Таныс көрініс. Қоңырау жүріп жатыр, оныншы минутта біреу: «Тоқтаңыздар, біз мұны талқылаған едік қой», — дейді. Талқылағанбыз. Дәл осы құраммен, бірнеше апта бұрын. Тіпті шешім де қабылдағанбыз. Бірақ нақты не шешілгенін, оны кім орындауы керек болғанын және неге орындалмағанын ешкім есіне түсіре алмайды. Хаттама жоқ. Бірнеше адам бар, әрқайсысында сол әңгіменің өз нұсқасы.
Содан қоңырау екінші рет өткізіледі. Ол сол шешімге қайта келеді, өйткені бастапқы деректер өзгерген жоқ. Осы уақыт ішінде жоба орнынан қозғалмады.
GPTunneL-де мұндай жағдай бір емес, бірнеше рет болды, мен оны ұзақ уақыт тәртіп мәселесі деп санадым. Кейін мұның себебін түсіндім де, бірнеше күнде кездесу транскрибаторын жинадым: ол кездесуді жазып алады, мәтінге айналдырады және шешімдері көрсетілген түйіндеме жібереді. Кейін бірнеше серіктес оның жұмысын көріп, өздеріне де дәл осындайын сұрады. Төменде талдау: мәселе қайдан шығады, нақты не жасалды, неден сүріндім және командада дәл осындай жағдай болса, неден бастау керек.
Шын мәнінде неден шаршайды
Бәрі қоңыраулардан шаршады деу қалыптасқан. Менің ойымша, бұл дәл емес. Білікті адамдармен бір сағат сөйлесудің өзі ешкімді шаршатпайды. Шаршататыны басқа: сағат жұмсалды, ал міндет бұрынғы орнында тұр. Қоңыраулардан шаршау — олардың төмен ПӘК-інен шаршау. Адамдар уақыттың кетіп жатқанын, ал жобаның тұрғанын сезеді де, күнтізбеге ашуланады.
Себеп адамдарда да, олардың кездесуді қалай өткізетінінде де емес. Ол бейнебайланыстың өз табиғатында. Қоңырауда берілген уәде бетпе-бет берілген уәдеге қарағанда оңай ұмытылады, және оның кемінде бес себебі бар.
Жадтың ілінетін жері жоқ. Бетпе-бет кездесу орынға, жолға, жағдайға, әңгімелесушінің жүзіне, тіпті не ішкеніңізге байланған. Ми оқиғаны контекстімен бірге сақтайды, және осы бөлшектер кейін естелікті суырып шығаратын ілгектер қызметін атқарады. Қоңыраулар бір орындықтан, бір экранның алдында өтеді де, бір-бірімен араласып кетеді. Бір аптадан кейін сейсенбіде не туралы, ал бейсенбіде не туралы келіскеніңізді ажырату қиын.
Назар бөлінген. Қоңырауда әркім дерлік қатар поштаға, мессенджерге немесе көрші қойындыға қарайды. Жартылай құлақпен естілген уағдаластық жадқа дұрыс жазылмайды. Бетпе-бет кездесуде бұлай істеу әдепсіздік, сондықтан онда назар толығырақ.
Сөздің құны арзан. Адамның көзіне қарап уәде бергенде өте көне тетіктер іске қосылады: өзаралық, бедел, нақты адамның алдындағы ыңғайсыздық. Бетпе-бет берілген сөзді бұзу психологиялық тұрғыдан қымбатқа түседі. Құлаққаптағы дауысқа немесе экрандағы шағын шаршыға берілген сөздің салмағы аз. Әңгімелесуші неғұрлым «денесіз» болса, міндеттеме сезімі соғұрлым әлсіз.
Қоңырау ештеңеге тұрмайды. Бетпе-бет кездесуге жол, уақыт және дайындық жұмсалады, және осы салым онда келісілгеннің бәрінің бағасын көтереді. Қоңырау басқа екі қоңыраудың арасындағы саңылауға сыйып кетеді. Сондықтан оның қорытындысы «шештік» емес, «талқыладық» деп қабылданады.
Аяқтау рәсімі жоқ. Бетпе-бет кездесуде қол алысу, «сонымен, келістік» деген сөз, есікке дейін шығарып салу бар. Бұл әңгіменің міндеттемеге айналған сәтін бекітеді. Қоңырау «жарайды, байланыста болайық» деген сөзбен үзіледі, және айтылғанның қайсысы шешім, қайсысы дауыстап ойлану болғаны түсініксіз қалады.
Сонымен, бейнеқоңырау өткізуге де, ұмытуға да оңай әңгіме ретінде құрылған. Ол бетпе-бет кездесу өздігінен беретін салмақты жасамайды.
