Записи рабочих созвонов - головная боль для всех, кто работает в распределённых командах. Найти нужный момент в часовом видео, передать контекст коллеге, не утонуть в пересматривании - типичная история. Один разработчик решил эту проблему за полчаса, собрав локальный транскрибатор для записей Яндекс Телемоста на основе Whisper и GPT.
Проблема, которую все терпели
Видеозапись созвона - слабый инструмент передачи знаний. Попросить коллегу «посмотреть запись» означает переложить на него час работы: найти нужный фрагмент, отделить обсуждение от решения, выловить задачи из общего потока речи. Для постановки задачи программисту это не работает.
Задача была конкретной: вместе с видео отдавать текстовый итог встречи. Транскрипт, протокол, файл Word - всё сразу, без ручной работы.
Как устроен инструмент
Цепочка обработки получилась прямолинейной. Видео в формате webm загружается в приложение, ffmpeg извлекает аудио, локальный faster-whisper превращает речь в текст с таймкодами. Потом в дело вступает GPT: он получает готовый транскрипт и формирует структурированный протокол.
На выходе - три файла:
- transcript.txt - полный текст с таймкодами
- meeting_report.md - протокол в Markdown
- meeting_report.docx - Word-документ для редактирования и отправки
Тестовый прогон на записи весом 50 МБ занял 6 минут при использовании модели small. Модель medium работает дольше, но точнее справляется со сложной речью и профессиональными терминами.
Что попало в протокол
На тестовой записи обсуждалась разработка регламентного задания - заполнение регистра сведений, период отбора документов, процедуры в общем модуле. GPT выделил суть встречи, зафиксировал договорённости и задачи. Где ответственный и срок не назывались, в документе честно осталось «не указан». Хороший черновик, который можно открыть и поправить за пару минут.
Важная деталь по стоимости: Whisper работает локально, платить за минуты аудио не нужно. GPT-провайдер тратит токены только на готовый текст протокола - это дёшево.
Версия для других людей
После первого рабочего варианта инструмент доработали под передачу коллегам. Установщик с окном прогресса, ярлык на рабочем столе, запуск без командной строки. Никаких bat-файлов и ручного запуска из папки проекта.
Добавили выбор GPT-провайдера - OpenAI, DeepSeek или YandexGPT. Whisper при этом остаётся локальным в любом случае. Выбор провайдера влияет только на качество и стоимость финального протокола.
Вся первая версия собрана через Codex примерно за 30 минут - без подробного технического задания, с нескольких итераций в диалоге. Это хороший пример того, как инструменты на базе ИИ меняют порог входа в прикладную автоматизацию: задача, которая раньше требовала бы нескольких рабочих дней, теперь решается за один вечер.
