
Как устроен мой транскрибатор встреч
С технической точки зрения.
Встречи я записываю на диктофон Plaud, в Zoom, Телемосте и голосовыми заметками в диктофон телефона.
Новые записи транскрибатор подхватывает сам.
Речь в текст переводят локальные модели на моём MacBook на M4 Pro: GigaAM v3 для русского и Parakeet Ultra для других языков.
Кто говорит, определяет билиотека pyannote, тоже локально и бесплатно. Знакомые голоса он узнаёт по сохранённым образцам, чтобы не путать.
Дальше работает AI-агент Искры в облаке: чистит текст, проверяет, кто что сказал, и пишет короткое резюме. Тут плохо подходят локальные модели, потому что Искра намного умнее них.
Резюме приходит мне в Telegram, ошибки поправляю ответом на сообщение если есть. Записи идут в мою базу контактов и знаний, а другие агенты находят нужную встречу через скилл /zvasil-notes.
Обещал опубликвать – опубликовал 🫡