Автоматизация + Искусственный интеллект

Как звуковые волны превращаются в слова?

После оцифровки аудиосигнал подвергается преобразованию Фурье, чтобы выделить спектр частот. Из звука извлекаются акустические признаки — мел-кепстральные коэффициенты (MFCC), которые представляют, условно говоря, "отпечаток" каждого звука.

Алгоритмы машинного обучения, чаще всего основанные на рекуррентных нейронных сетях (RNN) или трансформерах, сопоставляют этот отпечаток с базой фонем и слов.

Система распознаёт речь по вероятностной модели. Например, если услышано «пере…», модель может с равной вероятностью продолжить как «перевод» или «перемотка». Здесь вступают в игру языковые модели (LM), обученные на больших корпусах текстов, — они выбирают наиболее вероятную последовательность слов. Комбинирование акустической модели (AM) и языковой модели (LM) в архитектуре ASR (Automatic Speech Recognition) позволяет уточнять гипотезы.

После первичного распознавания может применяться дополнительная обработка: исправление ошибок, разметка пунктуации, разделение на предложения.

Какие технологии и алгоритмы лежат в основе?

Основу современных систем распознавания речи составляют глубокие нейронные сети и языковые модели. Раньше широко применялись скрытые марковские модели (HMM), но сейчас они уступили место гибридным архитектурам с глубоким обучением, таким как:

• CTC (Connectionist Temporal Classification) — позволяет выравнивать аудиофреймы и символы без необходимости предварительной разметки;

• Seq2Seq с вниманием (Attention) — трансформеры, которые эффективнее работают с длинными последовательностями и контекстом;

• End-to-End модели — объединяют акустическую и языковую модели в одном обучаемом модуле, что упрощает архитектуру и улучшает производительность.

Почему точность распознавания варьируется?

Точность зависит от:

• Качества записи: помехи, реверберация, посторонние шумы снижают качество;

• Акцента и произношения: разные диалекты, скорость речи и фонетические особенности усложняют задачу;

• Словаря и контекста: чем шире словарь и лучше контекстуальные модели, тем точнее распознавание;

• Обучающих данных: чем больше и разнообразнее данные для обучения, тем выше точность.

Проблема акцентов решается обучением модели на аудиокорпусах с вариативной фонетикой. Фоновый шум обрабатывается с помощью алгоритмов шумоподавления и звуковой сегментации. Сложнее всего — с распознаванием нескольких говорящих: для этого применяют диаризацию речи (Speaker Diarization), которая сегментирует аудио по "речевым отпечаткам" каждого участника.

Лучшие системы обучаются на тысячах часов аудио, с реальными голосами и различными сценариями. Однако 100% точности не существует.

При уровне точности 90–95% автоматизация даёт реальную экономию — освобождает людей от рутины, ускоряет документооборот и снижает потери информации.

Какие данные нужны для обучения систем?

Чтобы обучить систему ASR, необходимы параллельные корпуса: аудио + транскрипция. Обычно это тысячи часов речи. В идеале — с маркировкой акцентов, возрастов, половой принадлежности, шумов, контекста. В корпоративной среде полезны отраслевые корпуса, например, записи переговоров или техподдержки.

Mozilla Common Voice — крупнейшая платформа открытых речевых данных. Используется при обучении систем, в том числе внутри проектов вроде ESPnet, Nemo и Coqui STT.

Некоторые компании на рынке, например, Lingvanex, предлагают доступные варианты кастомизации, т.е. могут дообучить модель на ваших данных для вашей сферы деятельности.

Какую выгоду получают компании от внедрения таких решений?

Пять сценариев, где распознавание речи даёт ROI:

1. Автоматизация документооборота — диктуешь текст, получаешь форматированный документ.

2. Запись и анализ встреч — протоколы совещаний формируются автоматически, с возможностью поиска по фразам.

3. Поддержка клиентов — колл-центры получают транскрипты разговоров, легко выявляют тренды, эмоции, проблемы.

4. Международные команды — синхронный голосовой перевод в реальном времени облегчает работу на летучках и звонках.

