Автор разработал двухэтапную систему транскрибации встреч. Модель T-one создает черновик субтитров в реальном времени, а модель GigaAM-v3 формирует чистовой текст после завершения звонка.
Тестирование проводилось на сервере с процессором 6 vCPU Xeon E5-2680 v2 и 11 ГБ оперативной памяти. Система поддерживает две параллельные встречи с задержкой вывода фразы от 1,08 до 1,2 секунды.
Процесс создания чистовика, который исправляет от 17% до 26% текста черновика, работает с низким приоритетом. Это позволяет не прерывать отображение живых субтитров во время нагрузки на процессор.
Использование второй модели для исправления терминов оказалось неэффективным и приводило к росту ошибки WER. Автор заменил этот подход на использование персонального словаря, что дало лучшие результаты.
Система обеспечивает качество итогового документа, сопоставимое с облачными решениями уровня Deepgram. При этом производительность транскрибации напрямую зависит от поколения используемого процессора.
