Как я пришел к разработке своего приложения для записи звонков
Я менеджер в большой компании. Мой обычный день - это шесть-восемь созвонов подряд: планёрки, разборы, «пятиминутки», которые идут час. К вечеру в голове каша. Я обещал подготовить план работ? Мы решили переносить релиз или только обсуждали? И что, чёрт возьми, я пообещал Егору в 11:30? Вспомнить кому и что я обещал просто невозможно.
Похоже на меня в конце дня.
Блокнот до конца не спасает. Пока я записываю одну задачу коллеги набрасывают три сверху. Запись на диктофон не спасает. Прослушивание удлиняет подготовку итогов встречи в 2-3 раза.
Что пробовал раньше
Сначала просто писал все встречи через OBS, а потом пересматривал куски, которые забыл. Получалось долго: записей за день набиралось на несколько часов, искать в них нужное место - отдельная работа. А ещё я регулярно забывал включить OBS.
Потом попробовал встроенную запись площадок. МТС Линк и eXpress умеют записывать встречи. Но встречи у меня идут в разных местах: с продуктовыми командами в Zoom, с подрядчиками в Телемосте, у банка что-то своё. Везде своя кнопка, и везде нужно не забыть её нажать.
Вернулся к OBS и добавил Whisper отдельным приложением для расшифровки. Стало лучше, но проблемы остались: запись я по-прежнему забывал включать, а расшифровку приходилось запускать руками.
Последней попыткой был Screenpipe - программа, которая пишет всё, что происходит на компьютере. Ресурсов она ест как не в себя, всё только на английском, пишет постоянно, а не только встречи. И всё это копится на диске, откуда может утечь.
Из всех этих попыток сложился список того, что мне на самом деле нужно:
запись включается сама, когда начинается созвон, в любой программе;
расшифровка и итоги готовятся сами, без кнопок;
всё по-русски;
ничего не уходит с компьютера и не пишется лишнего.
Готового решения с таким набором я не нашёл и попробовал сделать сам.
Как я это делал
Сразу признаюсь: программист из меня так себе. Весь мой опыт разработки - скрипты на bash, которые автоматизировали установку программ, и Бейсик в колледже. Так что код за меня писали нейросети, а я ставил задачи, проверял и ругался.
По вечерам и выходным ушла неделя до первого прототипа и месяц до продукта, которым можно пользоваться каждый день.
Наша совместная работа выглядела примерно так:
Конь, кстати, ни разу не пожаловался.
Что получилось
Итогом работ получилась Surnia - приложение для записи звонков, которое живёт в строке меню Mac с маскотом совы. Включил камеру на созвоне - и программа начинает запись сама (можно и вручную из меню). После встречи автоматом собирает заметку: тема, решения, задачи и полная расшифровка. И что очень важно для меня - всё происходит на самом компьютере. Запись, расшифровка и пересказ никуда не отправляются.
Что в итоге умеет приложение
Само понимает, что начался созвон. Приложение следит не за конкретной программой, а за камерой: включилась камера - пошла запись, выключилась - через полминуты запись закончилась. Поэтому всё равно, где встреча: Zoom, Телемост, МТС Линк или что-то своё у банка. Если созвон без камеры, запись включается одной кнопкой в меню.
Пишет меня и собеседников раздельно. Мой микрофон и звук из колонок идут разными дорожками, поэтому в расшифровке сразу видно, где говорил я, а где остальные.
Узнаёт людей по голосу. Один раз послушал фрагмент и назвал человека, дальше в расшифровке будет «Егор», а не «Собеседник 2».
Пишет пересказ по шаблону. Шаблон - обычная заметка с инструкцией для нейросети. Хочешь другие разделы или другой тон - правишь текст, и следующие встречи собираются по-новому.
Разбирает готовые записи. Файл из Zoom, Teams или диктофона кидаешь в меню «Разобрать запись…» и получаешь такую же заметку, как после обычной встречи.
Может снимать экран. Раз в несколько секунд делает снимок, и в пересказ попадают цифры и пункты со слайдов, а не только слова. По умолчанию выключено, включается для конкретной встречи.
Знает ваши словечки. Названия продуктов и аббревиатуры записываются в словарь, и распознавание перестаёт превращать их в случайные слова.
Складывает всё в обычные файлы. Заметки в формате Markdown ложатся в выбранную папку. С Obsidian получается удобная база встреч со ссылками на людей, но он не обязателен.
Всё считается на самом Mac. Речь распознаёт Whisper, пересказ пишет Qwen, голоса различает отдельная маленькая модель. Все три работают прямо на компьютере, без облака.
Особенности работы
Только Mac на Apple Silicon (M1 и новее), macOS 14.4 и выше.
Саммари хорошо работает на маках с хорошим процессором и большой памятью. (от 16 ГБ.)
Распознавание ошибается, особенно на плохой связи и когда все говорят разом.
Как это выглядит
Вот заметка с выдуманной встречи про запуск нового сайта:
Утром открываю заметку вчерашней планёрки и через минуту знаю, что кому обещал. Больше ничего от неё и не нужно.
Сколько стоит и где взять
Бесплатно. Без подписки, без рекламы, без покупок внутри. Ищется в Mac App Store по слову Surnia.
Вопрос к вам
Как вы фиксируете, о чём договорились на созвонах? Блокнот, память, «потом пришлю итоги в чат»? А если попробуете Surnia, напишите, чего не хватает.