Начать работу можно двумя способами.

Вариант 1. Голосовая заметка сохраняется как аудиофайл

Мы записываем голосовую заметку на телефоне. В этом случае результат записи — аудиофайл.

Этот файл мы передаём Codex. Сначала Codex расшифровывает аудио и получает текст, с которым можно работать дальше.

Такой вариант удобен, когда мысль нужно быстро записать, а разбирать её сразу нет времени.

Вариант 2. Голос сразу превращается в текст

Мы включаем голосовой набор и говорю, а распознанный текст сразу появляется в заметке. На выходе получается уже не аудиозапись, а текстовая заметка.

В этом случае отдельный шаг расшифровки в Codex не нужен: мы передаём ему готовый текст.

Дальше оба варианта работают одинаково

  1. Codex получает аудиофайл или готовую текстовую заметку.
  2. Если передан аудиофайл, Codex сначала расшифровывает его.
  3. Затем Codex применяет редакционные правила Aigensia: убирает повторы и слова-паразиты, исправляет явные ошибки распознавания, делит текст на короткие абзацы и добавляет заголовок.
  4. В правилах прописано: неразборчивые места нужно отмечать, а не додумывать. Полностью полагаться на это нельзя — модель всё равно может ошибиться или достроить смысл, поэтому готовый черновик мы обязательно вычитываем.
  5. Через подключённый коннектор Notion Codex создаёт отдельную страницу в базе "Контент", переносит туда отредактированный текст и устанавливает статус "Черновик".
  6. Мы проверяем результат и решаем, что делать с материалом дальше.

На уровне редакционной работы остаются два основных этапа: надиктовать материал удобным способом и проверить готовый черновик. В варианте с аудиофайлом есть ещё одно техническое действие — передать файл Codex.

Что мы рассматривали и почему отказались

Один из вариантов — развернуть локальную языковую модель на собственном сервере. Это позволило бы лучше контролировать техническую среду, но потребовало бы настройки, подходящего оборудования, обновлений и постоянного обслуживания.

Для небольшого объёма неконфиденциальных текстов такая система была бы неоправданно сложной. Поэтому для первого рабочего варианта мы использовали уже доступный внешний сервис. Если требования к конфиденциальности изменятся, архитектуру придётся пересмотреть.

Вместо Notion можно было сохранять тексты в Google Docs. Но для работы над контентом важен не только сам документ, но и его статус, дата создания и место в общем списке материалов. В Aigensia для этого уже используется база Notion, поэтому добавлять ещё один инструмент не имело смысла.

Использованные инструменты

  • Запись голоса на телефоне сохраняет заметку как аудиофайл
  • Голосовой набор сразу преобразует речь в текстовую заметку
  • Codex получает аудиофайл или текст, а затем выполняет заданные инструкции
  • Редакционные правила Aigensia определяют структуру, стиль и границы обработки текста
  • Коннектор Notion связывает Codex с рабочей базой через Notion API
  • Notion хранит готовые материалы и их статусы

Практический вывод

Чтобы автоматизация приносила пользу, необязательно перестраивать весь рабочий процесс.

Иногда достаточно найти одну короткую, но повторяющуюся цепочку — например, обработку заметок, перенос обращений или подготовку отчёта — и связать уже знакомые инструменты.