AI Meeting Copilot — автопротоколирование совещаний с фиксацией поручений

Попробовать без установки: https://app.aibots.kz

Загрузите запись совещания или запишите её прямо в браузере — через минуту получите протокол с говорящими, поручениями и саммари, готовый к выгрузке в DOCX или PDF. Разворачивать ничего не нужно, все службы уже подняты.

Руководство пользователя со скриншотами →

Краткое описание

Протоколы совещаний ведутся секретарями вручную: это долго, а поручения, сроки и ответственные теряются или искажаются. Система принимает запись совещания и возвращает готовый протокол: транскрипт с разделением по говорящим, структурированный список поручений (кто, что, к какому сроку) и краткое саммари.

Для кого: секретари совещаний и управленческие сотрудники, которые контролируют исполнительскую дисциплину.

Кейс: docs/TASK/task.md. Проектное решение с разбором предпосылок и границ: docs/designs/meeting-protocol-agent.md.

Что реализовано

Требование кейса	Где закрыто
1. Распознавание речи участников	speech_stack/stt, развёрнуто на stt.aibots.kz
2. Русский язык	маршрут general:whisper-v6-ct2
3. Казахский язык	маршрут ksc2:whisper-turbo-ksc2-ct2, CER 0.000 на замере
4. Шала-казахский	language=auto; CER 0.0511 на публичном корпусе с человеческой расшифровкой, замер
5. Поручения с ответственным и сроком	meeting-copilot-container/summarize_transcript.py, модель на vllm.aibots.kz
6. Диаризация с привязкой к человеку	speech_stack/diarization + склейка merge_transcript.py; с субтитрами Zoom — имена вместо ярлыков
7. Экспорт протокола в файл	front/lib/export-docx.ts, front/components/printable-protocol.tsx

Из раздела «Дополнительно»

Пункт	Состояние
Развёртывание в закрытом контуре	распознавание, диаризация и языковая модель свои, исходники в репозитории
Дашборд статусов поручений	front/components/commitments-dashboard.tsx — в работе, просрочено, выполнено
Автоматическая рассылка ответственным	front/lib/notifications.ts — напоминание за 3 дня до срока и при просрочке; транспорт настраивается, без настройки письма копятся в журнале
Классификация по срочности и направлению	колонка в таблице поручений: «Срочно · Договорная работа»
Голосовая идентификация по тембру	служба развёрнута (/v1/audio/identify, /v1/speakers), образцов не зарегистрировано
Интеграция с СЭД	не делалась, вне обязательной части
Рассылка выдержек ответственным	не делалась

Сверх кейса: AI-перевод протокола. Протокол доступен на трёх языках — русском (оригинал), казахском и английском. На все три языка переводится и саммари, и таблица поручений: у поручения переводятся текст, цитата, срок словами и классификация, а имена людей, названия организаций, даты ГГГГ-ММ-ДД и идентификаторы остаются как есть. Разметка саммари — заголовки, списки, выделение — сохраняется, так что переведённая версия читается так же, как исходная.

Перевод считается на своей модели (vllm.aibots.kz), поэтому текст совещания не покидает контур и при переводе. Переключатель языка стоит в заголовке протокола, выбранный язык сохраняется между обновлениями страницы, а перевод одного совещания считается один раз: результат лежит рядом с исходным протоколом (result.<язык>.json) и в следующий раз показывается сразу, без обращения к модели. Транскрипт не переводится: это дословная запись сказанного, и переводить её значит подменять сказанное.

Сценарий 2 — контроль сроков и напоминания

Поручения всех совещаний собираются в общий список и переживают перезапуск: хранятся в MinIO (results/commitments/index.json), а не в памяти процесса. Контроль сроков измеряется неделями, и список, живущий до первого рестарта, такой задачи не решает.

Вкладка «Контроль поручений» показывает срок, ответственного, статус и остаток дней. Просроченные идут сверху с красной подложкой. Рядом с каждым поручением задаётся почта ответственного — в записи совещания адресов нет, поэтому это единственное, что вводится руками. Кнопка «выполнено» закрывает поручение.

