#транскрипция — Public Fediverse posts

Power Automate + LLM API: автоматизация протоколов совещаний из Teams транскриптов (с помощью Claude)

TL;DR: Хотел полную автоматизацию "встреча → протокол в канале Teams". Получил полуавтоматику с ручным шагом в 30 секунд. Сэкономил 20-30 минут на каждую встречу за $0.33 в месяц. Разбираю что сработало, где упёрся в ограничения Microsoft, и стоила ли игра свеч. Весь проект — от идеи до работающего flow — собран в диалоге с Claude.

https://habr.com/ru/articles/1083176/

#Power_Automate #LLM #Microsoft_Teams #автоматизация #протоколы_встреч #GPT #Claude #Graph_API #nocode #транскрипция

JS/TS библиотека для транслитераций между 50 языками (2450 комбинаций)

Обычно под термином транслитерация подразумевают написание русскоязычного текста latinskimi bukvami. Однако это лишь одна сторона транслитерации - романизация . Существует множество библиотек, которые романизируют различные языки. Ещё меньше библиотек, которые транслитерируют в обратную сторону (т.е. латиницу в нелатинскую письменность). И почти нет библиотек, которые транслитерируют между самыми разнообразными письменностями и языками - например, армянский в греческий, хинди в арабский, чешский в корейский, и т.д. Более того, существующие библиотеки часто не учитывают контекст и преобразовывают побуквенно. Результаты могут быть трудночитаемыми и нарушать всевозможные языковые правила. Например, 北海道 ( Хоккайдо ) становится Bei Hai Dao , بغداد ( Багдад ) становится bGdd , и т.д. Что, если нужна бесплатная библиотека, которая живёт на нашем сервере, и которая каждый раз выдаёт предсказуемые результаты? Что, если нужна правильная, удобочитаемая транслитерация? Что, если нужна не только романизация, но и транслитерация между самыми разнообразными письменностями и языками? В этой статье я расскажу, как я делал такую библиотеку, с какими лингвистическими особенностями столкнулся, какими инструментами пользовался, и при чём здесь ИИ.

https://habr.com/ru/articles/1082082/

#javascript #typescript #npm #icu #unicode #transliteration #транслитерация #транскрипция #локализация #интернационализация

Провожу тест‑драйв GigaChat Audio в рабочих условиях

Привет, Хабр! Сбер недавно выкатил новую модель, GigaChat Audio. Сейчас я надиктовываю модели этот текст голосом — финальный штрих в истории о том, как я проводил её тест‑драйв. Когда прочитал, что GigaChat Audio запоминает контекст, ориентируется в больших аудиозаписях и даже чувствует эмоции говорящего, сразу захотел проверить. Я задеплоил эту модель локально на рабочем компьютере и целый день проверял на рабочих задачах. Результат — в этой статье. Меня зовут Данила @pushnoydan , я мидл‑разработчик и занимаюсь бэкендом микросервисов. А параллельно — большой любитель ИИ‑моделей: в свободное время копаюсь в них, чтобы лучше понимать возможности свежих релизов, стараюсь применять на работе, чтобы упростить рутинные задачи. GigaChat Audio — audio‑native LLM. В течение дня я поручал ей разбирать голосовые коммуникации от коллег, составлять саммари по аудиозаписям и выводить ключевой контекст из записей различных встреч. Давайте посмотрим, как модель показала на реальных задачах.

https://habr.com/ru/specials/1072222/

#тестдрайв #иимодель #gigachat #транскрибация #распознавание_речи #автоматизация_рутины #транскрипция

AI‑driven hiring: я хотел лучше оценивать кандидатов, а ИИ начал оценивать меня

Я начал использовать ИИ на собеседованиях с довольно понятной целью: лучше готовиться и меньше полагаться на первое впечатление. До встречи модель помогает разобрать резюме или тестовое задание, выделить спорные места и сформулировать вопросы. После — прочитать расшифровку и сопоставить ответы с критериями. Поначалу самым интересным казался именно разбор кандидата. Но довольно быстро выяснилось, что самое неприятное и одновременно полезное оказалось не в ответах кандидата, а в моих собственных вопросах. ИИ раз за разом замечал, как я сам подсказываю ответ формулировкой вопроса, задаю два‑три вопроса одновременно, не выдерживаю паузу или начинаю учить человека до того, как закончил его оценивать. Тут возник простой вопрос: если интервьюер сам влияет на ответы кандидата, кого в итоге оценивает собеседование?

https://habr.com/ru/articles/1064206/

#искусственный_интеллект #собеседование #транскрипция #самооценка #обратная_связь

Почему сейчас писать это тупо?

