NDA)
• Финансовые данные клиентов
• Любые встречи с чувствительными данными

Качество зависит от выбранной модели и от самой записи: проверь на своей.

Если ты работаешь по найму, до подключения любого из этих сервисов к рабочим встречам проверь правила компании об AI и о записи разговоров.

Шаблоны промптов для разных типов встреч

Один промпт не подходит для всего. Первая встреча с клиентом и разбор проекта — разные задачи. Без кода шаблоны используются так: скопируй расшифровку из сервиса записи, вставь в чат Claude и добавь нужный шаблон.

Первая встреча с клиентом (знакомство):

Разбери расшифровку первой встречи с клиентом. Извлеки:
1. Боли и проблемы клиента (цитаты из разговора)
2. Бюджет и сроки (если упоминались)
3. Кто принимает решение
4. Возражения и сомнения
5. Следующие шаги с обеих сторон
6. Вероятность сделки (низкая/средняя/высокая) с обоснованием

Оформи ответ списком по этим шести пунктам.

Встреча с действующим клиентом:

Разбери расшифровку встречи с клиентом. Извлеки:
1. Состояние проекта — что сделано, что нет
2. Замечания и правки клиента (дословно)
3. Приоритеты на следующий период
4. Риски и то, что мешает работе
5. Задачи для нашей команды (ответственный + срок)
6. Задачи для клиента (ответственный + срок)

Короткая планёрка команды:

Разбери расшифровку планёрки. Для каждого участника:
- Что сделано вчера
- Что планируется сегодня
- Что мешает и какие вопросы к команде

В конце — общие задачи с ответственными.

Для тех, кто строит: цепочка с вебхуком, от встречи до задачи в ClickUp

Этот раздел для тех, кто пишет код. Если ты не программируешь, пропусти его: путь без кода уже описан (расшифровка из сервиса и шаблон в чате Claude).

🎨 Образ: Если встреча — это производство, то вебхук — это конвейер после него. Деталь (расшифровка) сходит с одного станка → проходит контроль качества (Claude) → поступает на склад (ClickUp) → о ней узнаёт мастер (Telegram).

Встреча в Zoom или Meet
      ↓
Fireflies записывает и расшифровывает
      ↓
Fireflies отправляет вебхук на твой сервер (только id встречи)
      ↓
Сервер на Python (Flask) забирает расшифровку через GraphQL API Fireflies
      ↓
Claude API разбирает её по шаблону и возвращает JSON
      ↓
ClickUp API создаёт задачи
      ↓
Бот в Telegram присылает тебе сводку

Код сервера (формат запросов Fireflies сверяй с docs.fireflies.ai):

from flask import Flask, request, jsonify
import anthropic
import requests
import threading
import json
import os

app = Flask(__name__)

claude_client = anthropic.Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])
FIREFLIES_API_KEY = os.environ["FIREFLIES_API_KEY"]
CLICKUP_API_KEY = os.environ["CLICKUP_API_KEY"]
CLICKUP_LIST_ID = os.environ["CLICKUP_LIST_ID"]
TELEGRAM_BOT_TOKEN = os.environ["TELEGRAM_BOT_TOKEN"]
TELEGRAM_CHAT_ID = os.environ["TELEGRAM_CHAT_ID"]

MEETING_PROMPT = """
Ты ассистент, который разбирает расшифровки деловых встреч.

Расшифровка:
{transcript}

Название встречи: {meeting_title}
Участники: {participants}

Извлеки структурированную информацию в JSON:
{{
  "summary": "Краткое резюме 3–5 предложений",
  "decisions": ["решение 1", "решение 2"],
  "action_items": [
    {{
      "description": "Описание задачи",
      "assignee": "Имя ответственного или 'Не определён'",
      "deadline": "Срок или 'Не указан'",
      "priority": "Высокий|Средний|Низкий"
    }}
  ],
  "open_questions": ["вопрос 1", "вопрос 2"]
}}
"""