Кнопка «Проверить сроки» запускает рассылку: напоминание уходит за три дня до срока и отдельно при просрочке. Повторно одно и то же не отправляется — отметка хранится в самом поручении. Тот же вызов годится для внешнего планировщика:

curl -X POST https://app.aibots.kz/api/commitments/notify

Настройка почты. Отправка идёт по HTTP, а не по SMTP: подходит любой провайдер, принимающий POST (Resend, Mailgun, Postmark, MailChannels), и это не тянет зависимостей в образ. Три переменные окружения:

MAIL_API_URL=https://api.resend.com/emails
MAIL_API_KEY=...
[email protected]

Переменные не заданы — письма складываются в журнал (results/commitments/outbox.json) с пометкой «не отправлено: почта не настроена», и в интерфейсе видно, кому и что ушло бы. Это честное состояние, а не тишина. В развёрнутой демо-версии почта не настроена.

Как пользоваться

Откройте https://app.aibots.kz. Подробно, с экранами — в руководстве пользователя.

Запись совещания прямо в браузере. Нажмите «Начать запись» — участникам проиграется предупреждение о том, что ведётся запись и транскрибация с помощью ИИ, сначала на казахском, затем на русском. По кнопке «Остановить» запись уходит в обработку.

Или загрузите готовый файл. Перетащите запись в зону загрузки: mp3, m4a, mp4, wav, ogg, flac, webm.

Приложите субтитры Zoom, если они есть. После выбора записи появится строка «Приложить .vtt». Субтитры необязательны, но меняют результат заметно: из них берутся настоящие имена участников, и в поручениях вместо «Говорящий 2» стоит фамилия ответственного. Без субтитров говорящие различаются по голосу и остаются безымянными, а различить модель умеет не больше четырёх.

Через минуту откроется протокол: транскрипт с говорящими и таймкодами, таблица поручений с ответственным, сроком и классификацией по срочности, саммари встречи. Кнопки сверху выгружают протокол в DOCX и PDF.

Вкладка «Контроль поручений» собирает поручения всех совещаний и раскладывает их по статусу: в работе, просрочено, выполнено. Впишите почту ответственного в строке поручения и нажмите «Проверить сроки» — система отправит напоминания по тем, у кого срок на подходе или уже прошёл. Это Сценарий 2 из кейса.

Прогресс не теряется при обновлении страницы. Браузер помнит, какая встреча обрабатывается, и после F5 возвращается на тот же экран, а таймер продолжает считать от начала обработки, а не с нуля.

Как работает

1. Секретарь загружает файл или включает запись с микрофона прямо в интерфейсе. К записи можно приложить субтитры Zoom — тогда имена говорящих берутся из них. Перед началом проигрывается голосовое предупреждение участникам о том, что ведётся запись и транскрибация с помощью ИИ — на казахском и русском (front/public/audio-warnings/). Запись попадает в MinIO.
2. В Kafka уходит RecognitionRequest с идентификатором сообщения и ссылкой на папку.
3. Обработчик забирает файлы, конвертирует в MP3 и распознаёт речь целиком, с пословными метками времени.
4. Та же запись отдельно диаризуется. Каждое слово приписывается тому, кто говорил в его середине: на стыке реплик начало слова часто попадает в хвост предыдущего говорящего.
5. Склеенный транскрипт уходит в LLM, которая выделяет поручения с ответственным и сроком и собирает саммари.
6. transcript.json и summary.md возвращаются в ту же папку MinIO, в Kafka уходит RecognitionResponse. Интерфейс показывает протокол и отдаёт файл.

Технологии

Слой	Что используется
Распознавание речи	faster-whisper на CTranslate2; два маршрута: общий (ru, en) и казахский (собственная дообученная модель)
Диаризация	nvidia/diar_streaming_sortformer_4spk-v2, эмбеддер голоса titanet_large
Шлюз речевых служб	Caddy, один Bearer-токен на все ручки
Обработчик	Python, ffmpeg, Kafka-консьюмер, pydantic-контракты
Транспорт	Apache Kafka (топики запросов и ответов), MinIO (файлы)
Разбор транскрипта	Qwen3.8-27B-FP8 на vLLM, развёрнута на vllm.aibots.kz
Интерфейс	Next.js (App Router), Tailwind v4, каталог front/
Инфраструктура	Docker Compose, Traefik с Let's Encrypt, IaC-документация в infrastructure/ansible/