5. Субтитры и доступность — YouTube, курсы, инструкции сопровождаются субтитрами без ручной расшифровки.

Вывод: когда пора внедрять?

Если бизнес работает с большим количеством устной информации, клиентскими звонками, международными командами или продуктами, где голос — часть интерфейса, откладывать не имеет смысла.

Время от внедрения до первых эффектов — от 2 до 6 недель. Вложения окупаются за счет снижения операционных затрат, роста качества сервиса и уменьшения рисков потери информации.

Начните с малого: возьмите один типовой процесс — например, совещания — и протестируйте автоматическую транскрипцию. Через месяц вы увидите, как меняется скорость доступа к информации и снижается нагрузка на сотрудников.

Автоматический перевод речи в текст — не технология ради технологии, а конкретный инструмент роста эффективности. Компании, которые уже встроили его в процессы, сокращают время работы с контентом, автоматизируют рутину и усиливают доступность данных для всей команды.

➖Что умеет?

🎁 Подбирает подарки – скажете «нужен смартфон до 20К» – получите топ-5 вариантов.
📌Сравнивает товары – больше не нужно открывать 10 вкладок.
🔤 Учится в диалоге – чем больше общаетесь, тем точнее рекомендации.

➖Технологии:

➡️Гибрид из собственных разработок WB и open-source моделей.
➡️Уже использует нейросети платформы (поиск + рекомендации).

🤖Кстати, весной WB также тестировала роборуки на складах – они упаковывают и сортируют заказы, освобождая людей для сложных задач.

Завал задач и поиски спасения

Итак, дело было так. Очередной завал на работе, куча задач, мозг кипит. Вспомнил про технику Помодоро — это когда работаешь 25 минут, потом 5 минут отдыхаешь. Простая штука, но реально помогает не выгорать.

Полез искать нормальный таймер в интернете и... знакомая история:

• Либо убого простые

• Либо перегруженные фигнёй

• Либо на английском

• Либо платные

• Либо ещё регистрацию просят

В общем, типичная ситуация: "Да я сам лучше сделаю!" Но проблема в том, что фронтенд я знаю на уровне "поменять текст на странице через консоль разработчика до перезагрузки".

Вспомнил про хайповую штуку

Тут я вспомнил про так называемый "вайб-кодинг" с нейросетями. Да, знаю, что многие к этому относятся скептически, но решил попробовать. Открыл Claude и написал примерно так:

"Старина, сделай мне HTML-страничку с таймером Помодоро. Нужно: таймер на 25 минут, задачи можно добавлять, статистика какая-нибудь и чтоб пикал когда время вышло."

И тут началось волшебство! Claude выдал мне полноценный рабочий прототип. Причём не просто "Hello World", а реально функциональную штуку😉:

• Нормальным таймером

• Возможностью добавлять задачи

• Статистикой

• Звуками

Меня понесло

Ну и дальше меня, конечно, понесло:

• А можешь добавить сохранение в Local Storage?

• А сделай звуки покруче

• А перекрась вот это в зелёный

• А добавь настройки времени

• А мобильную адаптивность

Claude всё это выполнял как послушный джуниор! За час у меня был готов довольно приличный таймер.

Реакция коллег

Показал результат фронтенд-разрабам на работе со словами: "Смотрите, что я за час накатал, вообще без знаний!"

Их реакция:

• 😳 (удивление)

• 🤔 (изучают интерфейс)

• 😯 (ещё больше удивления)

• Нефига себе, ништяк получилося! Реально работает!

Решил довести до ума

После такой реакции подумал: "А почему бы не довести это до продакшена?" И понеслось...

Сейчас можете посмотреть результат: pomo25.ru

Что в итоге получилось:

Для тех, кто хочет настроить под себя:

• Настраиваемые интервалы (любое время, какое хочешь!)

