Все 11 стандартных шагов рабочих процессов

Движок рабочих процессов DuRT 3.0 построен на базе расширяемой DAG-архитектуры и включает 11 специализированных типов шагов. Каждый блок строго подчиняется типизированному контракту данных, что позволяет гибко соединять и ветвить источники входных данных, движки распознавания, языковые модели, генерацию речи и облачные сервисы в единую автоматизированную систему.

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│ 1. Источник     │ ──> │ 2. ASR и поток  │ ──> │ 3. ИИ-обработка │ ──> │ 4. TTS и экспорт│
└─────────────────┘     └─────────────────┘     └─────────────────┘     └─────────────────┘

---

Группа 1: Шаги ввода данных (Источники)

1. monitorCapture — Захват системного звука и экрана

• Назначение: Непрерывный захват аудиопотока из Safari, Zoom, YouTube или микрофона через системные фреймворки macOS ScreenCaptureKit и CoreAudio.
• Тип выходного порта: audioStream (Поток PCM-аудио)
• Ключевые параметры: Системный звук vs Микрофон; аппаратное/DSP эхоподавление (Acoustic Echo Cancellation — AEC).

2. mediaInput — Загрузка файлов и потоковых ссылок

• Назначение: Импорт локальных медиафайлов (.mp4, .mov, .mkv, .mp3, .m4a, .wav) или веб-ссылок на видео (YouTube, Bilibili, прямые URL-адреса потоков).
• Тип выходного порта: mediaFile (Физический медиафайл)
• Ключевые параметры: Локальное демультиплексирование аудио и стандартизация формата.

3. subtitleInput — Загрузка субтитров и исходного текста

• Назначение: Загрузка готовых файлов субтитров .srt или .vtt либо переиспользование текста предыдущих задач для выполнения ИИ-обработки без повторного распознавания звука.
• Тип выходного порта: subtitleTrack (Дорожка субтитров с временными метками)
• Ключевые параметры: Автоопределение кодировки текста и смещение таймкодов на таймлайне.

---

Группа 2: Распознавание речи (ASR) и живой перевод

4. realtimeASR — Потоковое распознавание речи

• Назначение: Выдача промежуточных дельт текста и законченных фраз в реальном времени с минимальной задержкой для отображения плавающих субтитров.
• Тип входного порта: audioStream
• Тип выходного порта: subtitleStream (Поток живых субтитров)
• Поддерживаемые движки: Локальное распознавание Apple Speech, шлюз OneASR WebSocket, OpenAI Realtime API.

5. mediaASR — Транскрипция файлов и диаризация спикеров

• Назначение: Высокоточное офлайн-распознавание длинных аудиозаписей с формированием миллисекундных таймкодов для каждого слова и автоматическим разделением на спикеров (Спикер 1, Спикер 2 и т.д.).
• Тип входного порта: mediaFile
• Тип выходного порта: subtitleTrack (Дорожка субтитров с таймкодами)
• Поддерживаемые движки: Локальное распознавание Apple Speech, шлюз OneASR Gateway (Whisper / SenseVoice), OpenAI Whisper API.

6. realtimeTranslation — Синхронный перевод

• Назначение: Пофразовый перевод распознаваемого аудиопотока на лету для формирования двуязычных субтитров во время онлайн-встреч.
• Тип входного порта: subtitleStream
• Тип выходного порта: subtitleStream (Двуязычный поток живых субтитров)
• Движки: Локальный нейроперевод Apple On-Device (macOS 15), API DeepSeek, OpenAI.

---

Группа 3: ИИ-постобработка, синтез и доставка

7. subtitleRefinement — Форматирование и редактура субтитров

• Назначение: Интеллектуальная очистка текста от слов-паразитов и заминок («э-э», «как бы»), расстановка пунктуации и выравнивание длины строк (по 5–8 секунд на фразу) с полным сохранением исходных таймкодов.
• Тип входного порта: subtitleTrack
• Тип выходного порта: subtitleTrack (Отредактированная дорожка субтитров)

8. fullTranslation — Полный перевод документов и субтитров

• Назначение: Точный контекстный пакетный перевод с сохранением номеров субтитров и точных временных интервалов более чем на 50 языков.
• Тип входного порта: subtitleTrack
• Тип выходного порта: subtitleTrack (Двуязычная дорожка субтитров)

9. contentCreation — Резюме и генерация материалов

• Назначение: Автоматическое формирование кратких резюме, протоколов встреч, списков поручений или готовых заметок для публикации на базе стенограммы.
• Тип входного порта: subtitleTrack или document
• Тип выходного порта: document (Документ Markdown / TXT)

10. textToSpeech — Синтез речи и озвучка

• Назначение: Преобразование отредактированных или переведенных строк субтитров в звуковую дорожку с использованием естественных нейросетевых голосов (OpenAI TTS, Xiaomi MIMO TTS, OneTTS).
• Тип входного порта: subtitleTrack
• Тип выходного порта: mediaFile (Файл синтезированного аудио)

11. exportArtifact — Экспорт и мультиоблачная синхронизация

• Назначение: Сохранение готовых файлов на локальном диске и автоматическая отправка по 6 облачным каналам:
  • Локальный экспорт: .srt, .vtt, .json, .txt, .md, .mp3
  • Автоматическая доставка в облако: S3-совместимые объектные хранилища (AWS S3, Cloudflare R2, MinIO, OSS), сетевые диски WebDAV (Nextcloud, Synology), Локальные папки / NAS, базы данных Notion, хранилища Obsidian Vault и произвольные HTTP Webhook.
• Тип входного порта: subtitleTrack, document, mediaFile
• Тип выходного порта: deliverable (Отчет и квитанция выполнения)