Всем привет!
Всё началось с агента. Я собрал себе помощника, который живёт в телеграме и делает рутинную работу. Об этом был предыдущий пост. И почти сразу выяснилась простая вещь: мне удобнее ему диктовать, чем печатать. Мысль быстрее сказать вслух, чем набирать пальцами, особенно когда идёшь куда-то или руки заняты.
Но тут загвоздка. Агент не слышит. Пока он не умеет превращать голос в текст, любое моё голосовое для него просто шум. Вот с этого всё и началось.
Дальше дорога одна из двух: отдать голос в чужое облако на расшифровку или поставить распознавание у себя. Облако я не взял. Голос это данные, часто личные, а на платформе, где у каждого клиента свой агент, чужие голосовые уходят пачками, и считать каждую минуту деньгами плохая затея. Значит, слух агенту я делаю свой, локальный. Ничего никуда не уходит, минуты не считаются, интернет вообще не нужен.
Так у меня появился Whisper. Дальше подробно, как я его выбрал, поставил и прикрутил к агенту, чтобы он наконец начал слышать.
Читать далее «Whisper: как я дал своему агенту слух. Голос в текст без облаков и подписок»