• 10 типов звуков + можно загрузить свой

• Ручное сохранение настроек

• Push-уведомления в браузере

Для обычных людей:

• Добавляешь задачи и следишь за прогрессом

• Видишь статистику: сколько помидорок сделал

• Не забываешь делать перерывы

• Задачи сохраняются автоматически

Про дизайн (не кидайтесь тапками)

Отдельно про дизайн. Да, я знаю, что он специфический. Это не потому что у меня нет вкуса (хотя может и нет 😅), а потому что я специально попросил Claude сделать что-то в стиле киберпанка 90-х.

Получилось ярко, кислотно, с неоновыми цветами и пиксельными эффектами. Возможно, не всем зайдёт, но зато запоминается!

Телеграм-версия

Потом решил пойти дальше и сделал версию для Телеграма: @pomo25_bot

Плюсы:

• Данные синхронизируются через облако Телеграма

• Уведомления приходят от самого Телеграма

• Работает на телефоне как нативное приложение

Минусы:

• Не работает в фоне (об этом ниже)

Проблема с фоновой работой

Единственное, что не смог победить — работу в фоне на мобилках.

Проблема в том, что:

1. Телеграм Web Apps работают в WebView

2. При сворачивании приложения WebView приостанавливается

3. JavaScript перестаёт выполняться

4. Service Workers в WebView работают криво

5. iOS вообще жёстко блокирует фоновые скрипты

В итоге при сворачивании таймер автоматически ставится на паузу. Для полноценной работы в фоне нужно было бы нативное приложение.

Опыт работы с нейросетями

Claude: король прототипирования

В начале Claude был просто космос:

• Быстро понимает что нужно

• Генерирует рабочий код

• Хорошо итерируется

• Не задаёт лишних вопросов

Но потом начались проблемы

Когда проект разросся, Claude начал путаться:

• Исправляет одно, ломает другое

• Забывает контекст больших файлов

• Приходилось делать бэкапы в гите постоянно

Попробовал ChatGPT — ещё хуже! То ли ленился и отвечал "попробуйте перезагрузить страницу", то ли чинил совсем не там, где надо, вообще не понимая что происходит в коде.

Gemini спас ситуацию

Тогда попробовал новый Gemini (у него миллион токенов контекста). И охренел!

Gemini смог:

• Прочитать ВЕСЬ проект целиком

• Найти реальные причины багов

• Переписать проблемные части

• Почистить код от мусора

Реальная польза

Сейчас пользуюсь своим таймером каждый день:

• Реально стал делать перерывы (раньше мог 3 часа сидеть не вставая)

• Лучше планирую время на задачи

• Меньше выгораю от сложных задач

• Коллеги тоже подсели, просят фичи добавить, но я пока просто собираю обратную связь и анализируюю насколько это будет сложно реализовать и внедрить

Мораль истории

Современные нейросети действительно могут сильно понизить порог входа в разработку. Даже если ты не знаешь React/Vue/Angular, можно создать полезную штуку.

Но есть нюансы:

• Для прототипов ИИ идеален

• Для больших проектов нужно понимать что делаешь

• Разные ИИ лучше для разных задач

• Git обязателен при работе с ИИ

Итог

За час собрал рабочий прототип, потом пару недель в свободное время фиксил баги и боролся с нейросетями. В итоге получился реальный продукт, которым пользуются люди. Нейросети — не панацея, но инструмент мощный.

Сейчас собираю обратную связь (конструктивную, не токсичную) и планирую постепенно что-то добавлять и исправлять по мере поступления интересных идей.

Кто-то ещё экспериментировал с ИИ-разработкой? Поделитесь в комментах!

P.S. Если найдёте баги или будут идеи, пишите. Обратная связь очень ценна!

UPD: Забыл добавить — если кто захочет посмотреть, что получилось: pomo25.ru и @pomo25_bot в Телеграме!

• ИИ для себя: Раскроем, как нейросети уже встроены в наши смартфоны, умные дома и привычные сервисы. Покажем полезные "фишки" и неочевидные функции, которые здорово упрощают повседневность.

• ИИ для работы: Откроем, как можно автоматизировать рутину и находить свежие креативные идеи с помощью ИИ. Расскажем, какие ИИ-инструменты помогут вам стать продуктивнее, освоить новые навыки и даже найти работу будущего.

