Áudio, mídia e transcrição
Envie e receba áudios, fotos e arquivos no Inbox — e leia áudios sem precisar ouvir, com a transcrição automática.
O Inbox do ScalaCRM trabalha com os formatos que o seu cliente já usa no WhatsApp: áudio, foto, vídeo e documento. E, para quem atende em volume, a transcrição automática transforma áudio em texto — você lê em segundos o que levaria minutos para ouvir.
Enviando mídia
No composer da conversa, use o botão de anexo para enviar arquivos (imagens, vídeos, documentos) ou grave um áudio direto pelo microfone. O arquivo sobe para o ScalaCRM e sai pela caixa de entrada selecionada na conversa.
Tudo que o cliente enviar — áudios, fotos, documentos — também fica guardado na linha do tempo, junto do histórico de texto.
⚠️ Atenção: o Instagram Direct não aceita envio de documentos — apenas imagens e mídias compatíveis com o canal. Pelo WhatsApp (oficial ou Lite), documentos funcionam normalmente.
Transcrição automática de áudio
Com a transcrição ativa, todo áudio recebido é convertido em texto automaticamente. Na conversa, o áudio aparece com uma linha Transcrição logo abaixo do player — clique na setinha para expandir e ler o conteúdo completo, sem sair do chat.
A transcrição também roda nos áudios que a sua equipe envia, mantendo o histórico pesquisável e legível de ponta a ponta.
Como ativar
A transcrição é um recurso do seu plano (disponível nos planos superiores). Quando liberada na sua conta:
- Vá em Configurações → Integrações.
- Ative o interruptor no card Transcrição de áudio.
A partir daí, os áudios novos passam a ser transcritos sozinhos. Se um áudio demorar a transcrever, o sistema tenta de novo automaticamente em alguns minutos.
💡 Dica: a transcrição vale ouro em auditoria e passagem de plantão — qualquer pessoa da equipe entende uma conversa cheia de áudios só lendo, sem fone de ouvido.
Áudio e o agente de IA
Nas caixas de entrada atendidas por um agente de IA nativo, os áudios recebidos são transcritos automaticamente para que o agente entenda o que o cliente falou — isso faz parte do funcionamento do agente e não depende do recurso de transcrição do plano. O agente também pode responder em áudio, se você configurar.