TRANSCRIPT_QUERY = """
query Transcript($transcriptId: String!) {
  transcript(id: $transcriptId) {
    title
    participants
    sentences {
      text
      speaker_name
    }
  }
}
"""


def fetch_transcript(meeting_id: str) -> dict:
    """Вебхук Fireflies присылает только id встречи: текст забираем через GraphQL API."""
    response = requests.post(
        "https://api.fireflies.ai/graphql",
        headers={"Authorization": f"Bearer {FIREFLIES_API_KEY}"},
        json={"query": TRANSCRIPT_QUERY, "variables": {"transcriptId": meeting_id}},
        timeout=60,
    )
    response.raise_for_status()
    transcript = response.json()["data"]["transcript"]
    text = "\n".join(
        f"{s['speaker_name']}: {s['text']}" for s in transcript["sentences"]
    )
    return {
        "title": transcript["title"],
        "participants": transcript["participants"],
        "text": text,
    }


def analyze_meeting(transcript: str, title: str,
                    participants: list) -> dict:
    """Разбираем расшифровку через Claude."""
    participants_str = ", ".join(participants) if participants else "Неизвестны"

    message = claude_client.messages.create(
        model="claude-sonnet-5-5",  # актуальные идентификаторы моделей: документация Anthropic
        max_tokens=8000,  # с запасом: в этот лимит входит и «размышление» модели
        messages=[{
            "role": "user",
            "content": MEETING_PROMPT.format(
                transcript=transcript,
                meeting_title=title,
                participants=participants_str
            )
        }]
    )

    # В ответе могут быть блоки «размышления»: берём только текст
    response_text = "".join(block.text for block in message.content if block.type == "text")
    # Убираем обрамление ```json, если Claude его добавил
    if "```json" in response_text:
        start = response_text.find("```json") + 7
        end = response_text.find("```", start)
        response_text = response_text[start:end].strip()

    return json.loads(response_text)


def create_clickup_task(task_data: dict, meeting_title: str) -> str:
    """Создаём задачу в ClickUp."""
    # Приоритеты ClickUp: 1 — срочный, 2 — высокий, 3 — обычный, 4 — низкий
    priority_map = {"Высокий": 2, "Средний": 3, "Низкий": 4}

    payload = {
        "name": task_data["description"],
        "description": f"Источник: встреча '{meeting_title}'\n"
                       f"Ответственный: {task_data['assignee']}",
        "priority": priority_map.get(task_data["priority"], 3),
    }

    response = requests.post(
        f"https://api.clickup.com/api/v2/list/{CLICKUP_LIST_ID}/task",
        headers={
            "Authorization": CLICKUP_API_KEY,
            "Content-Type": "application/json"
        },
        json=payload
    )
    if response.status_code == 200:
        return response.json().get("url", "")
    return ""


def send_telegram_summary(analysis: dict, meeting_title: str,
                           task_urls: list) -> None:
    """Отправляем сводку в Telegram простым текстом."""
    tasks_text = ""
    priority_emoji = {"Высокий": "🔴", "Средний": "🟡", "Низкий": "🟢"}

    for item, url in zip(analysis["action_items"], task_urls):
        emoji = priority_emoji.get(item["priority"], "⚪")
        tasks_text += f"{emoji} {item['description']}\n"
        tasks_text += f"   → {item['assignee']} | {item['deadline']}"
        if url:
            tasks_text += f" | {url}"
        tasks_text += "\n\n"

    open_q = "\n".join(f"• {q}" for q in analysis["open_questions"])

    message = f"""📋 {meeting_title}

📝 Резюме:
{analysis['summary']}

✅ Задачи ({len(analysis['action_items'])}):
{tasks_text}
❓ Открытые вопросы:
{open_q}""".strip()

    # Так устроен Telegram Bot API: токен бота входит в адрес запроса. Не выводи этот адрес в журналы
    requests.post(
        f"https://api.telegram.org/bot{TELEGRAM_BOT_TOKEN}/sendMessage",
        json={
            "chat_id": TELEGRAM_CHAT_ID,
            "text": message,
            "link_preview_options": {"is_disabled": True}
        },
        timeout=30,
    )


def process_meeting(meeting_id: str) -> None:
    """Забираем расшифровку, разбираем её и рассылаем результат."""
    meeting = fetch_transcript(meeting_id)
    title = meeting["title"] or "Встреча без названия"
    transcript = meeting["text"]
    participants = meeting["participants"] or []

    if not transcript:
        return

    # 1. Разбор через Claude
    analysis = analyze_meeting(transcript, title, participants)

    # 2. Задачи в ClickUp
    task_urls = [
        create_clickup_task(item, title)
        for item in analysis.get("action_items", [])
    ]

