Acoustic — из записи разговора в заметки, которые можно проверить

Задача

В звонках и встречах принимаются решения, которые никто не записывает. Переслушивать час записи долго, сплошная расшифровка слишком длинная, а пересказу от модели без проверки трудно доверять.

Полезный результат — не расшифровка, а то, что вышло из разговора: договорённости, задачи, факты и открытые вопросы — в виде, которому можно доверять. Для этого нужно знать, кто что сказал, видеть, откуда взят каждый пункт, и понимать цену до оплаты. Acoustic начинался в феврале 2026 года как бот для расшифровки и вырос в платный продукт.

Объём первой версии

Вошло

Голосовые, аудио и видео из Telegram. Два режима: звонок по спикерам или обычная речь. Мини-приложение: расшифровка, имена спикеров, плеер, итоги разговора. Оплата за каждую запись, цена известна до начала работы.

Не вошло

Запись звонков напрямую, экспорт и интеграции, языки кроме русского.

Что сделано

1. 01
   ЗагрузкаПользователь отправляет голосовое, аудио или видео и выбирает режим: звонок по спикерам или обычная речь.
2. 02
   ЦенаБот показывает цену за этот файл, пользователь подтверждает. Сумма резервируется и списывается только после того, как результат готов, и не больше зарезервированного.
3. 03
   РаспознаваниеРечь с разделением спикеров распознаётся на собственном сервисе или у облачного провайдера — по конфигурации.
4. 04
   ЧтениеВ мини-приложении расшифровка разбита по спикерам; нажатие на реплику запускает запись с этого момента, спикерам можно дать имена.
5. 05
   ИтогиЯзыковая модель выделяет договорённости, задачи, факты и открытые вопросы; у каждого пункта есть таймкоды, которые запускают нужный момент.

Моя роль

Сделано мной

Продукт, логика цен и биллинга, архитектура, бот, мини-приложение, интеграция с сервисами распознавания и процесс релизов.

С AI-агентами

Большая часть кода написана с AI-агентами по моим решениям; ревью, тесты, проверки релиза и выпуск — мои.

Платформа распознавания

Собственный сервис распознавания речи — мой отдельный проект; модели в нём открытые, я их не обучал.

Ключевые решения

Списание после результата, баланс по журналу

Цены считаются только на сервере. Задание оценивается, подтверждается и резервируется; списание — после доставки результата и не больше резерва. Баланс не хранится отдельным числом, а вычисляется по журналу операций; возвраты проходят через тот же журнал.

Два взаимозаменяемых бэкенда за одним шлюзом

Бот не обращается к движкам распознавания напрямую — только через один шлюз. Распознавание прошло путь от локальной модели к облачному API и затем к собственному сервису. Теперь работают два бэкенда, выбираемые конфигурацией, — без смешивания результатов и без тихого переключения.

Фиксированный провайдер модели

Одна и та же модель у разных провайдеров давала разное качество. Фиксация провайдера в одном замере снизила долю дефектов с 32% до 6%.

Проверка

• Более 90 тестовых файлов, включая архитектурный тест границ модулей.
• Инварианты биллинга под тестами: один резерв и одно списание на задание, списание никогда не больше резерва.
• Предрелизные скрипты для биллинга и распознавания проверяют и новую версию, и откат.
• Последний релиз распознавания принят только после сквозной проверки в настоящем приложении Telegram.

Статус

Работает как платный продукт. Разработка — с февраля 2026 года; мини-приложение и оплата в Telegram Stars появились в августе 2026, когда бот открылся для всех, текущая схема распознавания — в сентябре 2026. Публичных цифр использования и выручки у проекта нет.

Технологии

Бот

Python, python-telegram-bot, локальный Telegram Bot API для больших файлов

Мини-приложение

React 19, TypeScript, Vite

Данные

SQLite; баланс из журнала операций

Распознавание

Собственный шлюз с открытыми моделями или облачный провайдер за одним интерфейсом

AI

Итоги разговора — LLM через OpenRouter с фиксированным провайдером; таймкоды привязаны к записи

Оплата

Telegram Stars: резерв, списание после доставки, возвраты

Инфраструктура

Docker Compose; границы модулей проверяются тестами