ACOUSTIC
SPEECH-TO-TEXT КОМБАЙН
Python · aiogram · Local Bot API
Бизнес-задача
Сервис мгновенной транскрибации голосовых сообщений, аудио и видео прямо в Telegram. Два режима работы: быстрая транскрибация через Groq для повседневных голосовых — и расширенная через Gladia (до 10 часов в месяц) с диаризацией по спикерам и таймингами каждой фразы. Второй режим идеален для расшифровки телефонных переговоров, совещаний, видеолекций и звонков — готовый материал можно использовать как основу для RAG-базы или справочника. Бонусом доступны бесплатные LLM-модели (от 8B до 120B параметров) с переключением прямо в боте, причём вопросы к ним можно задавать голосом.
Технологическое преимущество
Развёрнут собственный локальный сервер Telegram Bot API, что снимает стандартное ограничение платформы на размер файлов и позволяет обрабатывать длинные записи совещаний и лекций. Реализован реестр из четырёх независимых STT-провайдеров (Local Whisper, Groq, OpenAI, Gladia) с переключением на лету через inline-кнопки. Интеллектуальная постобработка автоматически очищает артефакты распознавания (зацикленные повторения). При объёме транскрипции свыше 4 000 символов результат автоматически отдаётся текстовым файлом. Весь сервис контейнеризирован и деплоится на продакшен одной командой.
