Перейти к содержанию

Кейс

Сервис ИИ с оплатой по секундам берёт плату и за тишину

Каждая секунда, отправленная в голосовой сервис, оплачивается, включая тишину после последнего слова. В инструменте клиента примерно треть каждого фрагмента была именно такой тишиной. Вот как её нашли, сократили и проверили.

Главное

  • Счёт по секундам считает каждую отправленную секунду, а не каждую секунду, которую слышит ваш клиент.
  • Тишину после последнего слова проще всего найти, потому что готовая работа её никогда не проигрывает.
  • Сокращайте фрагмент, только когда конец речи измерен и сам звук это подтверждает, а всё остальное отправляйте целиком.
  • Сравните старый результат с новым на настоящих примерах, прежде чем считать меньший счёт безопасным.

Если вы платите за сервис ИИ по секундам, счётчик считает всё, что вы ему отправляете, включая тишину после последнего слова, которую слушатель так и не услышит. В видеоредакторе клиента примерно треть каждого фрагмента, отправленного на замену голоса, была именно такой тишиной. Мы выяснили, откуда она берётся, изменили то, что отправляется, проверили результат на целых фрагментах и запустили всё за один рабочий день; теперь замена голоса на этой платформе стоит примерно на треть меньше за фрагмент.

Что скрывает оплата по секундам

Ставка за секунду говорит о цене одной секунды, но не о том, сколько из оплаченных секунд вообще доходит до вашего клиента.

Счёт приходит как количество использованных секунд. Он не отделяет секунды, в которых звучала речь, от тишины перед началом разговора или после его окончания, и общий итог хорошо скрывает эту разницу. В инструменте, который целыми днями обрабатывает фрагменты, это легко пропустить.

Часть этой тишины неизбежна: пауза посреди фразы — часть исполнения, и её нужно оставить. Искать стоит хвост после последнего слова, который в готовой работе всё равно отрезается.

Почему в таких инструментах появляются лишние секунды

Отправлять фрагмент целиком — самое простое, что можно сделать, и, по нашему опыту, именно так обычно и делают.

Сервис получает файл от начала до конца и берёт плату за каждую его секунду, включая шум помещения. Готовая работа при этом обрезается через долю секунды после окончания речи, так что этот хвост никогда не звучит.

Две длины живут в разных местах. Счёт считает полученные секунды, а монтаж — оставленные. Пока кто-нибудь не поставит одно рядом с другим, разрыв остаётся незаметным.

Как это нашёл наш инженер

Инструмент уже знал, где в каждом фрагменте заканчивается речь, потому что именно в этом месте делается обрезка. За эту ниточку и потянул наш инженер.

Следующий вопрос — сколько из того, что идёт после этой точки, действительно звучит. В сравнении с двумя видами монтажа в инструменте получилось чуть больше десятой доли секунды в одном и меньше трети секунды в другом. Всё, что отправлялось после этого, оплачивалось и выбрасывалось, а на этих фрагментах так выходило около трети каждого.

Главная тревога была за качество. Голосовой сервис работает с тем фрагментом, который ему дали, и более короткий фрагмент может вернуться со звучанием, отличающимся по краям. Поэтому изменение не считалось готовым, пока его не прогнали на настоящих фрагментах с настоящими преобразованиями и не сравнили со старым способом отправки целиком.

Что мы изменили

Теперь каждый фрагмент отправляется только до половины секунды после последнего слова и никогда не обрезается ближе чем за четыре десятых секунды до этой точки.

Прежде чем сократить фрагмент, должны совпасть две проверки. Конец речи должен быть измерен именно на этом фрагменте, и собственный звук фрагмента должен подтвердить, что речь закончилась: что хвост тихий, а не тянущаяся нота или начало следующего слова. Когда совпадают обе, изменённый голос возвращается и дополняется тишиной до точной исходной длины фрагмента на нашей стороне, после того как сервис его вернул. Эта добавка никогда не отправляется, поэтому за неё никогда не берут плату, а в монтаж приходит фрагмент такой же длины, как раньше.

Всё, что не проходит хотя бы одну проверку, отправляется целиком, как и раньше, а в журнале записывается причина.

Вот что вы увидели бы, будь это ваш инструмент: за сокращённый фрагмент плата берётся за меньшее число секунд, чем его собственная длина, и в журнале есть причина. За фрагмент, отправленный целиком, плата берётся ровно за его длину, а рядом в журнале указана причина — конец речи не удалось измерить на этом фрагменте или звук в хвосте не был распознан как тихий.

Что показали проверки и что пока остаётся целым

Изменение заработало на платформе клиента после проверок на настоящих фрагментах с настоящими преобразованиями, и оно ведёт себя так же, как старый способ, в пределах того, что мы могли измерить.

В этих проверках конец речи сдвигался не более чем на несколько тысячных секунды. Характер голоса совпадал настолько, насколько два преобразования одного и того же фрагмента совпадают друг с другом, а громкость оставалась в пределах обычной разницы между двумя прогонами одного фрагмента. Это сравнение, а не обещание: оно говорит, что изменения мы не измерили, а не что его нет.