Архитектура

front/  ──① запись──►  MinIO  uploads/<meeting_id>/
  │                      ▲
  │ ② meetings.uploaded  │ ⑤ result.json
  ▼                      │
Kafka                    │
  │ ③                    │
  ▼                      │
services/adapter ──► meeting-copilot-container ─┘
  ├──► stt.aibots.kz  /v1/audio/transcriptions   распознавание
  ├──► stt.aibots.kz  /v1/audio/diarize          диаризация
  └──► vllm.aibots.kz /v1/chat/completions       поручения и саммари
  │
  └──⑥ meetings.ready | meetings.failed ──► front/

Компонент	Каталог	Роль
Веб-интерфейс	front/	загрузка файла и запись с микрофона, субтитры Zoom, голосовое предупреждение участникам, статусы обработки, протокол, контроль поручений с напоминаниями, экспорт в DOCX и PDF
Доставка записей Zoom	services/zoom-ingest/	забирает облачные записи и входит во встречу участником; отдаёт то же событие meetings.uploaded
Адаптер контрактов	services/adapter/	переводит события интерфейса в формат обработчика и собирает result.json
Обработчик	meeting-copilot-container/	Kafka-консьюмер: распознавание, диаризация, склейка, разбор
Речевые службы	speech_stack/	исходники ASR, диаризации и шлюза
Транспорт и развёртывание	infrastructure/	Kafka, MinIO, Traefik, IaC-документация
Утилиты и замеры	tools/	извлечение поручений, бенчмарки распознавания

Речевые службы: stt.aibots.kz

Собственный стек, исходники в speech_stack/, развёрнут на машине с NVIDIA GPU. Три службы за одним шлюзом и одним токеном.

Ручка	Назначение	Токен
GET /health	проба распознавания	не нужен
GET /health/diar	проба диаризации	не нужен
POST /v1/audio/transcriptions	речь → текст, OpenAI-совместимо	нужен
POST /v1/audio/diarize	кто когда говорил	нужен
GET /v1/models	список моделей	нужен
POST /v1/audio/identify, /v1/audio/verify, /v1/speakers	опознание говорящего по образцу	нужен

Авторизация — Authorization: Bearer $STT_TOKEN. Неизвестные пути тоже отвечают 401, поэтому снаружи не виден даже состав ручек.

Параметры распознавания, которые влияют на результат:

Поле	Значение
response_format	verbose_json — даёт пословные метки времени, без них склейка с диаризацией невозможна
language	ru | kk | en | auto; auto возвращает route и detected_language
hotwords	список собственных имён через запятую, повышает точность ФИО

Замеры на записи 4 мин 34 с (русский), артефакты в docs/TASK/records/artifacts/:

Шаг	Время	Результат
Распознавание	19.5 с	61 сегмент, 567 слов с метками, маршрут general:whisper-v6-ct2
Диаризация	2.5 с	55 сегментов, 4 голоса
Склейка	мгновенно	30 реплик с говорящими и таймкодами

Языковая модель: vllm.aibots.kz

Qwen3.8-27B-FP8 под vLLM, OpenAI-совместимый интерфейс. Развёрнута на той же GPU-машине, что и речевые службы. Разбор транскрипта идёт здесь, поэтому текст совещания не покидает контур — этого требует раздел «Ограничения» кейса.

from openai import OpenAI
client = OpenAI(base_url="https://vllm.aibots.kz/v1", api_key=os.environ["VLLM_API_KEY"])

Имя модели — qwen3-vl-30b-instruct. Алиас исторический и оставлен намеренно: его уже знают существующие потребители.

Параметр	Значение
Контекст	65 536 токенов на запрос
Одновременных запросов	6, седьмой встаёт в очередь
KV-кэш	fp8, доля карты 0.65
GET /health	200 без токена
GET /v1/models без токена	401

Карта общая с распознаванием, диаризацией и синтезом: тяжёлый прогон разбора замедляет расшифровку. Ограничения частоты нет, единственная защита — токен, поэтому он приходит из окружения и никогда не попадает ни в репозиторий, ни в код, исполняемый в браузере.

Замер на транскрипте тестовой записи: 58 с, извлечено 10 поручений с ответственным и сроком, результат в docs/TASK/records/artifacts/commitments.json.

Установка и запуск

Инфраструктура (Kafka, MinIO)

cd infrastructure
./local-up.sh

Скрипт создаёт .env, поднимает сервисы, дожидается готовности, проверяет что топики и бакет созданы, и печатает адреса с паролями. Это единственная точка входа для инфраструктуры: отдельного compose в корне репозитория нет.

