распознавание речи.

Расшифровка голосовых для CRM на двух ядрах без видеокарты: faster-whisper, ffmpeg и cron

Мы делаем CRM для продаж в переписке. Клиенты наших магазинов любят голосовые: «Здравствуйте, а вот этот набор ещё есть, и сколько доставка до Самары?» Менеджеру такое сообщение нужно прослушать, а в шумном цеху или на созвоне это неудобно. Плюс по списку диалогов не понять, о чём голосовое, пока его не откроешь.Решение очевидное — показывать под плеером текст. Расскажу, как мы это сделали без облачных API распознавания, на маленьком сервере в России, и на какие грабли наступили.Почему не взять расшифровку из мессенджераВКонтакте умеет расшифровывать голосовые сам: у вложения audio_message

продолжить чтение

123 миллиона параметров и один микрофон. На что способна маленькая модель распознавания речи?

Представьте: вы запускаете программу, говорите несколько слов в микрофон, а на экране практически сразу появляется текст.Всё работает. Никаких серверов, отправки аудиозаписей в облако и ожидания ответа от удалённой модели.Но есть нюанс.Короткая демонстрационная фраза и десять минут непрерывной речи — совершенно разные задачи.Меня заинтересовал именно этот разрыв. Можно ли взять относительно небольшую модель распознавания речи, запустить её локально и получить систему, которая будет успевать обрабатывать живую речь?Для эксперимента выбрал Moonshine Voice.Лунный свет?

продолжить чтение

Дедлайн для апрува: как научить ASR не ломаться при смене языков

продолжить чтение

Монтаж без таймлайна: как мы научили алгоритм собирать ролик из сырой записи с телефона

Привет, Хабр. Мы делаем Reels Boss — сервис, который раньше умел одно: резать длинные записи на короткие вертикальные клипы. Недавно мы выкатили в бету вторую большую штуку, Автомонтаж. На вход — вертикальное видео до трёх минут, где человек говорит в камеру. На выход — смонтированный ролик: без пауз и запинок, с субтитрами, акцентами, картинками к словам, наездами камеры, переходами и музыкой. Пользователь при этом не открывает таймлайн ни разу: выбрал один из 48 стилей, нажал кнопку, всё остальное ложится само.

продолжить чтение

Гига Писарь в Google Play и как не словить бан

Привет, Хабр!Короткая новость: Гига Писарь для Android теперь ставится из Google Play Ссылка: https://play.google.com/store/apps/details?id=ru.gigapisar. Версия с GitHub никуда не делась, обновляется сама и живёт параллельно, но большинству проще из магазина.В прошлой статье я писал, что Google требует от новых аккаунтов две недели закрытого теста с двенадцатью участниками, я позвал вас, и в группу пришло гораздо больше, спасибо всем, кто гонял Писаря и репортил что не так, ну и теперь Google открыл приложение для всех, в 178 странах.Нас могли забанить

продолжить чтение

Ассистент Встреч своими руками: анонимный Chrome в контейнере, календарь через EWS и две тысячи встреч в проде

Как я сделал бота, который сам приходит на встречи в Teams / Яндекс Телемост / МТС Линк, записывает разговор и через несколько минут отдаёт расшифровку и саммари с договорённостями. Почему не Copilot и не штатная расшифровка, почему два разных потока вместо одного, какие грабли собрал и что показали четыре месяца в проде.TL;DRТак как в компании мы используем MS Teams пришлось строить два потока. Канальные встречи

продолжить чтение

Голосовые в текст на одном ядре: GigaAM v3, нарезка по паузам и очередь по кругу

Голосовые и кружки в Telegram удобно записывать и неудобно получать. Встроенная расшифровка есть, но полноценно — только с Premium. Ботов для этого много, и почти у всех одна схема: несколько бесплатных минут, дальше подписка, реклама или «подпишись на четыре канала».Я сделал бота @chisto_text_bot

продолжить чтение

Учёт трат, который не бросаешь через неделю: Telegram‑бот, которому хватает «продукты 500»

продолжить чтение

Бесплатная расшифровка без облака: черновик субтитров сразу во встречу, чистовик после встречи в хорошем качестве

Это продолжение моей статьи «Число vCPU ничего не говорит: как я считал, нужен ли свой ASR-сервер вместо Deepgram». Читать первую часть не обязательно, всё нужное я коротко перескажу.

продолжить чтение

Сеня девелопер уходит → CNER Developer приходит: как мы дообучили GigaAM-v3

продолжить чтение

123456...7