Научили информационную систему понимать речь и открывать ворота. А попутно выяснили, какие технологии для этого бесполезны. Кейс ЕГДС

Задача

Требуется внедрить распознавание речи в телефонные звонки, чтобы пользователи могли управлять сервисами (например, открывать ворота или уточнять статус обращения) голосом, без использования кнопок и взаимодействия с оператором

Решение

Провели эксперименты с библиотекой Vosk, но из-за долгого времени отклика перешли на модель Whisper от OpenAI. Арендовали сервер с GPU, обернули Whisper в REST API и доработали скрипт для обработки аудио. Провели нагрузочные тесты и оптимизировали систему, чтобы обеспечить приемлемое время отклика при высокой нагрузке