• ИИ для бизнеса: На конкретных примерах покажем, как компании - от стартапов до мастодонтов - внедряют ИИ для роста, оптимизации и привлечения клиентов. Только реальные кейсы и рабочие советы.

• Сложное - просто: Забудьте про заумные термины! Мы объясним самые запутанные идеи в мире ИИ так, чтобы их понял каждый.

• Нейросети с нуля в AI Life Академии: В рамках нашей AI Life Академии мы предлагаем уникальные курсы, где каждый, даже без технического бэкграунда, сможет освоить работу с нейросетями и начать применять ИИ в своих задачах. Мы научим вас создавать ИИ-агентов, которые будут работать на вас!

• Мысли о будущем: Куда мчится ИИ? Какие этические вопросы встают перед нами? Будем вместе думать и обсуждать, что нас ждёт впереди.

Почему это актуально прямо сейчас?

ИИ - это не временное увлечение, а огромная сила, которая развивается молниеносно. Чем раньше вы разберётесь в её возможностях и принципах, тем увереннее будете чувствовать себя и сможете преуспеть в мире, где технологии играют ключевую роль.

Мы убеждены: ИИ должен помогать человеку становиться сильнее, а не вытеснять его. Давайте вместе раскроем этот потенциал!

Дизайн сдержанный, без ярких акцентов, с матовой поверхностью. Правда, на ней остаются следы от рук. Так что если приходится постоянно открывать ноутбук в присутствии клиентов или партнеров, лучше купить прозрачный кейс. Визуально и тактильно устройство ощущается надежно: не выскальзывает и не двигается по столу, благодаря специальным резиновым накладкам на задней части.

Шарнир работает мягко: чтобы открыть крышку даже одной рукой, не нужно придерживать корпус. Чтобы показать коллеге или клиенту презентацию, достаточно раскрыть экран на 180°. Это удобно и для работы лежа, и для подставок, которые требуют определенного угла обзора.

Также отметим 9 портов: USB-A, USB-C, HDMI, слот для карты памяти — можно забыть о переходниках.

В TECNO MEGABOOK K15S предустановлен Windows 11. Ноутбук готов к работе сразу после включения. Никаких лишних установок и обновлений. Все настроено и оптимизировано для вашей многозадачности.

Экран: яркая картинка и комфорт ночью

Экран — 15,6 дюйма, IPS-матрица с разрешением Full HD. Углы обзора отличные: изображение остается четким, даже если смотреть сбоку, цвета не искажаются. Есть антибликовое покрытие. Тестировали ноутбук при разном освещении: можно спокойно работать у окна. Когда солнце бьет прямо в экран, текст по-прежнему остается читаемым, картинки не искажаются. Это редкость в бюджетных моделях.

Неважно, работаете вы ночью или играете, выручит клавиатура с регулируемой четырехуровневой подсветкой. При среднем уровне в темноте все видно, глаза не устают. Из плюсов для тревожных людей: включали ноутбук в самолете и электричке, никто вокруг не жаловался на яркость. Все регулируется кнопками, не нужно лишний раз заходить в настройки.

Стеклокерамический крупный тачпад — 15 см. Он не залипает, не промахивается, срабатывает с первого касания. Не возникает дискомфорта, даже если несколько часов редактировать документы без мышки. После перехода с других устройств немного непривычно, что тачпад работает в двух направлениях: нижняя часть отзывается нажатием, верхняя — касанием.

В кнопку питания встроен сканер отпечатка пальцев. К нему можно быстро привыкнуть, особенно если сидишь в опенспейсе или работаешь в дороге. Один легкий тап пускает в систему даже с мокрыми руками. Безопасно, удобно и не нужно постоянно вводить пароли.

Производительность: рендерим видео, открываем вкладки

Ноутбук работает на AMD Ryzen 7 5825U (опционально можно выбрать версию техники Intel Core i5-13420H). Восьмиядерный AMD с поддержкой 16 потоков подходит для ресурсоемких операций вроде рендеринга или работы с большими массивами данных. Встроенная графика Radeon справляется с редактированием видео в Full HD или играми.