Речевые службы

Разворачиваются на машине с NVIDIA GPU:

cd speech_stack
cp .env.example .env
openssl rand -hex 32          # положить в STT_TOKEN
docker compose up -d --build

Первая сборка долгая: веса распознавания конвертируются в формат CTranslate2 внутри образа, веса диаризации тянутся при первом старте.

Обработчик

cd meeting-copilot-container
cp .env.example .env          # адреса Kafka и MinIO, токены речевых служб и модели
docker compose up -d --build

Веб-интерфейс

cd front
npm install
npm run dev                   # http://localhost:3000

Как проверить решение

Самый короткий путь — открыть развёрнутую версию

1. Откройте https://app.aibots.kz.
2. Перетащите в зону загрузки любую запись совещания. В репозитории лежат две готовые: docs/TASK/records/.
3. Дождитесь обработки — на записи 4 мин 34 с это примерно минута.
4. Проверьте протокол: транскрипт разделён по говорящим с таймкодами, в таблице поручений есть ответственный, срок и классификация, внизу саммари.
5. Нажмите выгрузку в DOCX и PDF — файлы скачиваются из браузера.

Эталон того, что должно получиться, лежит в репозитории: docs/TASK/records/artifacts/ — сырые ответы распознавания и диаризации, собранный протокол и разобранные поручения.

Проверка служб по отдельности

Проба живости речевых служб — доступна без токена:

curl -s https://stt.aibots.kz/health
curl -s https://stt.aibots.kz/health/diar

Ответ содержит состав загруженных моделей и устройство.

Сквозной прогон одной записи, от файла до протокола с говорящими:

export STT_TOKEN=...
cd speech_stack
./tools/example.sh "../docs/TASK/records/Совещание №1.mp3" "Совещание №1" > протокол.md

Эталонный результат такого прогона лежит в репозитории и его можно сверить: docs/TASK/records/artifacts/protocol.md, рядом — сырые ответы распознавания и диаризации.

Распознавание смешанной речи: ничего не настраивать

curl -H "Authorization: Bearer $STT_TOKEN" \
     -F file=@запись.mp3 -F language=auto -F response_format=verbose_json \
     https://stt.aibots.kz/v1/audio/transcriptions

language=auto — и всё. Детектор сам уводит смешанную речь на казахский маршрут: на 31 записи из 31, без единого промаха. Указывать kk вручную не нужно, результат тот же.

Чего делать нельзя: ставить language=ru на том основании, что половина слов русские. Это ровно вдвое хуже — 0.1147 против 0.0511.

Проверить это утверждение на публичных данных:

huggingface-cli download Tim2190/kazakh-codeswitch-asr \
    --repo-type dataset --local-dir ./kazakh-codeswitch-asr
export STT_TOKEN=...
python3 tools/bench_shala.py kk ru auto

Извлечение поручений из готового протокола:

export VLLM_API_KEY=...
python3 tools/extract_commitments.py \
    docs/TASK/records/artifacts/protocol.md /tmp/commitments.json

Эталон — docs/TASK/records/artifacts/commitments.json: 10 поручений с ответственным, сроком в ISO и дословной цитатой назначения.

Данные и интеграции

• Тестовые записи совещаний: docs/TASK/records/. Записи смоделированные, что допускается условиями кейса.
• Речевые службы: собственный стек stt.aibots.kz, исходники в репозитории.
• Языковая модель: собственная vllm.aibots.kz, развёрнута на своей GPU-машине.
• Транспорт: Kafka и MinIO, поднимаются из infrastructure/.

Записи Zoom: services/zoom-ingest/

Два режима, и оба отдают одно и то же событие meetings.uploaded — дальше конвейер не знает, откуда пришла запись, и разбор идёт одинаково.

poll — облачные записи постфактум (демон, docker compose up -d --build). Server-to-Server OAuth (ZOOM_ACCOUNT_ID, ZOOM_CLIENT_ID, ZOOM_CLIENT_SECRET) к Zoom Cloud Recording API. Проход каждые ZOOM_POLL_INTERVAL_SEC (120 с) по записям за ZOOM_LOOKBACK_DAYS (1 день) у хоста ZOOM_USER_ID; пусто — по всем пользователям аккаунта. Из recording_files берётся по одному файлу на вид, только status=completed: аудио M4A (видео MP4 как замена, если аудио не отдано) и TRANSCRIPT — субтитры VTT, из которых потом берутся имена участников. Файлы кладутся в MinIO как recordings/<meeting_id>/audio.m4a и transcript.vtt, где meeting_id = zoom-<id совещания>-<UTC ГГГГММДДTЧЧММСС> — он выводится из данных Zoom, поэтому повторный проход по той же записи даёт тот же идентификатор.