Рецептіні бәрі біледі. Оны ешкім орындамайды
Мұнымен не істеу керегі бұрыннан белгілі. Қоңыраудың соңында қорытындыны дауыстап айту: кім, нені, қай мерзімге. Бір сағат ішінде жазбаша түйіндеме жіберіп, растауды сұрау. Әңгіме жадта жаңа тұрғанда тапсырмаларды бірден ашу. Осы тізімнің ішінде ең күштісі — жазбаша түйіндеме: мәтін жадқа жетіспейтін ілгектерді алмастырады және уәдені жария етеді. Қоңырауды жазбаша бекіту арқылы жасанды түрде «ауырлату» керек.
Бұл рецептіні бәрі біледі, бірақ оны ешкім дерлік орындамайды. Себебі қарапайым: келесі қоңырау бес минуттан кейін басталады. Түйіндеме жазуы тиіс адамның өзі әңгімеге қатысып, ойланып, таласып отырды, ештеңе жазған жоқ. Кешке қарай оның басында бір-біріне жабысып қалған төрт кездесу болады. «Кейін жазамын» деген ешқашан орындалмайды.
Жоба осы қорытындыдан басталды. Егер адам бұл жұмысты тұрақты түрде істемесе, оны адам емес, басқа біреу істеуі керек.
Дайын шешімдер неге жарамады
Кездесулерді жазып, олар бойынша конспект дайындайтын сервистер көп. Бізге олардың ешқайсысы жарамады, үш себеппен.
Біріншісі — платформалар. Біздің кездесулер кім шақырғанына қарай Zoom-да, Discord-та, Google Meet-те және тағы бірнеше құралда өтеді. Дайын сервистер әдетте солардың біреуімен ғана жақсы жұмыс істейді.
Екіншісі — тіл. Біз ағылшын терминдері жиі араласқан жұмыс тілінде сөйлейміз: әзірлеушілер жаргоны, модельдер мен провайдерлердің атаулары. Жаңалық дикторының сөзін мүлтіксіз танитын жүйе мұндай сөйлеуде сөздерді жоғалта бастайды, оның ішінде ең маңыздыларын.
Үшіншісі — деректер. Ішкі қоңырауларда ақша, адамдар және шарт талаптары талқыланады. Бұл жазбаларды тексерілмеген бұлтқа бергім келмеді.
Нәтижесінде не шықты
Мен Telegram-дағы ботқа «жазып ал» деп жазамын немесе кездесудің сілтемесін жіберемін. Әрі қарай бәрі менсіз жүреді.
- Рекордер кездесуге қатысушы ретінде өзі кіреді және кездесу аяқталғанда өзі шығады. Жазбаны қолмен тоқтатудың қажеті жоқ.
- Жазба бізде тұрған және үнемі қосулы Mac mini-де танылады. Бір сағаттық кездесу шамамен сегіз минутта өңделеді. Дыбыс сыртқа еш жерге кетпейді.
- Репликалар спикерлер бойынша белгіленеді. Әңгімеден кімнің кім екені түсінікті болса, мәтінде есімдер тұрады.
- Кездесу аяқталғаннан кейін бірнеше минуттан соң Telegram-ға он бес жолға дейінгі түйіндеме келеді: не туралы сөйлескені, қандай шешімдер қабылданғаны, қандай тапсырмалар кімге жүктелгені, қандай уағдаластықтар мен мерзімдер белгіленгені.
- Толық транскрипт жазбалар базасына және бұлттық дискіге сақталады. Ол бойынша кәдімгі іздеу жұмыс істейді.
- Егер Mac mini қандай да бір себеппен он бес минут үнсіз қалса, жазбаны сервердегі резервтік модель таниды, сондықтан түйіндеме бұл жағдайда да келеді.
- Ботты шақыру мүмкін емес кездесулер үшін ноутбукта команда бар: ол жүйелік дыбыс пен микрофонды жазып, файлды сол конвейермен жібереді.
Бұл — дәл сол бір сағат ішіндегі жазбаша түйіндеме, тек оны ешкім жазбайды. Ол қатысушылар әңгімені әлі ұмытпай тұрғанда келеді, және оны «осылай келіскенімізді растаңыздар» деген сөзбен бірден жұмыс чатына жіберуге болады.
Бірнеше күн және бірнеше тосын жағдай
Осының бәрін мен бірнеше күнде, жалғыз өзім, әзірлеуге арналған ЖИ-агентпен жинадым. Мен не шығуы керегін сөзбен сипаттадым, агент код жазды, тесттерді жүргізді және бұзғанын өзі жөндеді. Менің үлесім — шешімдер және нақты кездесулердегі тексерулер. Қызықты мәселелердің барлығы дерлік мен күтпеген жерден шықты.
