Files

T

Пересмотр очереди, выводы из текста, наблюдаемость

Разведка job-queue-choice — очередь написана вручную: захват не
транзакционен, повторов и счётчика попыток нет, очереди мёртвых задач
нет. Стоит перед сменой хранилища, чтобы не переписывать захват дважды.

Цель text-insights: заголовок, пересказ и темы внешним сервисом с
OpenAI-совместимым интерфейсом. Граница паспорта сдвинута — «понимание
сказанного» было записано как то, чем проект не является; за границей
остались ответы на вопросы по записи и поиск по смыслу.

Цель service-observability в сопровождении и разведка opentelemetry-fit:
/metrics остаётся и развивается, способ решает замер.

2026-08-10 21:46:08 +03:00

6.5 KiB

Raw Blame History

Паспорт проекта

Зачем это и для кого. architecture.md отвечает «как устроено», tasks/ROADMAP.md — «в каком порядке», паспорт — «зачем и для кого».

Цель

Превращать записанную речь в текст, который можно читать и искать.

Потребители — список закрытый: он определяет, что считать нужным, а что интересным.

Кто	Что ему нужно от нас
Владелец сервиса	Отправить голосовое сообщение из Telegram и получить текст ответом. Работает сегодня
Приглашённый пользователь	Войти в приложение через свою учётную запись, загрузить запись, забрать текст. Приложение ставится на телефон; каждый видит только свои записи
Внешняя программа	Отдать файл по HTTP и опросить готовность. Работает сегодня, без разграничения доступа

Цель достигнута, когда:

запись любого распространённого формата принимается без предварительной подготовки, включая дорожку из видео;
запись длиной в несколько часов доходит до текста, а не прерывается ошибкой при достижении предела;
сервисом пользуются несколько человек, и записи одного не видны другому;
текст доступен там же, где загружали, — в приложении и в Telegram, и человек узнаёт о его готовности, не держа приложение открытым.

Что целью не является

Граница домена. По ней в теме architecture судят, не перенесено ли понятие через границу.

Редактор текста. Расшифровку отдаём как есть; правка, разметка, экспорт в форматы документов — не наша работа.
Хранилище записей. Отдаём текст и на этом заканчиваем: библиотекой, архивом и поиском по прошлым записям сервис не становится. Сколько запись лежит на диске после обработки — вопрос срока хранения, а его нет вовсе: database.md, «Представление данных».
Разговор о записи. Ответы на вопросы по содержанию и поиск по смыслу — за границей. Заголовок, пересказ и темы внутри границы: она сдвинута 2026-08-10, и до того запись читалась «мы отдаём текст, а не выводы из него». Направление — цель text-insights.
Собственные модели. Не обучаем и не держим у себя ни модель распознавания, ни языковую модель: и речь, и выводы из текста считает внешний сервис.
Управление учётными записями. Пользователей заводит и проверяет внешний провайдер, свою регистрацию и свои пароли не делаем.
Живая расшифровка. Работаем с готовой записью, поток в реальном времени не обрабатываем.
Диктофон. Запись звука делает телефон, а приложение принимает готовый файл. Своей записи и работы без сети не делаем — граница цели web-access.

Типовые сценарии

Голосовое из Telegram. Пользователь шлёт боту голосовое сообщение, бот отвечает «обрабатываю», через минуту приходит текст ответом на то же сообщение. Записи, чей текст длиннее предела сообщения Telegram, приходят несколькими частями.
Файл через Telegram. То же для аудиофайла или документа с аудио: бот отличает их по MIME-типу и расширению.
Загрузка по HTTP. Программа шлёт POST /api/audio, получает идентификатор задачи и опрашивает GET /api/status/:id, пока не увидит done и текст.
Отказ на середине. Конвертация или распознавание не удались — задача переходит в failed, а пользователь Telegram получает сообщение о том, что именно не вышло, и предложение повторить.

Референсы

Где смотреть prior art, когда упёрлись.

Yandex SpeechKit, отложенное распознавание — модель deferred-general, которой пользуемся: она и задаёт потолок по длине записи и формату.
Whisper и его серверные обёртки — запасной путь, если внешний сервис перестанет устраивать по цене или по качеству русской речи.
PocketBase — кандидат в хранилище взамен сегодняшнего SQLite. Источником учётных записей его не рассматриваем: вход решено делать через OIDC у Authelia (architecture.md, «Открытые вопросы»).

6.5 KiB Raw Blame History Unescape Escape