bot — участник встречи (docker compose run --rm zoom-bot "<ссылка>" --name "..."). Chromium без окна (Playwright) входит в веб-клиент Zoom, звук встречи уходит в null-sink PulseAudio, ffmpeg пишет его monitor. По окончании встречи или по истечении --max-minutes (по умолчанию 180) файл уезжает в recordings/zoom-live-<id>-<ts>/live.webm и публикуется то же событие. Микрофона у бота нет: записывается только то, что звучит во встрече. Хост должен пустить бота из зала ожидания; самое хрупкое место — селекторы веб-клиента Zoom, они меняются на стороне Zoom.

Повторов не будет, потерь тоже. Обработанные uuid записей лежат в state.json бакета zoom-ingest. Запись помечается обработанной только когда аудио действительно скачано: если Zoom ещё рендерит файл и download_url не отдан, uuid остаётся непомеченным и запись забирается на следующем проходе. Упавший проход не убивает демон — traceback в лог и повтор через интервал.

Связка с остальным стеком: общая сеть meeting-copilot_web, KAFKA_BROKERS=kafka:9092, MINIO_ENDPOINT=minio:9000; бакеты recordings и zoom-ingest создаёт mc-init. На очереди — вебхук recording.completed вместо опроса (ZOOM_WEBHOOK_SECRET_TOKEN уже заложен в конфиг).

• Внешние платные API распознавания не используются.

Ограничения

• Рассылка напоминаний работает без почтового провайдера в режиме журнала. Логика сроков, дедупликации и статусов проверена на живых данных, но письма никуда не уходят, пока не заданы MAIL_API_URL, MAIL_API_KEY и MAIL_FROM. Адрес ответственного вводится руками: в записи совещания почты нет, а угадывать её по имени нельзя.
• Имена участников без субтитров не определяются. Диаризация различает голоса, но не знает, кому они принадлежат, поэтому в протоколе стоят «Говорящий 1», «Говорящий 2». С приложенными субтитрами Zoom имена настоящие. Определение имён по тексту разговора (по обращениям и назначениям поручений) проверено отдельно, но в конвейер не подключено.
• Диаризующая модель различает ровно четыре голоса. Пятый участник сливается с одним из четырёх; это архитектура модели, а не настройка. В тестовой записи названы пятеро участников и получено четыре ярлыка.
• Шала-казахский замерен на публичном корпусе Tim2190/kazakh-codeswitch-asr (31 запись, человеческая дословная расшифровка): pooled CER 0.0511 с language=auto. Замер включает контроли — пустая гипотеза 1.0000, бессмыслица 0.9486, чужой эталон 0.9306, — то есть стенд умеет провалиться, и число не пустое. Корпус состоит из стендапа: чистая запись, близкий микрофон. На телефонной полосе, в зале с эхом или при перебиваниях число будет хуже, и насколько — мы не знаем.
• Разговорные стяжения приводятся к литературной форме (болад → болады). Для протокола совещания это скорее плюс, но дословной записи не даёт. Ошибки сосредоточены на стыке языков — казахская вставка в русской фразе и первые слова после переключения. Реальная телефонная речь с шумом и перебиваниями не замерялась, методика и границы — в docs/TASK/records/kk/.
• Опознание говорящего по тембру развёрнуто, но образцов голосов не зарегистрировано, поэтому имена в протоколе не проставляются автоматически.
• Поле duration в ответе распознавания занижено; фактическая длительность считается по данным, см. speech_stack/tools/merge_transcript.py.
• Формат AAC (.m4a) не декодируется напрямую, требуется конвертация в MP3.
• Языковая модель и речевые службы делят одну видеокарту: параллельная нагрузка замедляет оба тракта. Потолок — шесть одновременных запросов к модели.
• Разбор транскрипта пятиминутной записи занимает около минуты.
• Полноценная интеграция с СЭД и промышленное развёртывание в объём работ не входили.

Дальнейшее развитие

Что известно как незакрытое и что с этим делать дальше — по убыванию отдачи.