Одна часть инструмента не тронута. Замена голоса сразу во всём рекламном ролике пока не использует это измерение и по-прежнему отправляет фрагменты целиком.

Что вы можете проверить сами

  • Возьмите фрагмент, который уже обрабатывали, и поставьте его собственную длину рядом с оплаченными за него секундами. Если они совпадают, фрагмент ушёл целиком.
  • Найдите журнал или историю инструмента. У сокращённого фрагмента должна быть записана причина, и у фрагмента, который не трогали, тоже.
  • Спросите, используют ли сокращённую отправку все задачи инструмента или только некоторые. В этом инструменте замена голоса сразу во всём рекламном ролике по-прежнему отправляет фрагменты целиком.
  • Спросите, что происходит со звуком, который инструмент не может безопасно оценить. Ответ, который стоит искать: он проходит как раньше, целиком.
  • Для сервиса с оплатой по минутам спросите, отправляются ли длинные участки тишины вообще и использует ли их что-нибудь.

Что делать дальше

Начните с одной цифры на одном виде задач: сколько секунд вы отправляете на обработку и сколько из них попадает в готовую работу. Если никто не может показать вам это на настоящих примерах, оставьте инструмент как есть и спросите снова, прежде чем что-то сокращать. Сокращать то, что получает платный сервис, и доказывать, что результат звучит так же, — это та работа, которую наши инженеры делают для клиентов.

Частые вопросы

Как понять, плачу ли я за тишину в голосовом или видеосервисе на ИИ?

Сравните две длины: что вы отправляете в сервис и что попадает в готовую работу. Если фрагмент отправлен целиком, а монтаж обрезает его через долю секунды после последнего слова, за хвост берут плату, а звучит он никогда. Один только счёт этого не покажет, потому что в нём указаны лишь использованные секунды.

Изменится ли звучание голоса, если сократить фрагмент?

В наших проверках на настоящих фрагментах — нет, в пределах того, что мы могли измерить. Конец речи сдвигался не более чем на несколько тысячных секунды, голос совпадал настолько, насколько два прогона одного и того же фрагмента совпадают друг с другом, а громкость оставалась в пределах обычной разницы между прогонами. К тому же сокращение делается только при совпадении двух отдельных проверок, а изменённый голос дополняется до исходной длины.

Что происходит с фрагментами, которые инструмент не может безопасно оценить?

Они отправляются целиком, точно как раньше. Фрагмент сокращается, только когда конец речи измерен на этом фрагменте и собственный звук фрагмента подтверждает, что речь закончилась. Инструмент также записывает, почему каждый фрагмент был сокращён или оставлен как есть.

Это касается и расшифровки, и видеосервисов, или только голоса?

Мы делали это только для замены голоса в видеоредакторе одного клиента, поэтому не можем сказать, сколько это сэкономит в других случаях. Но вопрос стоит задать всему, что оплачивается по секундам или минутам: расшифровке длинных записей с участками тишины или обработке, которая дополняет фрагменты. Спросите, куда деваются неиспользованные секунды.

Какая часть фрагмента обычно приходится на тишину?

Во фрагментах, которые мы смотрели, около трети каждого было тишиной после последнего слова. Это данные одного инструмента и одного набора фрагментов, так что считайте это поводом измерить свои, а не ожиданием. Доля будет разной в зависимости от ведущего, сценария и того, как сделана запись.

От Tech Concierge

Хотите, чтобы этим занимались за вас?

Ваш собственный инженер делает и ведёт сайт, приложение, CRM и ИИ-ассистента, который отвечает вашим клиентам.

Первые 7 дней — бесплатно.

Читайте также

КейсВидео и контент

Почему ваш видеосервис обещает день на работу, готовую к вечеру

Срок готовности, построенный на одной фиксированной ставке, сильнее всего ошибается на самых больших задачах, а счётчик рядом может показывать ноль. Что мы нашли на видеоплатформе клиента и что стоит проверить у себя.

5 мин чтения

КейсВидео и контент

Почему инструмент считает задачу зависшей, когда она ещё выполняется

Дважды за неделю видеоплатформа сообщила команде, что ролик остановился, хотя он ещё создавался. Исправление — спрашивать у шага, который держит задачу, прежде чем объявлять её потерянной, а не решать по часам.

5 мин чтения

КейсВидео и контент

Почему AI-ведущий меняет фон посреди видео

Команда по видео у клиента заметила, что AI-ведущий меняет место на середине двух новых роликов, и пересъёмка строк не помогла. Причина была в настройке, которую отключили только в одном виде видео.

4 мин чтения

Мы считаем посещения блога своей аналитикой, без Google, и никому не передаём, что вы читаете. Можно запомнить этот браузер с помощью cookie? Подробнее — в политике конфиденциальности.