Появление сервисов по транскрибации аудио сделало мою профессиональную жизнь намного проще, встреч много, детали забываются. Вовремя расшифровать встречу и сделать мемо помогает держать фокус. Mymeet очень нравится, быстро из коробки позволяет сделать с аудио практически все сценарии. Но я решил зажмотить оплату подписки и поковыряться с Claude code сам.

Дано: Железо - обычный MacBook на M1 Pro, 16 ГБ, без всякого GPU-сервера. Тестовая запись встречи 63 минуты, русская речь, 4 участника. Записи чувствительные отдавать в облако не всегда можно. Нужно: аудио -> текст + разбивка по спикерам

Что сделал: Накидал задачу в чат Claude, он сам предложил промпт для перехода в code  Пошёл по шагам: распознавание речи — моделью Whisper, разделение по спикерам — pyannote. Обе открытые и бесплатные. Словил следующее: распознавание шло в 2.3 раза медленнее реального времени, из 63 минут прогноз ~145 минут только на текст. А причина в том, что библиотека на Mac считает на процессоре, а видеокарта простаивает. Переключил распознавание на видеокарту Mac (фреймворк Apple MLX), взял быструю модель large-v3-turbo, добавил обрезку тишины и запустил распознавание и диаризацию параллельно. На CPU оставил разбивку по спикерам.

Результат: рабочий инструмент, который из записи делает .srt/.txt/.json со спикерами. Итого час записи обрабатывается примерно за час (этапы идут параллельно). Стоимость — 0 рублей: открытые модели (разово скачиваются ~1.7 ГБ), всё локально. Собрал инструмент за 3 часа активного диалога с Claude плюс фоновые ожидания: загрузка моделей, первые медленные прогоны).

Минусы : Это не «загрузил - через минуту готово», как в mymeet. Разделение по спикерам на ноутбуке тянется примерно как реальное время: час записи = ~час ожидания.  Это движок, а не продукт. На выходе — текст со спикерами, без красивых саммари, action items и интеграций с календарём/CRM, которые есть у mymeet. Саммари можно докрутить через LLM, но это снова либо облако (привет, приватность), либо ещё работа. Если встреч много и их надо регулярно распознавать, нужно запускать систему ночью (когда есть незанятые 8 часов), чтобы она фоном все сделала.

Судя по этому кейсу, жизненный цикл продуктов может уменьшиться в несколько раз,  раньше оформлял подписку, теперь собирается за пару вечеров.

Расскажите про свои кейсы, когда получилось сэкономить реальные деньги (а не трудочасы) с помощью ИИшки ?

P.S. Если заинтересовал кейс, готов поделиться доками, пишите в личку или tg: kirill_nemkin