Пользователь диктует команду, ждёт ответ — и через 3 секунды получает не то. Знакомо? В голосовом ассистенте главное — скорость и точность распознавания. Мы решаем эту задачу, собирая пайплайн из VAD, STT, NLU и TTS с суммарной задержкой от конца фразы до ответа ≤1.5 секунды. Это техническое ограничение, которое мы преодолеваем через оптимизацию каждого этапа: от детекции голоса до синтеза речи. Мы берём на себя весь цикл: проектирование, разработку, интеграцию с вашей CRM или ERP и публикацию в сторах. За 7+ лет мы внедрили голосовых ассистентов в 15+ проектах для iOS и Android. Оцените наш подход — свяжитесь, мы проконсультируем вас.
Как устроен пайплайн голосового помощника?
Микрофон → VAD → STT → NLU → Logic → TTS → Динамик. Каждый компонент вносит вклад в latency.
Пример конфигурации VAD на Android
```kotlin val vad = SileroVAD.create(context) vad.start { frame -> if (vad.isVoice(frame)) { // отправляем аудио на STT } }
**STT** — Speech-to-Text. Выбор: нативный `SFSpeechRecognizer` (iOS) или Android Speech для простых сценариев; для русского языка с высокой точностью — Яндекс SpeechKit или OpenAI Whisper API. <cite>Apple Developer Documentation</cite> рекомендует использовать SFSpeechRecognizer для базовых команд. Стоимость облачного распознавания — около $0.006 за минуту аудио для Whisper API, on-device — бесплатно. Типичный запрос длится 3-5 секунд, поэтому затраты минимальны.
## Почему latency ≤1.5 секунды — критично?
Пользователь ожидает мгновенной реакции. Задержка более 2 секунд воспринимается как «зависание». Мы добиваемся этого через параллельные запросы, локальную обработку и кэширование частых интентов. Каждый компонент имеет свою долю задержки:
| Компонент | Типовая задержка | Затраты (за минуту аудио) |
|-----------|------------------|---------------------------|
| VAD (Silero) | 30-50 ms | $0 (on-device) |
| STT (Whisper API) | 200-400 ms | ~$0.006 |
| NLU (Rasa) | 200-400 ms | $0 (self-hosted) |
| TTS (Яндекс SpeechKit) | 200-500 ms | ~$0.002 |
Суммарно — до 1.5 секунд. При замене NLU на LLM (GPT-4) задержка может вырасти до 4 секунд, что неприемлемо для real-time.
### Intent Recognition: что реально работает
Для ограниченного домена (умный дом, интернет-банк) — Rasa NLU или Dialogflow с 50–200 обучающими примерами на интент. Для открытого домена — LLM с function calling. Rasa NLU лучше Dialogflow для конфиденциальных данных, так как работает на вашем сервере и не отправляет речь в облако.
| Характеристика | Rasa NLU | Dialogflow | LLM (GPT-4) |
|----------------|----------|------------|-------------|
| Приватность | Полная | Облако Google | Облако (prompt) |
| Точность на домене | 90%+ | 85%+ | 95%+ (но медленнее) |
| Сложность настройки | Средняя | Низкая | Высокая (prompt engineering) |
| Задержка | 200-400 ms | 500-800 ms | 1-4 sec |
### Кейс из нашей практики
Корпоративный ассистент для полевых сотрудников: голосовое создание задач в CRM без разблокировки телефона. Стек: SileroVAD on-device -> Яндекс SpeechKit streaming -> Rasa NLU (self-hosted, 23 интента) -> CRM REST API -> Яндекс SpeechKit TTS. Latency: медиана 1.1 с, p95 2.3 с. Rasa NLU обеспечила полный контроль над данными. По оценкам заказчика, экономия времени сотрудников составила около 25%.
## Как внедрить голосового помощника: пошаговый план
1. **Анализ сценариев** — определяем список команд и контексты (до 3 дней).
2. **Выбор компонентов** — STT, NLU, TTS с учётом языка, приватности и бюджета.
3. **Интеграция пайплайна** — связываем модули, настраиваем параметры VAD и таймауты.
4. **Тестирование на реальных данных** — запись диалогов, A/B тесты, оптимизация.
5. **Релиз в сторах** — подготовка метаданных, тестирование с TestFlight/Internal Track.
## Когда нужен on-device STT?
Если приложение должно работать офлайн или требуется минимальная задержка — выбирайте on-device. Точность ниже (80-90%), но задержка 300-500 мс и нет затрат на вызовы API. Для русского языка on-device пока уступает облачным решениям, но подходит для ограниченного набора фраз.
## Что входит в работу
- Архитектурная документация и API-спецификации
- Настроенный CI/CD для сборки и деплоя
- Исходный код и доступ к репозиторию
- Обучение вашей команды работе с голосовым пайплайном
- Пост-релизная поддержка в течение 2 недель
### Ориентировочные сроки
- Базовый пайплайн STT + NLU + TTS: 2–3 недели
- С wake word и контекстом: 4–6 недель
- С интеграцией в существующую инфраструктуру: уточняется индивидуально
Стоимость рассчитывается после анализа ваших требований. Получите консультацию по вашему сценарию — свяжитесь с нами. Мы оценим проект за 1–2 дня.