Во время монтажа 30-минутного ролика в DaVinci Resolve и параллельной работе в Photoshop с несколькими большими PSD-файлами система сохраняла стабильность. Не было ни зависаний, ни заметного падения производительности. Ноутбук уверенно держит в фоне 10 приложений одновременно. Если запущены браузер с 20 вкладками, видеозвонок в Telegram, Excel с объемной таблицей и софт для монтажа, система не тормозит и не перегревается. Переход между окнами остается плавным, ничего не «проседает», даже при одновременном скачивании файлов и редактировании видео.

Базовая комплектация включает 16 ГБ оперативной памяти в двух слотах. При необходимости можно легко увеличить этот показатель до 32 ГБ, заменив стандартные модули на более емкие. Помимо установленного SSD на 1 ТБ предусмотрен дополнительный слот, поддерживающий диски объемом до 2 ТБ.

Чтобы во время нагрузки системы охлаждения не выходили из строя, в ноутбук встроен эффективный вентилятор, способный рассеивать до 35 Вт тепла. Устройство не греется, его спокойно можно держать на коленях. Это решение дополнено тремя режимами работы, которые переключаются простой комбинацией клавиш Ctrl+Alt+T. Тихий режим идеален для работы ночью или в общественных местах, сбалансированный подходит для повседневных задач. Производительный, на котором запускали рендеринг видео и игры, практически не шумит.

Автономность: 15 часов без подзарядки

Протестили автономность MEGABOOK K15S в условиях, знакомых каждому деловому путешественнику. Утром перед вылетом зарядили ноутбук до 100% и взяли его в рейс Москва — Калининград. В зале ожидания провели созвон, потом три часа смотрели сериал и в дороге до отеля редактировали документы. К моменту приезда оставалось 40% заряда: хватило бы еще на пару часов продуктивной работы.

MEGABOOK K15S может автономно работать до 15 часов и позволяет не оглядываться на индикатор заряда. Заявленное время достигается при типичном офисном использовании: одновременная работа с документами в Word и Excel, ведение переписки, видеоконференции, веб-серфинг.

Если все же понадобится, за  час восполняется до 70% батареи. Компактный адаптер мощностью 65 Вт на базе нитрида галлия поместился даже в карман пиджака. Один блок питания заряжает и ноутбук, и смартфон, и наушники. Экономия места: не нужно никаких дополнительных проводов.

Звук, который реально слышно

В TECNO MEGABOOK K15S установлены два мощных динамика по 2.5 Вт. Звук с глубокими низами, без пластикового дребезжания, объемный. Благодаря DTS можно смотреть видео даже в шумном помещении. В тестах специально включали сцены с шагами и выстрелами: локализация настолько точная, что в наушниках нет необходимости.

Та же стабильность и в микрофоне. Благодаря AI-шумоподавлению голос передается чисто. Во время тестовых звонков из оживленного кафе собеседник не услышал ни разговоры за соседним столом, ни городской шум. И все это — на расстоянии до пяти метров.

Кстати, о созвонах. В ноутбуке встроена обновленная камера. Она отслеживает положение лица, а еще есть физическая шторка приватности. Например, можно закрыть шторку для комфортных видеоконференций.

Для тех, кто предпочитает гарнитуру, идеально подойдут беспроводные наушники TECNO FreeHear 1 из экосистемы бренда. Когда не хотелось делиться разговорами с окружающими, подключали их. Чистый звук с акцентом на средние частоты, 11-мм драйверы, которые выдают неожиданную детализацию. Музыку слушать приятно: и фоновый плейлист на телефоне, и вечерний сериал на ноутбуке. Автономно работают наушники 6 часов, с кейсом — до 30 часов. 

Bluetooth 5.4 обеспечивает стабильное соединение на расстоянии до 10 метров. Удобная C-образная форма разработана специально для длительного ношения — после восьмичасового рабочего дня в ушах не возникает дискомфорта. Наушники поддерживают одновременное подключение к ноутбуку и смартфону. Переключение между устройствами происходит быстро и без заминок.