    # 3. Сводка в Telegram
    send_telegram_summary(analysis, title, task_urls)


@app.route("/webhook/fireflies", methods=["POST"])
def fireflies_webhook():
    """Принимаем вебхук от Fireflies, когда расшифровка готова."""
    data = request.json or {}

    # Вебхук содержит только служебные данные: event и meeting_id
    if data.get("event") != "meeting.transcribed" or not data.get("meeting_id"):
        return jsonify({"status": "skip", "reason": "other event"}), 200

    # Отвечаем сразу, а разбор запускаем в фоне: Fireflies ждёт ответ не дольше 30 секунд
    # и при задержке повторяет запрос, из-за чего задачи создались бы дважды
    threading.Thread(
        target=process_meeting, args=(data["meeting_id"],), daemon=True
    ).start()

    return jsonify({"status": "accepted", "meeting_id": data["meeting_id"]}), 200


if __name__ == "__main__":
    # Порт 5001: на Mac порт 5000 обычно занят системной службой AirPlay
    app.run(port=5001, debug=False)

Запуск на сервере: Railway, Render или другой хостинг для Python (цены смотри на сайтах провайдеров). Встроенный сервер Flask годится только для проб на своём компьютере. Fireflies подписывает запросы: задай Signing Secret на странице вебхука и проверяй заголовок X-Hub-Signature (пример проверки есть в документации Fireflies), чтобы сервер принимал запросы только от Fireflies.

Окупаемость: считаем время на встречи

Подставь свою ставку: часы в месяц × стоимость твоего часа. Столько стоит время, которое к тебе возвращается. Цифры в таблице условные.

Стоимость системы: подписка на сервис встреч (есть бесплатные тарифы) + расход на Claude API. По ценам Sonnet 5.5 на октябрь 2026 ($2 на вход и $10 на выход за 1 млн токенов) час встречи — это примерно 15–20 тысяч токенов на вход, то есть несколько центов на встречу (оценка, проверь на своих записях). Актуальные цены: Актуальное сейчас.

🎨 Образ: Ты нанимаешь ассистента по цене подписки. Он работает круглые сутки, не просит отпуск и делает одно хорошо: превращает встречи в конкретные задачи. Но проверяешь его работу ты.

Практика

Шаг 1: Подключи Fireflies к твоим встречам (15–20 мин)

1. Зарегистрируйся на fireflies.ai: кнопка Get started, затем Continue with Google или Continue with Microsoft. Бесплатного тарифа (Free) хватит для старта
2. На шаге регистрации разреши доступ к календарю: так Fireflies узнаёт о твоих встречах
3. Сразу проверь, куда бот будет заходить. По умолчанию Fireflies присоединяется ко всем встречам из календаря, где есть ссылка на видеозвонок, и рассылает итоги всем приглашённым. На главной странице Fireflies нажми Settings и в списке Auto-join calendar meetings выбери Only when I invite [email protected] («только когда я приглашаю»)
4. Проведи пробную встречу в Zoom или Meet (можно с самим собой): добавь [email protected] в приглашение и впусти участника Fireflies.ai Notetaker, когда он попросится на встречу. На настоящих встречах предупреждай о записи в начале звонка
5. Проверь: в Fireflies появились расшифровка и краткий итог (AI Summary)
6. Скопируй расшифровку, вставь в чат Claude и добавь подходящий шаблон из теории

Критерий успеха: Fireflies записал встречу и сделал краткий итог, а Claude по шаблону выдал протокол и список задач.

На этом путь без кода пройден: так можно работать каждый день. Шаги 2–5 — для тех, кто строит автоматическую цепочку. Для них нужны код, аккаунт ClickUp и бот в Telegram, и на первую настройку закладывай отдельный вечер, а не минуты из заголовков.