Дыбысты жазу. Жаңа macOS-тағы дыбысты жазуға арналған стандартты утилита дыбыстың 80 %-дан астамын үнсіз жоғалтып отырды. Файлдың ұзақтығы қалыпты болды, ал тану нөл сөз берді. Екінші утилита жай ғана қатып қалды. Ақырында агент Swift тілінде өзінің шағын рекордерін жазды, және ол сынақ фразасын толық жазып алды — отыз сөздің отызы.
Модельді таңдау. Бастапқыда тану серверде, ең жылдам модельде жұмыс істеді. Кейін мен модельдерді бірдей жазбаларда салыстырдым, және жылдам модель біз үшін ең маңызды жерде ұтылды: ағылшын терминдері көп сынақ кездесуінде ол сөздердің 16 %-ында қателесті, ал жеңімпазда бұл көрсеткіш 6,6 % болды. Мен тануды Mac mini-ге көшіріп, конвейердің жартысын қайта жасадым. Бұрын мұндай қайта жасау «жұмыс істеп тұрғанға тиіспейік» дегенді білдіретін еді. Қазір оған екі күндей кетті.
Терминдер сөздігі. Модельге кездесетін сөздерді алдын ала айтып қоюға болады: өнім атаулары, тегі, жаргон. Біздің тексеруде бұл қате үлесін 6,6 %-дан 2,9 %-ға дейін төмендетті. Бұл кеңестің жанама әсері де табылды: тыныштықта модель осы сөздікті «ести» бастады да, оны біреу кездесуде оқып бергендей қатарынан шығарып берді. Конвейерге тыныш бөліктерді өткізіп жіберуді және сөздіктің өзіне күдікті түрде ұқсас жауаптарды алып тастауды үйретуге тура келді. Қазір сөздік ботқа айтылатын бір фразамен толықтырылады: «кездесулер глоссарийіне қос».
Шифрлау. Платформалардың бірі осы уақытта дауысқа міндетті өтпелі шифрлауды қосты. Содан кейін ашық кітапхана кейбір қатысушыларды естіп, басқаларын естімейтін болды, онда да кезекпен. Түзету бастапқы кодта бар еді, ал жарияланған жинақта әлі жоқ болатын. Кітапхананы бастапқы кодтан өзіміз жинадық.
Өзімнің тестім. Бір нақты жазбаны мен өзім үзіп жібердім. Сол машинада дыбыс баптауларын тексеріп жатып, аудиошығысты ауыстырдым, және жазбаға тегіс нөлдер кетті. Бірнеше минуттан кейін рекордер кездесу аяқталды деп шешіп, шығып кетті. Қазір ол жарты минут сайын құрылғыларды орнына қайтарады, ал кездесудің аяқталғанын қолданбаның желілік белсенділігі бойынша анықтайды, тыныштық тек сақтандыру ретінде қалды. Және ереже пайда болды: жазба жүріп жатқанда бұл машинадағы дыбысқа ешкім тиіспейді, мен де.
Бұл мәселелердің ешқайсысын жоспарлау кезеңінде болжау мүмкін емес еді. Олардың бәрі нақты кездесулерде табылды, және әрқайсысы спринтпен емес, сағаттармен жөнделді. Бірнеше жыл бұрын мұндай құрал команда үшін бір тоқсандық жоба болар еді, және оны ешкім бастамас еді, өйткені «дайынын сатып аламыз». Қазір бұл — не қалайтынын білетін бір адамның бірнеше күні.
Не өзгерді
Менде өлшемдер жоқ, бірнеше аптаның бақылаулары бар.
Түйіндеме қатысушылар әңгімені ұмытып үлгергенге дейін келеді. Оны жұмыс чатына жіберсеңіз, уағдаластық жария болады: бұл — қоңырауға жетіспейтін сол аяқтау рәсімі.
«Біз басқаша келіскенбіз ғой» деген дау транскрипт бойынша іздеумен шешіледі және бір минут алады. Бұрын ол жаңа қоңыраумен шешілетін.