Через фирменное приложение Welife можно выбрать один из четырех эквалайзеров и отследить местоположение гарнитуры в случае утери. А еще кастомизировать виджет для управления наушниками. Функция настройки персонализированного дизайна доступна для устройств на Android и позволяет гибко изменить внешний вид окна подключения: вплоть до установки фоновой картинки или собственного фото.

Первые пару использований может потребоваться время, чтобы привыкнуть к нестандартной форме вкладышей, но уже с третьего раза они надеваются вслепую за секунду. Что особенно приятно:  собеседники отмечают, что звук от микрофона более приятный и четкий, чем у дорогих известных моделей.

Бесшовная синхронизация со смартфоном

Благодаря функции OneLeap ноутбук синхронизируется со смартфоном TECNO. Подключение происходит за пару секунд: достаточно один раз подтвердить сопряжение. После этого открывается доступ к бесшовному переключению между устройствами — объединенному буферу обмена, дублированию экранов и передаче файлов без кабелей и пересылок в мессенджерах.

Функция выручила, когда нужно было открыть приложение, у которого нет веб-версии. Удобно работает и буфер обмена: скопировал текст на одном устройстве — вставил на другом. Например, код, полученный в сообщении на телефоне, вводится в браузере на ноутбуке. Экономит минуты, а иногда и нервы. А когда в дороге пропал Wi-Fi, ноутбук сам подключился к мобильному интернету через смартфон.

TECNO CAMON 40 и сам по себе — мощный рабочий инструмент.  Смартфон выделяется камерой высокого качества 50 Мп, ярким AMOLED-экраном 120 Гц и множеством функций, которые упрощают процесс мобильной съёмки и использование искусственного интеллекта TECNO AI.

Телефон работает на HIOS 15.0.1 на базе Android 15.В фирменную оболочку встроен искусственный интеллект:

• Голосовой помощник Ella. Отвечает на вопросы, помогает с задачами и управлением устройством.

• Решение задач. Наводите камеру на задачу, ИИ решает ее.

• AI Редактор фотографий. Интеллектуальная обработка в одно касание.

• Быстрый поиск. Находит адрес на экране и запускает навигацию, распознает объекты и события, автоматически добавляет их в календарь.

Технические характеристики

• Процессор и память. 8 ядер, 16 потоков, Кэш L3 16 МБ, частота до 4.5 ГГц Графический процессор AMD Radeon™ graphics SSD 512 ГБ или 1 ТБ, М.2, 2280, PCle 3.0 Nvme DDR4 16 ГБ, 3200 МГц.

• Дисплей. 15.6", TFT, Full HD (1920×1080), 16:9, 280нит, 45% NTSC, 16.7 млн цветов, 60 Гц, 141 ррі.

• Веб-камера. 1 Мп, шторка приватности.

• Порты. 9 портов: 1*TF Card (microSD), 1*HDMI 1.4, 1*USB-A 3.1,

  1*USB-A 3.2, 1*3.5mm аудиовход, *Ethernet RJ45 до 1 Гбит, 2*Туре-С (Full Function), 1*слот для замка Kensington.

• Другое. Сканер отпечатка пальца в кнопке питания. Клавиатура с подсветкой (4 уровня яркости). Тачпад с поддержкой одновременно 4 касаний.

• Батарея. 70 Вт∙ч (6150 мА∙ч), Li-Pol, 11.55 B 65 Вт Type-C GaN, 20 В, 3.25 А, кабель 1.8 м (Туре-С-Type-C).

• Габариты. 17.3 мм (высота), 359.5 мм (ширина), 236 мм (глубина).

• Вес. 1,7 кг.

Если хотите создать собственную экосистему, в которой технологии подстроятся под ритм дня, попробуйте технику TECNO. Мощный ноутбук, быстрый смартфон и наушники соединяются в единое пространство. Быстрое переключение между устройствами, синхронизация файлов и стабильное соединение без лишних настроек.

КУПИТЬ НОУТБУК TECNO