Шаг 2: Настрой вебхук (10 мин)

1. В Fireflies открой страницу вебхуков Webhooks V2: app.fireflies.ai/integrations/api/webhook (старое поле в Settings → Developer settings теперь только для чтения)
2. В поле Webhook URL вставь временный адрес с webhook.site
3. В разделе Event Subscriptions выбери событие meeting.transcribed и сохрани
4. Нажми Send Test Event или проведи пробную встречу (5–10 мин)
5. Открой webhook.site и посмотри, какой JSON пришёл

Критерий успеха: видишь JSON с полями event и meeting_id (текст расшифровки сервер заберёт отдельным запросом к GraphQL API).

Шаг 3: Запусти сервер на Python (10 мин)

pip install flask anthropic requests

Сохрани код из теории в meeting_pipeline.py. Ключи и токены возьми в настройках Fireflies и ClickUp, токен бота выдаёт @BotFather в Telegram. Задай переменные окружения:

export ANTHROPIC_API_KEY="sk-ant-..."
export FIREFLIES_API_KEY="..."
export CLICKUP_API_KEY="pk_..."
export CLICKUP_LIST_ID="..."
export TELEGRAM_BOT_TOKEN="..."
export TELEGRAM_CHAT_ID="..."

python meeting_pipeline.py

Для публичного адреса во время разработки:

ngrok http 5001
# ngrok сначала нужно установить и один раз привязать к бесплатному аккаунту:
# команда ngrok config add-authtoken с твоим токеном есть в личном кабинете ngrok
# Скопируй адрес https://..., добавь в конец /webhook/fireflies → вставь в поле Webhook URL в Fireflies

Шаг 4: Проверь всю цепочку (20–25 мин)

Проведи 10-минутную пробную встречу. Обсуди несколько задач со сроками и ответственными. Подожди 5–10 минут после завершения. Проверь: задачи появились в ClickUp, сводка пришла в Telegram.

Критерий успеха: вся цепочка отработала сама, без ручных действий.

Шаг 5: Подстрой промпт под свои встречи (5 мин)

Замени MEETING_PROMPT на шаблон из теории, который подходит твоему типу встреч, или напиши свой. Сохрани вставки {transcript}, {meeting_title} и {participants} и поля JSON, которые читает код (summary, action_items, open_questions), иначе поправь и код. Проверь на настоящей встрече, что результат выглядит так, как ты ждёшь.

Инструменты и ресурсы

• Fireflies — расшифровка и вебхуки, больше 100 языков, включая русский, есть бесплатный тариф (лимиты API зависят от тарифа)
• Otter.ai — расшифровка в реальном времени; русского языка нет в списке поддерживаемых, есть бесплатный тариф
• tl;dv — запись встреч в Zoom, Meet и Teams, русский язык поддерживается, есть бесплатный тариф
• Granola — блокнот для встреч без бота; macOS, Windows, iOS и Android (на октябрь 2026)
• OpenAI Whisper — расшифровка на своём компьютере без интернета, бесплатно
• mlx-whisper — быстрый Whisper на Apple Silicon
• MacWhisper — расшифровка на Mac без кода и без отправки записи в облако
• Claude API — разбор расшифровок; стоимость считай по токенам (Актуальное сейчас)
• ClickUp API v2 — создание задач
• ngrok — туннель к своему компьютеру на время разработки, есть бесплатный тариф
• Railway — хостинг для Python-сервера, цены на сайте провайдера

Ключевые выводы

Встреча без автоматического протокола — деньги выброшенные дважды: сначала потратил время на встречу, потом ещё раз потратил на запись того, что на ней было.

Разница между Otter или Fireflies и Whisper на своём компьютере — это разница между удобством и приватностью. Для обычных рабочих встреч чаще берут облачный сервис. Для переговоров под соглашением о неразглашении расшифровывай запись на своём компьютере.

Автоматическая цепочка меняет культуру работы. Когда задачи появляются в ClickUp сами после каждой встречи, люди серьёзнее относятся к обещаниям: сказанное сразу становится записью.

Следующий урок

→ AI презентации — Gamma, Beautiful.ai и PowerPoint через Claude

Соберём презентацию: структуру напишет Claude, слайды оформит Gamma. После презентаций — Переводы и локализация: DeepL и Claude.