Транскрибация — Groq Whisper и конвейер для звонков

Транскрибация — незаметный фундамент половины моих процессов: разборы созвонов, обучение по видео, голосовые вместо клавиатуры. Стек устоялся, делюсь.

Быстрый дефолт

Whisper Large V3 Turbo через Groq. Быстро настолько, что часовой созвон расшифровывается за пару минут, и для русской речи качество стабильно хорошее. Это дефолт для 90% задач: голосовые, кружки, видео с YouTube, записи встреч.

Когда нужна диаризация — кто именно говорит — беру Deepgram: у него разметка спикеров из коробки. Локальный faster-whisper держу как запасной вариант на случай, когда интернет-сервисы недоступны или файл никуда отправлять нельзя.

Конвейер, который работает сам

Самая приятная часть — полностью автоматическая ветка для созвонов. Планировщик три раза в день проверяет папку записей видеовстреч. Появился новый файл — скрипт зовёт транскрибацию, кладёт текст с таймкодами в базу знаний и помечает как черновик.

Мне остаётся сказать агенту «разбери свежие звонки» — и он работает уже с текстом: вытаскивает договорённости, задачи, цифры. Просить «расшифруй вчерашний созвон» не нужно — он уже расшифрован.

Мелочи, которые экономят время

• Таймкоды обязательны. Транскрипт без таймкодов — просто стена текста. С таймкодами это карта: агент цитирует место, я могу отмотать запись и проверить.
• Аудио дорожки хватает. Видео перед отправкой конвертирую в аудио — файл в десять раз меньше, результат тот же.
• Черновик ≠ документ. Автоматическая расшифровка попадает в базу со статусом «сырец». В рабочие заметки идёт только выжимка после разбора. Иначе база забивается тоннами непереваренного текста.