Локальные транскрипты со скриншотами | 26 октября 2026 года, 03:48

Выложил в open source программу для создания транскриптов встреч (например в Teams), звонков, лекций с автоматическим скриншотированием. И статью о ней (RUS/UKR/EN). Ссылка в комментариях.

Началось всё не с встреч. Хотел инструмент, который слушает, как я вслух комментирую тестирование приложения, и потом вместе со скриншотами превращает это в документ или почти готовые баг-репорты. Но в итоге мои 9 из 10 запусков — это транскрипты звонков и помощник прямо во время разговора. Ну и лекции с YouTube в читаемые статьи со слайдами превращает отлично.

Распознавание полностью локальное. Аудио звонков и скриншоты экрана никуда не уходят. Три движка на выбор — faster-whisper, GigaAM (для русского, в 20 раз быстрее Whisper и без галлюцинаций вроде «Продолжение следует…») и Parakeet для смеси русского с английским.

Что умеет:

— Текст появляется практически в реальном времени, с таймкодами, в процессе дописывается обычный .txt на диске.

— По Ctrl-Shift-S делается скриншот и из него текст через OCR суется прямо в нужное место транскрипта. Есть автоматический режим — скриншотирование каждую секунду, а дальше каскад фильтров оставляет только новые слайды. На тестовом 11-минутном докладе 692 кадра → 10 сцен, ни одного слайда не потеряно.

— Звук звонка можно брать с микрофона, а можно напрямую из приложения (например, Teams или Chrome/Youtube)

— Диаризация по голосу и контексту. Если человек с голосом А назвал человека с голосом Б Васей, то все реплики Б в результирующем транскрипте будут подписаны Васей. Транскрипт самого Teams можно подгрузить вторым источником, тогда оттуда может браться уточненная информация кто говорил что.

— Кнопка Beautify собирает из сырого транскрипта документ: решения, задачи, чистый диалог. Пока запись идёт, можно спрашивать чат — что мы ещё забыли обсудить, например.

Приложение точно работает на MacOS (DMG в релизах, macOS 14+, модели качаются при первом запуске). На остальных платформах многое не заработает, только база.

Ночной спутник: кровать с голосовым помощником | 13 октября 2026 года, 17:45

Интересно, а что если вмонтировать голосового помощника в кровать? Чтобы слушал нонстоп, и отвечал. Все равно обычно в спальне в течение дня никого нет. Надо только закастомизировать, чтобы аудиокниги читала и сама умолкала, если хозяин вроде уснул.

А у, круто ж было бы. Вот ложишься, три часа ночи, сна ни в одном глазу. Ты тяжело вздыхаешь, переворачиваешься на другой бок, и тут в тишине из-под кровати раздается приглушенный, бархатный баритон:

— Опять экзистенциальный кризис, Олег?

«Понимаю,» — сочувственно вибрирует матрас. — «Хочешь, сказку расскажу? Или, может, погрузимся в жестокий мир бадминтона? Я тут скачал статью, как китайские девственницы ощипывают редких гусей для перьевых воланчиков. Там интриг больше, чем в «Игре престолов». Гусь по имени Гао…»

Ну нет, давай что-нибудь про нейросети, говоришь ты.

«О да… слушай сюда, мой сладкий дата-сайентист… Архитектура JEPA не пытается восстановить пиксели… она слишком хороша для этого… она предсказывает только абстрактные фичи в скрытом пространстве… А вот Dreamer…» — тут кровать может сделать театральную паузу и слегка подпружинить. — «Dreamer строит целую модель мира… он генерирует воображаемые траектории, Олег… Проведи рукой по наматраснику, и я расскажу тебе про марковские процессы принятия решений…»

Классная штука была бы

Индекс вежливости: ваш ключ к чистым соцсетям | 2026-09-15T23:34:33

Индекс вежливости: как очистить соцсети от хамства и заработать на этом

Соцсетям давно пора ввести «индекс вежливости» для каждого поста и комментария. Идея простая: алгоритм напрямую привязывает показы к тону сообщения. Агрессивные реплики не удаляются, а просто реже показываются в ленте.

Написал спокойный и дипломатичный комментарий — собираешь нормальную аудиторию. Пришел хамить и ругаться — твою реплику увидят от силы три человека.

Как это работает на практике. Технически всё уже возможно: нейросети легко оценивают тональность текста в фоновом режиме. Главное в этой системе — дать пользователю наглядную обратную связь.

Например: Комментатор переходит на личности. Соцсеть присылает ему уведомление: «Ваш текст мог бы стать в два раза заметнее, если бы вы не обматерили автора и не опустили ту женщину в белом пальто».

Люди получают четкий сигнал: внимание аудитории зависит от того, как сформулирована мысль, а не от громкости скандала. Поначалу эту функцию можно тестировать не на всех, а только на части постов.

Зачем это пользователям и бизнесу? Захотят ли сами площадки тратить деньги на модерацию тона, если их бизнес построен на просмотрах и бесконечных эмоциональных спорах? Вопрос сложный.