Поиск по архиву совещаний (RAG). Протоколы, транскрипты и поручения копятся в MinIO, но каждое совещание пока живёт само по себе. Если сложить их в векторный индекс, поверх архива можно отвечать на вопросы, ради которых сейчас перечитывают протоколы руками: «что решили по этому поставщику», «какие поручения давали департаменту за квартал», «чем закончилось прошлое обсуждение». Второе применение полезнее первого: подставлять найденное прямо в разбор новой записи — тогда модель видит, что тема тянется с прошлой встречи, не заводит поручение-дубль и подхватывает принятые ранее формулировки и названия. Требование «текст не покидает контур» при этом сохраняется: и эмбеддинги, и генерация считаются на своей GPU-машине, рядом с vllm.aibots.kz.

Диаризация по сотрудникам: нужны образцы голоса. Служба опознания по тембру развёрнута (/v1/audio/identify, /v1/speakers, модель titanet_large), но образцов голосов не зарегистрировано, поэтому имена подставляются только из субтитров Zoom, а на записи с телефона или из переговорной остаются ярлыки «Говорящий 1». Достаточно разового сбора образцов сотрудников — дальше диаризация перестаёт быть безымянной: ярлык связывается с конкретным человеком, имя в поручении берётся из голоса, столбец «уверенность» перестаёт быть низким на обычных записях, а один и тот же сотрудник опознаётся от совещания к совещанию, что открывает сводку поручений по людям без ручной разметки.

Две вещи делаются до того, как этому доверять. Порог сходства по умолчанию 0.78 перемеряется на своём материале: студийная запись, зал и телефон дают разные распределения, и порог с одного типа звука на другой не переносится. И голосовой слепок — биометрия: согласие сотрудников получают до того, как ручка окажется в продукте.

Совещания больше четырёх голосов. Диаризация работает моделью sortformer_4spk — четыре голоса это её потолок, пятый приклеивается к кому-то из первых четырёх. Для совещаний на 8–10 человек нужна другая модель или кластеризация по эмбеддингам titanet_large, которая уже развёрнута рядом.

Поручение живёт в системе, где его ведут. Сейчас поручения хранятся в MinIO и показываются в дашборде. Отдача появится, когда они уезжают в СЭД, Jira или Bitrix — туда, где сотрудник и так смотрит задачи. Разбор уже отдаёт структуру (text, assignee, due_date, classification), так что это адаптер, а не переделка.

Почта в корпоративный контур. Транспорт напоминаний настраивается переменными (MAIL_API_URL, MAIL_API_KEY, MAIL_FROM); без настройки письма копятся в журнале results/commitments/outbox.json. Нужен корпоративный SMTP и отметка о выполнении по ссылке из письма, чтобы исполнитель закрывал поручение не заходя в интерфейс.

Доменная лексика. Шала-казахский замерен на публичном корпусе с человеческой расшифровкой (CER 0.0511). Банковская речь — номера договоров, названия продуктов, фамилии — в замер не попадала. Дальше нужны реальные записи созвонов и дообучение на них; маршрут для собственной модели в распознавании уже есть.

Перевод транскрипта. Переводятся саммари и поручения. Транскрипт оставлен дословным осознанно, но двуязычному совещанию пригодился бы параллельный показ: исходная реплика и перевод рядом, а не вместо.

Разделение нагрузки. Языковая модель и речевые службы делят одну видеокарту, потолок — шесть одновременных запросов. Для потока совещаний это разные карты и очередь с приоритетами, а не одна машина.

Обработка по ходу встречи. Сейчас запись обрабатывается файлом целиком: протокол готов через минуту после конца. Потоковое распознавание дало бы черновик поручений уже во время совещания — можно поправить формулировку, пока участники не разошлись.

Ссылка на развёрнутую версию

Приложение: https://app.aibots.kz — загрузка записи, транскрипт с говорящими, поручения, саммари, выгрузка протокола.

Компонент	Адрес	Открытая проба
Приложение	https://app.aibots.kz	/
Речевые службы	https://stt.aibots.kz	/health, /health/diar
Языковая модель	https://vllm.aibots.kz	/health

Замер на развёрнутом стенде: запись 4 мин 34 с проходит путь целиком примерно за 60 секунд и даёт 30 реплик, 4 говорящих, 10 поручений со сроками и саммари.