Клиенты любят голосовые, а менеджеру в шумном цеху их не послушать. Да и по списку диалогов не понять, о чём голосовое, пока его не откроешь. Рассказываю, как мы сделали расшифровку голосовых для CRM без облачных API: на сервере в России с двумя ядрами и без видеокарты. Голосовое на 35 секунд превращается в текст примерно за 9 секунд. Внутри — настройки faster-whisper, грабли с декодированием звука и весь скрипт целиком.