А точно ли в наши дни обязательно уметь писать? Какую пользу это несет? Сократ считал, что запись ухудшает память, знаем мы это, впрочем, лишь потому что его ученик Платон его записал. Оставим этот вопрос ученым, мы практики - если что-то можно автоматизировать, значит нужно! Сначала написал свой сервер Whisper для транскрибаци, по стандарту OpenAI v1 transcriptions API , умеет streaming, таймкоды, авто выбор модели, очередь, и lazy+ttl. Таких куча: 1 , 2 . Моя клиентская lib-а дополнительно с авто fallback на локальную транскрипцию(лишние зависимости, + надежности). Потом туда добавился CUDA-брокер . Потому что PC много проектов на gpu, распознавание речи и распознавание картинок, теперь они могут договариваться между собой — кому сейчас грузиться, кому подождать, у кого выше приоритет.

https://habr.com/ru/articles/1055038/

#whisper #транскрипция #transcription #openai_whisper_asr

Yttri vs Альтернативы — без религиозных войн

Yttri часто сравнивают с Notion , Obsidian , ChatGPT и облачными сервисами транскрипции - и это логично. В этой статье я разбираю, где эти инструменты реально выигрывают, а где упираются в ограничения: интернет, приватность, стоимость, разрозненность данных и «проект по настройке плагинов». Сравнение без холиваров : облачные workspace ( Notion / Coda / Confluence ), локальные конструкторы ( Obsidian / Logseq / Joplin ), standalone AI-чаты ( ChatGPT / Claude / Gemini ) и транскрипция как сервис ( Otter / Whisper API / Trint ). Плюс - почему Yttri решает другой класс задач: единый локальный контур (заметки + почта + календарь + задачи + финансы + встречи), офлайн-режим и AI внутри пространства ( RAG + tool calling + локальные модели ). Если вы выбираете «что взять под конкретный сценарий» — эта статья сэкономит время.

https://habr.com/ru/articles/1001298/

#Yttri #Obsidian #Notion #локальные_данные #офлайн_работа #ассистент #транскрипция #приватность #заметки #задачи

Обзор лучших API для распознавания речи 2026

Всем снова привет! В прошлом году мы сравнивали решения для транскрибации речи, и с тех пор многое изменилось. Большинство провайдеров выпустили новые модели, много у кого появились новые фичи, и я решил обновить статью. Если вы - бизнес и вам нужен надежный API, или если вы просто энтузиаст, и вам интересно подобрать решение для себя, добро пожаловать!

https://habr.com/ru/articles/993786/

#транскрибация #транскрибация_звонков #распознавание_речи #api #ai #диаризация #elevenlabs #assemblyai #nexara #транскрипция

Whisper больше не нужен? Обзор VibeVoice ASR от Microsoft — часовая транскрипция, диаризация, hotwords и портативка

Всем привет! Команда Microsoft Research выложила в открытый доступ VibeVoice-ASR — нейросетевую модель для распознавания речи с диаризацией (разделением) спикеров. Сегодня хочу рассказать об этой технологии подробнее и поделиться портативной версией.

https://habr.com/ru/articles/992364/

#ASR #speechtotext #распознавание_речи #Microsoft #нейросети #машинное_обучение #open_source #транскрипция #диаризация #портативная_версия

Как я сделал виджет видеозвонков для сайтов с транскрипцией речи в реальном времени

Я давно увлекаюсь и изучаю технологии WebRTC. Устанавливал для клиентов множество WebRTC медиа серверов и кастомизировал их. Но постоянно не хватало гибкости. В итоге обнаружил чистую реализацию WebRTC на Golang, которая умеет и MESH, и SFU. Сейчас буду рассказывать, что удалось разработать и в чем польза.

https://habr.com/ru/articles/988974/

#WebRTC #Pion #Golang #SFU #Видеозвонки #Транскрипция #realtime #Виджет #Websocket

Meeting-LLM: Транскрипция + ИИ-анализ совещаний в одном окне своими руками (T-One + GPT-OSS-20B)

В интернете огромное количество гайдов на тему транскрибации аудио и анализа совещаний через ИИ. Но все они описывают разрозненные решения: отдельно транскрибируй аудио, затем отправь в ChatGPT, и так далее. Я решил комплексно подойти к этому вопросу и навайбкодить веб-приложение, где все задачи решаются в одном окне, а именно: - Хранение транскрипций -Чат с ИИ по содержимому встречи -Структурированные протоколы (задачи, решения, события) -Рекомендации ИИ на базе текущей и предыдущих встреч -Интеграция с CRM в один клик (beta)

https://habr.com/ru/articles/981370/

#Сезон_ИИ_в_разработке #GPTOSS20B #транскрипция #STT #TOne #vLLM #LLM #совещания #протоколы #Docker

Multi-API Ensemble: 95% точности транскрипции региональных топонимов

В статье полный разбор архитектуры, алгоритмы scoring, примеры кода и расчёт экономики. Один STT-сервис дал 60-70% точности на специфической лексике (топонимы, названия улиц, профессиональные термины). Два сервиса параллельно + взвешенное голосование + AI-fusion для спорных случаев дали 95%+ точности. Время обработки 5-8 секунд.

