Собственный SaaS · AI в реальном времени

ScribeDash

Веб-приложение для распознавания речи в реальном времени, которое превращает живой звук в точные транскрипты с разметкой по говорящим прямо во время речи. Подключите микрофон, нажмите запись и наблюдайте, как слова появляются мгновенно, благодаря AI, работающему на моём собственном GPU inference.

Взгляд изнутри ScribeDash

От посадочной страницы до студии записи в реальном времени.

Профессиональное распознавание речи

Профессиональное распознавание речи

Посадочная страница: превращайте звук в точные транскрипты с разметкой по говорящим за секунды.

Студия записи в реальном времени

Студия записи в реальном времени

Записывайте с любого микрофона и наблюдайте, как транскрипт появляется в реальном времени, с настройками языка и распознавания говорящих.

Ваша панель транскрипций

Ваша панель транскрипций

Обзор транскриптов, расшифрованных минут и созданных слов, с быстрыми действиями для записи или загрузки.

История с поиском

История с поиском

Каждая сессия сохранена, доступна для поиска и размечена по языку, длительности и говорящим.

Проект

ScribeDash

Тип

Веб-приложение для транскрипции в реальном времени

Технологии

React, WebSockets, GPU inference

Год

2025

Почему я создал ScribeDash

Как секретарь правления я регулярно составлял протоколы заседаний, поэтому знаю, насколько ценно иметь записанный звук рядом с расшифрованным текстом, чтобы дословно проверить, что именно было сказано. Загвоздка в том, что встроенная транскрипция в Office 365 была, честно говоря, непригодна, а Copilot в Teams быстро меня измотал, не принося особой пользы, так что я решил просто создать своё собственное решение.

Так я создал ScribeDash: онлайн веб-приложение для транскрипции в реальном времени. Подключите микрофон, начните запись, и произнесённые вами слова мгновенно появляются в виде текста, с разметкой по говорящим, чтобы было видно, кто что сказал. Также можно загрузить существующие аудио- или видеофайлы либо снова прогнать сохранённую запись через конвейер, чтобы расшифровать её заново.

Всё работает на моей собственной суверенной инфраструктуре, которой я управляю от начала до конца. Расшифрованный текст других пользователей мне никогда не виден, поэтому это по-настоящему приватный и безопасный способ работать с конфиденциальными записями: например, для муниципалитетов, закрытых заседаний и записи клиентов для дословных протоколов.

Что оно умеет

Транскрипция в реальном времени

Говорите и видите, как текст появляется в течение секунды, без ожидания загрузок или пакетной обработки.

Распознавание говорящих

Автоматическая разметка говорящих (Speaker 1, Speaker 2, ...), чтобы протоколы и интервью было легко читать.

Собственный GPU inference

AI-модели работают на моём собственном оборудовании, поэтому нет зависимости от внешних API транскрипции и никакие данные никогда не покидают мою суверенную инфраструктуру.

Многоязычность

Транскрибируйте на множестве языков, с понятным выбором языка, чтобы модель точно знала, чего ожидать.

Загрузка аудио и видео

Не только вживую: добавьте существующие аудио- или видеофайлы и получите полный транскрипт с разметкой по говорящим.

Повторная транскрипция по запросу

Снова прогоните сохранённую запись через конвейер, например с другим языком или улучшенной моделью, не записывая ничего нового.

Самое сложное: многоязычность без сбоев

Самой трудной задачей было настроить AI-модель, которая хорошо справляется с несколькими языками.

Загвоздка в том, что как только вы выбрали язык, модель должна его придерживаться. Наивная настройка сбивалась бы: голландское предложение с одним английским словом могло внезапно переключить всю транскрипцию на другой язык посреди сессии. Для протоколов, которые должны быть дословными, это недопустимо.

Как я это решил

1

Явная фиксация языка

Выбранный язык закрепляется на всю сессию и передаётся модели с каждым фрагментом звука, вместо того чтобы позволять ей автоопределять язык для каждого фрагмента.

2

Потоковый inference на GPU

Звук передаётся на мой собственный GPU небольшими фрагментами, поэтому результаты появляются почти мгновенно, оставаясь согласованными с закреплённым языком.

3

Постобработка с учётом говорящих

Транскрипты сшиваются вместе и размечаются по говорящим, поэтому вывод на закреплённом языке остаётся чистым и читаемым.

Результат: выберите голландский, и он останется голландским, даже с редким английским словом, поэтому транскрипт соответствует тому, что было сказано на самом деле.

Результат в цифрах

<1s

Задержка от речи до текста

99+

Поддерживаемых языков

100%

Суверенное облако, без доступа третьих лиц

Итог

ScribeDash превращает утомительную задачу, написание дословных протоколов, в то, что происходит вживую. Во время заседания вы уже видите, как строится транскрипт, а потом можете воспроизвести звук рядом с точным текстом.

Поскольку всё работает на моей собственной суверенной, самостоятельно управляемой инфраструктуре, и никто (даже я) не может видеть транскрипты других пользователей, это остаётся быстрым, приватным и безопасным даже для самых чувствительных тем.

Вживую

Текст появляется, пока вы говорите

Дословно

Звук и текст рядом друг с другом

Приватно

Работает на собственном GPU, без внешнего API

Под капотом

Потоковая передача аудио в реальном времени через WebSockets
Self-hosted распознавание речи на GPU inference
Закрепление выбора языка на сессию
Автоматическая диаризация говорящих
Живая визуализация волны и управление записью
Выбор микрофона и работа с устройствами
История транскриптов с поиском
Несколько форматов экспорта

Хотите что-то подобное?

От AI-приложений в реальном времени до self-hosted моделей на вашем собственном оборудовании: если вы можете это придумать, я могу это создать.