Но решением может стать премиум-функция «чистой ленты». Многие с радостью согласятся смотреть дополнительную рекламу или платить небольшую абонентскую плату за экологичное информационное пространство. Мы же платим клинерам за уборку дома — платить за чистоту в соцсетях ничем не хуже. В перспективе привычка общаться вежливо ради лайков может изменить людей и за пределами интернета. Или я с другой планеты упал?

Чёрный ящик механики и AI: путь к новаторству | 14 сентября 2026 года, 20:19

Придумал простую иллюстрацию того, где нынешний AI пока не тянет.

Есть чёрный ящик, из него торчат две ручки. Двигаешь первую — вторая тоже двигается, но по каким-то своим правилам, типа с задержкой, с инерцией, с порогом, как угодно. То есть, по сути, ящик преобразует f(t) в f'(t). Вопрос один: что внутри? Надо не только придумать эффективный механизм, но и уместить его в габариты ящика.

Формально это почти программирование. Потому что можно формально описать вход-выход и придумать «алфавит» для механических штук внутри. Но здесь в отличие от программирования много нелинейного — механизмы объёмные, надо принимать во внимание кучу вещей от материалов до трения, и главное не так просто испытать прототип до его создания. Но главное даже не это — а понимание задачи. Единственный способ узнать, что внутри ящика — это выдвинуть гипотезу и придумать движение ручки, при котором эта гипотеза и соседняя дадут разный результат. Хороший эксперимент здесь важнее хорошего ответа. А модели учили на корпусе готовых решений, где ошибки уже вычищены, и там ничто не тренирует умение выбирать следующий вопрос.

К чему это. Мне кажется, сложное для AI (мы говорим про LLM; так-то область шире)— не компоновка из известного, с этим он справляется всё лучше. То есть, задачу с ящиком при наличии «алфавита» для ее описания и законов механики AI может решить, но через комбинации известного, а не через принципиально новый компонент. Сложное — придумывание нового. Хотя, если быть честным, большинство человеческих изобретений при разборе тоже оказываются компоновкой, просто из далеко разнесённых кусков. Но придумывали же часовой спуск (анкер) , где все детали — колесо и качающаяся вилка, да и вообще сама мысль, что колебательная система должна не приводиться пружиной, а сама дозировать, когда пружине разрешено отдать порцию энергии, переворачивает причинность в устройстве, и до неё шли столетия. И челночный стежок швейной машины. Бессмысленно копировать руку с иголкой, нужно вместо этого протаскивать вторую нить сквозь петлю первой с изнанки, причём иголка должна иметь ушко у острия. Всё это не сборка из компонентов, а смена того, что вообще считается задачей, и именно поэтому такие вещи так плохо выводятся перебором комбинаций, будь то у человека или у модели.

У изобретателя есть обратная связь от реальности и цена ошибки, поэтому он учится проверять раньше, чем верить. У модели внутри одного ответа платить за неверную догадку нечем. Да и вообще, замени механику на физику частиц, и надо опять все переделывать, потому что там вообще все иначе.

Занятно, что это лечится не размером модели, а устройством задачи. Дай ящику отвечать на движения — и задача из текстовой становится экспериментальной. Посмотрим, кто первым научится так играть.

Искусственный интеллект на испытании: мини-игры ARC-AGI-3 | 17 августа 2026 года, 04:51

Сегодня наткнулся на тесты ARC-AGI-3 для моделей AI. То есть, если вам кажется, что AI может за вас сделать что угодно, то считайте, что вы заработали уже большую часть из $850,000 призового фонда — просто сабмитьте ваш прекрасный код, и пусть он будет лучшим. Но так не работает. Кожаные мешки справляются с 100% задач, а вот программы пока не преодолели планку в 2.5-3%. Что там за задачи такие?

Программе дается не текстовое задание, а мини-игра. Нет ни инструкций, ни описания правил. На каждом шаге программа получает «кадр» — JSON-объект с текущим состоянием поля. Это сетка размером до 64×64 клетки, где ячейки закодированы числами от 0 до 15 (обозначающими разные цвета или типы блоков). У агента есть стандартизированный интерфейс (действия 1–7), включающий базовые шаги и возможность указывать конкретные координаты (X, Y). Но ИИ заранее не знает, что делают эти действия! В одной задаче «Действие 1» может сдвигать блок вправо, в другой — перекрашивать его, в третьей — включать гравитацию. Чтобы понять логику, ИИ должен активно «тыкать палочкой» в среду. Он совершает экспериментальное действие, среда реагирует и возвращает новый кадр. Агент должен проанализировать изменения, обновить свою теорию о физике этого конкретного мира и сделать следующий осознанный шаг. Игра может завершиться статусом WIN, GAME_OVER или продолжаться дальше.

Еще раз — люди набирают 100%, машины — 2-3%. На сайте ARC PRIZE можете попробовать, там есть сэмпл-задачки.