https://habr.com/ru/articles/974978/

#speechtotext #whisper #gemini #salutespeech #транскрипция #распознавание_речи #сезон_ии_в_разработке #ensemble #python #asyncio

[Перевод] OpenAI взимает оплату поминутно, так что сделаем минуты короче

Я имею в виду буквально. Перед транскрибацией увеличьте скорость аудио в два или в три раза в ffmpeg . Благодаря этому вы потратите меньше токенов и вам придётся меньше ждать, а качество транскрипции почти не снизится. Вот и всё! Ниже показан скрипт, сочетающий все мои трюки для выполнения этой задачи. Для его работы необходимо установить yt-dlp , ffmpeg и llm . Я сэкономил вам время, сразу перейдя к делу, но если вы хотите подробностей истории о том, как я случайно обнаружил этот способ, пытаясь создать краткое изложение сорокаминутного доклада Андрея Карпаты, то продолжайте чтение. Вам стоит продолжить чтение, если вы недоумеваете, почему я просто не воспользовался встроенной автотранскрибацией YouTube. Краткий ответ будет таким: я недотёпа, считавший (ошибочно), что она недоступна. Поэтому мне пришлось идти по более сложному пути.

https://habr.com/ru/articles/922070/

#openai #транскрибация #транскрипция #voicetotext

Транскрипция речи. Офлайн и без ограничений

Привет, Хабр! Меня зовут Алексей Рудак, я основатель компании Lingvanex. Более 8 лет мы делаем перевод и распознавание речи удобными, быстрыми и безопасными. Сегодня расскажу, как мы прокачали нашу транскрипцию речи , и почему это может пригодиться вам. Наш продукт Lingvanex Speech Recognition уже сейчас даёт результат уровня Whisper Large v3, а по ряду задач — даже превосходит его:

https://habr.com/ru/articles/917152/

#speechtotext #speech_recognition #audio_to_text #транскрипция #транскрибация_звонков #анализ_звонков #распознавание_речи #речь_в_текст #аудио_в_текст #speech_analytics

Озвучка диалогов с помощью нейросети FishSpeech

Озвучка диалогов из текста может сильно упростить и ускорить работу во многих ситуациях: подкасты, аудиокниги, обучающие материалы, рекламные ролики, создание игр, reels и даже фильмов. Часто записать аудио крайне трудно: нет доступа к микрофону, шумная обстановка или ограниченные временные рамки. Или просто лень. Поэтому сегодня на обзоре нейросеть Fishspeech , которая реалистично озвучит текст, сохраняя интонации и эмоциональную окраску. Так ещё можно добавлять свои голоса или использовать уже готовые 50+ голосов от сообщества Нейро-Софт. Вообще сказка! Давайте к обзору.

https://habr.com/ru/companies/timeweb/articles/888268/

#технологии #саунддизайн #озвучка #транскрипция #звук #звукозапись #контент #работа_со_звуком #видеомонтаж #timeweb_статьи

OpenVINO AI Plugins for Audacity

Репозиторий предлагает набор ИИ эффектов, генераторов и анализаторов для популярной программы редактирования аудио Audacity.

Эти функции, включают разделение музыки, подавление шума, генерацию и продолжение музыки, а также транскрипцию и работают полностью на локальном ПК пользователя, без необходимости подключения к интернету.

Плагины используют CPU, GPU и NPU.

Репозиторий предоставляет подробные инструкции по установке и сборке для платформ Windows и Linux.

https://bastyon.com/index?s=79c8c6a7c317bfbb0823929f34b414a0bc585b144d3d0092e846a4f3d3b858ce&ref=PSxywSgLV57vexgFjnFM5w5RA4BJp6qjG4

#OpenVINO #Audacity #AIПлагины #ИскусственныйИнтеллект #ОбработкаАудио #МузыкальныеПлагины #Аудиоредактирование #OpenSource #ЛокальныеМодели #ПодавлениеШума #РазделениеМузыки #ГенерацияМузыки #АудиоИИ #Транскрипция #ИнструментыДляАудио #ПлагиныДляAudacity #CPU #GPU #NPU #ЛокальнаяОбработка #БезИнтернета #Windows #Linux #АудиоЭффекты

Когда «тихая» ДНК громче гена: как избыточная ДНК регулирует экспрессию, ничего не делая

Мир биоинформатики полон загадок: что такое избыточная ДНК, почему она занимает половину генома, и как это вообще работает? Кому-то может показаться, что некодирующая ДНК — это просто лишний "хлам", но на деле это, как если бы в вашем коде было полно комментариев, которые точно знают, как заставить ваш Python работать быстрее. Сегодня мы с вами разберёмся, как эта загадочная избыточная ДНК умудряется контролировать экспрессию генов, совершенно ничего не транскрибируя. А чтобы вы не скучали, покажу примерчик на Python. Ведь кто же мы без кода?

https://habr.com/ru/articles/863780/

#биоинформатика #биология #python #генетика #эпигенетика #днк #транскрипция #биотех #примеры_кода