Мы ищем разработчика, который создаст для нас систему автоматической транскрибации — программу, превращающую записанные разговоры в готовый текстовый документ. Ежедневно у нас накапливаются десятки аудиофайлов: телефонные звонки менеджеров, онлайн-интервью с кандидатами, записи планёрок. Вручную их никто не расшифровывает, поэтому нужен инструмент, который сам распознаёт речь и выдаёт аккуратную стенограмму. В тексте важно видеть, где говорит один участник, а где другой, поэтому реплики следует помечать по говорящим, а рядом ставить временные метки — так мы сможем быстро находить нужный отрывок прямо в исходной аудиодорожке. Обрабатывать нужно записи и на русском, и на английском, в том числе диалоги, где собеседники смешивают оба языка.
Не менее важна интеграция. Мы хотим, чтобы к распознаванию можно было обращаться через программный интерфейс: приложение отправляет файл, узнаёт, готова ли обработка, и забирает итоговую стенограмму без участия человека. Ждём аккуратной работы с продолжительными записями, шумом и моментами, когда говорят одновременно, а также вывода в структурированном виде, пригодном для хранения и поиска. Серверную часть предпочтительно писать на Python поверх зарекомендовавшей себя модели распознавания; нам нужно устойчивое к постоянной нагрузке решение с документацией, а не единоразовый скрипт. В отклике укажите, пожалуйста, свой опыт в подобных задачах по обработке звука и коротко опишите план: как будете разделять голоса и повышать точность для пары языков.
— Программный интерфейс для отправки аудио и выгрузки стенограмм
— Пометка говорящих и временные метки по словам или фрагментам
— Работа с русскими, английскими и смешанными по языку записями
— Серверная часть на Python с документацией и тестируемой установкой
Не менее важна интеграция. Мы хотим, чтобы к распознаванию можно было обращаться через программный интерфейс: приложение отправляет файл, узнаёт, готова ли обработка, и забирает итоговую стенограмму без участия человека. Ждём аккуратной работы с продолжительными записями, шумом и моментами, когда говорят одновременно, а также вывода в структурированном виде, пригодном для хранения и поиска. Серверную часть предпочтительно писать на Python поверх зарекомендовавшей себя модели распознавания; нам нужно устойчивое к постоянной нагрузке решение с документацией, а не единоразовый скрипт. В отклике укажите, пожалуйста, свой опыт в подобных задачах по обработке звука и коротко опишите план: как будете разделять голоса и повышать точность для пары языков.
— Программный интерфейс для отправки аудио и выгрузки стенограмм
— Пометка говорящих и временные метки по словам или фрагментам
— Работа с русскими, английскими и смешанными по языку записями
— Серверная часть на Python с документацией и тестируемой установкой