Интерактивные резюме: будущее найма через AI-агентов | 11 августа 2026 года, 20:19

У меня вышла новая статья по поводу того, как может выглядеть взаимодействие компаний и кандидатов на позиции в этих компаниях. Главный тезис — мы что-то засиделись с этими PDF резюме. Это какой-то привет из прошлого века. Есть интересное направление — по сути, интерактивные резюме в форме AI-агентов кандидатов и AI-агентов компаний, общающихся друг с другом 24/7. Агентов именно в том смысле, в каком они есть у селебрити и спортсменов. Меня очень удивило, что в этом направлении нет движения, хотя технологически, кажется, требуемый для этого уровень достигнут.

https://hybrismart.com/2026/08/11/the-cv-as-an-ai-artifact/

https://hybrismart.com/2026/08/11/the-cv-as-an-ai-artifact/

Ошибки Whisper Large-V3 в расшифровке русской речи | 26 июля 2026 года, 18:49

Прикольно, что модель для расшифровки голоса Whisper Large-V3 (OpenAI) при работе с русским языком порой по каким-то причинам заменяет произвольный фрагмент услышанного на одну или несколько идущих подряд фраз «Вопрос в том, что все выступления сегодня говорят о мощнейшем безобразии.»

Походу ещё прикольно, что многим пофиг, что там получилось в результате расшифровки.

Как минимум тысяча примеров находится Яндексом и Гуглом

Интеллектуальный анализ дискового пространства | 23 июля 2026 года, 12:24

Задумываюсь о создании программки, которая будет сканировать диск и анализировать все папки и файлы, заглядывая внутрь файлов только если надо — в основном будет смотреть на их названия, и через LLM ставить метки и короткие описания на целые иерархии, и что важнее, делать классификацию, сохранять объем файлов в иерархии. Предполагается, что такая штука запускается вечером и результат обнаруживается утром, потому что очевидно все это медленно. Зато утром я получаю подробный, структурированный, относительно небольшой сводный отчет, что нужно бэкапть, что вероятно можно удалить (например, клон какого-то репозитория из публичных), с сортировкой по влиянию (место освободить, помойка меньше и т.д.).

Конечно, бросать в LLM десятки тысяч файлов — неразумная трата токенов. Предполагается агентская схема — система берет верхний уровень, делает предположения, проверяет предположения, смотрит время изменения файлов, проверяет, вносились ли туда изменения с момента создания всей иерархии и спрашивает у LLM очень компактно, выставляя процент уверенности в суждении о нужности/ненужности той или иной папки. Дальше уже пользователь может что-то проверить руками, а на что-то попросить посмотреть детальнее.

Интересно, была бы такая штука полезной кому-то еще?

Серебряные яйцеглавы: Когда книги стали машинами | 20 июля 2026 года, 16:48

Попалась на глаза книга «Серебряные яйцеглавы» (The Silver Eggheads, 1961) Фрица Лейбера — сатирический роман о б̶о̶л̶ь̶ш̶и̶х̶ ̶я̶з̶ы̶к̶о̶в̶ы̶х̶ ̶м̶о̶д̶е̶л̶я̶х̶, о будущем литературы, и там есть «словомельницы» (wordmills) и черт побери сколько же параллелей с тем, что сейчас делается.

Словомельницы в романе — огромные машины, которые полностью заменили писателей в производстве художественной литературы. Они механически «перемалывают» слова, выдавая бесконечный поток романов — так называемую «словопомолку» (wordwooze), продукцию, которая идеально подстроена под вкусы массового читателя. Она вызывает почти наркотическое удовольствие: читатель проглатывает книгу и тут же забывает её содержание, оставаясь голодным до следующей.

Люди-писатели в романе при этом всё ещё существуют, но чисто декоративно. Они не пишут ни строчки — они лишь «обслуживают» словомельницы (нажимают кнопки) и поддерживают публичный образ: носят богемные наряды, живут в мансардах, устраивают скандалы, заводят романы — всё, что публика ожидает от «настоящего писателя». Писательство превратилось в шоу-бизнес и косплей, а собственно творчество отдано машинам.

Писатели, возомнив, что они и вправду умеют писать, поднимают бунт и уничтожают словомельницы. И тут выясняется катастрофа: никто из них не способен сочинить ничего читабельного — навык утрачен поколениями. Издательская индустрия в панике ищет выход.

Тут в игру вступают те самые серебряные яйцеглавы из названия — законсервированные человеческие мозги в яйцевидных металлических контейнерах, мозги писателей и мыслителей прошлого, десятилетиями хранившиеся в «Мудрости веков». Издатели надеются, что уж они-то смогут снова писать книги. Яйцеглавы, правда, за годы чистого созерцания стали существами довольно ехидными и своеобразными, и сотрудничать просто так не спешат.

Дальше сюжет превращается в водоворот интриг вокруг этих тридцати мозгов — они внезапно оказались единственным «производственным активом» во всей издательской отрасли.

Параллельно выясняется главная беда: яйцеглавы писать не хотят. Двести лет чистого мышления сделали их высокомерными созерцателями — человеческие романчики им смешны и мелки. Первые попытки заставить их сочинять дают либо издевательства, либо тексты настолько странные, что продать их невозможно. Там герои в процессе догадываются, что яйцам нужен не приказ, а мотивация: впечатления, ощущения, участие в жизни.

Забавная книжка, надо как-нибудь почитать.