Кейс: голосовой бот — расшифровка голосовых и кружков

Пересылаешь голосовое или кружок — получаешь текст, а длинный текст ещё и с короткой выжимкой. Распознавание идёт на нашем сервере без сторонних сервисов, записи не хранятся. Русский и английский; 20 секунд речи — текст примерно за 7 секунд.

Задача

Основная боль — кружки. Обычное голосовое можно перевести в текст в стороннем сервисе, а вот что делать с видеозаписью, там обычно нет ответа. При этом часть рабочих вопросов приходит именно кружками.

Второе требование — приватность. Голосовые сообщения часто содержат то, что не должно уходить третьим лицам, поэтому отправлять записи на внешний сервис было нельзя.

Что сделали

Кружки и голосовые

Бот принимает и обычное голосовое сообщение, и кружок с видео — для кружка берётся звуковая дорожка. На выходе текст.

Короткая выжимка для длинных записей

Если речь длинная, кроме полного текста бот даёт короткую выжимку. Пересылать длинное в чат неудобно, а суть обычно нужна.

Свой сервер, без сторонних сервисов

Распознавание идёт на нашем сервере, записи не уходят на внешние API и не хранятся. Для чувствительных разговоров это принципиально.

Скорость

20 секунд речи превращаются в текст примерно за 7 секунд. Это заметно быстрее, чем переписывать голосовое вручную.

Два языка

Русский и английский. Русский и грузинский — это уже другой кейс, Kartuli.

Снимки

Голосовое или кружок превращаются в текст, длинный текст — ещё и с короткой выжимкой

Голосовой бот — расшифровка голосовых и кружков