Разработчик бота @chisto_text_bot создал бесплатный сервис для расшифровки голосовых сообщений, видеокружков и аудиофайлов. Система работает на одном ядре процессора с объемом памяти до 1,5 ГБ и не требует использования видеокарты.
В основе бота лежит открытая модель GigaAM v3, которая показывает 7,9% ошибок в словах на разговорной речи. Она обрабатывает минуту русской речи за 2 секунды, тогда как Whisper small тратит на это от 14 до 30 секунд при уровне ошибок 14–18%.
Для обработки длинных записей до 3 часов или 2 ГБ используется энергетический детектор пауз, который делит аудио на фрагменты по 20–30 секунд. Алгоритм round-robin позволяет распределять ресурсы ядра так, чтобы короткие сообщения не ожидали завершения обработки длинных файлов.
Приватность обеспечивается локальной обработкой данных: файлы удаляются сразу после расшифровки. Бот использует локальную версию Telegram Bot API для работы с крупными файлами, а ограничения ресурсов и безопасность системы настроены через systemd.