Осындай даулардың бірі есімде қалды. Қоңырауда серіктестерге арналған деректер туралы сөз қозғалды, және қатысушылардың бірі бұл деректердің серіктестерге берілгенін біреу айтқан еді деді. Қалғандары мұны растамады. Ешкім өтірік айтқан жоқ: бір адам сол фразаны есінде сақтаған, қалғандары сақтамаған, және екі жақ та өзіне сенімді болды. Сұрақ бос сұрақ емес, жауапқа деректерді тағы бір рет жіберу немесе жібермеу байланысты. Жазбасыз мұндай дауды сенімдірек сөйлейтін немесе лауазымы жоғары адам жеңеді. Жалғыз объективті төреші транскрибатор болып шықты, өйткені онда түйіндеме ғана емес, әңгіменің толық мәтіні де сақталған. Соған жүгіндік: транскриптті аштық, керекті жерді таптық, және дау аяқталды. Транскрипттің оқиғалар туралы өз нұсқасы жоқ, оның құндылығы да осында.
Бұрын шешілген мәселелер бойынша қоңыраулар, менің байқауымша, едәуір азайды. Шешім жауапты адамның есімімен және мерзімімен жазылған кезде, оны байқатпай орындамай қою әлдеқайда қиын.
«Бізге де осылай бола ма?»
Мен мұны өнімге айналдыруды жоспарлаған жоқпын. Бұл — өз мәселемізге арнап жиналған ішкі құрал. Бірақ оның жұмысын серіктестер көрді, және олардың бірнешеуі бір сұрақпен келді: өздеріне де дәл осындайын жасауға бола ма.
Мен үшін бұл — бүкіл оқиғаның ең қызықты тұсы. Мен өз міндетімді шешіп жүрдім және оны басқа біреудің де мәселесі деп ойламадым. Мәселе ортақ болып шықты: қоңыраулар көп, уағдаластықтар жоғалады, сұрақтар екінші айналымға қайтып келеді. Ол бейнебайланыстың табиғатынан туындайды, сондықтан өздігінен кетпейді.
Қайталасаңыз, не дұрыс болмайды
- Есімдер мен мерзімдерсіз түйіндеме. «Мынаны талқыладық» деген мазмұндама ештеңені өзгертпейді: бір аптадан кейін ол қатысушылардың жады сияқты пайдасыз. Түйіндемеге арналған тапсырмада шешімдер, жауапты адамдары бар тапсырмалар және мерзімдер анық аталуы керек, әйтпесе модель мазмұндама жазып береді.
- Түйіндеме дұрыс жерге келмейді. Хаттамалар сақталатын бөлек кабинетті ешкім ашпайды. Қорытынды команда онсыз да хат алмасатын жерге және кездесуден кейін бір сағат ішінде түсуі керек.
- Жасырын жазу. Рекордер кездесудің көрінетін қатысушысы болуы керек, ал жазба туралы әңгіменің басында ескерту қажет. Жасырын жазба сенімді транскрипттер оны қалыптастырғаннан тезірек бұзады, ал сыртқы келіссөздерде заңдық сұрақтар қосады.
- Сөздік жоқ. Тегілердің, өнім атауларының және ішкі жаргонның тізімінсіз транскрипт кейін дәл сол бойынша іздейтін сөздерде қателеседі.
- Жұмыс машинасындағы тексерулер. Дәл қазір кездесуді жазып тұрған компьютерде сыналатын нәрсенің бәрі ерте ме, кеш пе жазбаға түседі немесе оны үзеді. Бізде екеуі де болды.
Дүйсенбіде не істеу керек
Бастау үшін өз контурыңыздың қажеті жоқ. Қолда бар нәрсемен бір апталық эксперимент жеткілікті.
Қатысушыларға ескертіп, ең жақын жұмыс қоңырауын платформаның штаттық жазбасымен жазып алыңыз. Файлды «Аудио мен видео мәтінге» құралына жүктеп, транскрипт алыңыз. Оны чаттағы кез келген мықты модельге қысқа тапсырмамен беріңіз: қабылданған шешімдер, жауапты адамдары бар тапсырмалар, уағдаластықтар мен мерзімдер, он бес жолдан аспасын. Нәтижені бір сағат ішінде жұмыс чатына жіберіп, қатысушылардан растауды сұраңыз.
Бір аптадан кейін ең бастысы көрінеді: сұрақтар екінші айналымға сирек қайта ма. Егер солай болса, қолмен жасалатын қадамдарды өз платформаларыңызға, сақтау ережелеріңізге және сөздігіңізге бейімдеп автоматтандырған жөн. Транскрипциялау құралы туралы толығырақ оның бетінде, командаларға арналған шарттар компанияларға арналған бөлімде, модель бағалары прайста.
Егер осы мақаланың алғашқы көрінісі сіздің командаңызға ұқсаса және біздікіндей контур қажет болса, енгізу бойынша консалтинг арқылы жазыңыз. Қазір біз ішкі құралды басқалар да пайдалана алатын нәрсеге қалай айналдыруды қарастырып жатырмыз, және бұл мәселенің сізде қалай көрінетінін түсіну біз үшін маңызды.