Чем дальше в лес, тем толще партизаны Вчера снова тестировали наше решение в условиях повышенного шума. Второй индивидуальный прогон вне стратегических сессий, и каждый раз мы сознательно усложняем внешний контур, наблюдая, как система реагирует на все новые «стрессы».

Что пока требует доработки? Диоризация (разделение голосов на спикеров) в плотном шумовом фоне качество низкое. Ни шумоподавление, ни индивидуальные микрофоны, ни даже обработка на уровне LLM не дают стабильного результата. И, что любопытно, эта проблема до сих пор не решена даже в мировом масштабе. Но мы не сдаёмся: уже наметились идеи, как можно радикально улучшить качество именно на уровне кода.

Из забавного, тот самый Whisper (траскрибация речи в текст). Этот «товарищ» терпеть не может тишину и с удовольствием «дописывает» то, чего не было. Классика ИИ домысливать при нехватке данных. Мы компенсируем это математикой и усреднением, но сам факт остаётся и всегда вызывает улыбку.

А теперь главное! Мы полностью переработали интерфейс и внедрили новые аналитические модели, включая модель Рассела. Сегодня хочу особенным образом отметить память С. Ивановой, её подходы к анализу речевых паттернов лягут в основу нового модуля. Лично я считаю её труды фундаментом для HR и особенно для тех, кто занимается подбором людей не только по резюме, но и смыслу речи.