Любой разработчик знает проблему: созвоны заканчиваются быстрее, чем начинается настоящая работа после них.

Записали встречу → обсудили задачи → приняли решения.

А дальше начинается самое неприятное — нужно переслушивать запись и вручную выписывать задачи.

Если созвонов много, это превращается в постоянную потерю времени.

Я решил автоматизировать этот процесс и собрать простой CLI-pipeline:

аудиозапись → текст → анализ → готовое техническое задание.

В итоге теперь весь разбор встречи выполняется одной командой в терминале.

Почему вообще появилась эта идея

Обычно workflow выглядел так:

• запись Zoom/Meet созвона;
• ручное прослушивание;
• поиск важных моментов;
• выписывание задач;
• оформление ТЗ.

Даже при коротких встречах это занимало 20–40 минут.

При этом большая часть работы — чисто механическая:

сначала перевести речь в текст, потом структурировать его.

Обе задачи отлично решаются нейросетями.

Шаг 1. Расшифровка речи через Whisper (CLI)

Первое, что нужно — быстро получить текст разговора.

Для этого я сделал небольшой CLI-инструмент на Python на базе Whisper:

👉 https://github.com/imjonos/whisper-speech-to-text-cli

Это простой speech-to-text инструмент, который:

• принимает аудио и видео файлы;
• автоматически конвертирует их через ffmpeg;
• распознаёт русскую речь;
• поддерживает разные модели Whisper;
• работает полностью из командной строки.

Чтобы не вводить длинные команды, я добавил алиас:

stt

Теперь расшифровка выглядит максимально просто:

stt meeting.mp4 transcript.txt

На входе — запись встречи.

На выходе — текстовая расшифровка.

Используется модель base, потому что она даёт оптимальный баланс скорости и точности. Для задач анализа встреч идеальная пунктуация не нужна — важен смысл.

Шаг 2. Превращаем текст в задачи через AI CLI

После расшифровки появляется новая проблема: текст огромный и хаотичный.

Нужно:

• выделить решения;
• найти задачи;
• структурировать обсуждение.

Для этого я сделал второй инструмент:

👉 https://github.com/imjonos/gigachat-cli

Это CLI-клиент для работы с GigaChat напрямую из терминала.

Он умеет:

• суммировать текст;
• объяснять код;
• анализировать логи;
• делать ревью;
• переводить;
• принимать данные через stdin.

Я добавил алиас:

ai

Теперь анализ текста выглядит так:

cat transcript.txt | ai --summarize

А выделение задач:

cat transcript.txt | ai --prompt "Выдели задачи и оформи как техническое задание"

Шаг 3. Настоящая магия — pipeline

Самое интересное начинается, когда оба инструмента объединяются.

Теперь полный workflow выглядит так:

stt meeting.mp4 transcript.txt && \
cat transcript.txt | ai --prompt "Сформируй список задач и техническое задание"

Что происходит:

1. Whisper переводит речь в текст.
2. Текст сразу отправляется в AI.
3. Модель структурирует информацию.
4. На выходе — готовое ТЗ.

Фактически:

созвон → готовые задачи без ручной работы.

Почему CLI оказался лучше веб-сервисов

Я сознательно не делал веб-интерфейс.

CLI даёт несколько преимуществ:

• скорость — запуск одной командой;
• легко встроить в dev workflow;
• можно автоматизировать через bash-скрипты;
• работает с большими файлами;
• идеально сочетается с Unix pipeline.

По сути, это AI-инструмент, который ведёт себя как обычная консольная утилита.

Реальная экономия времени

После внедрения pipeline изменилось главное:

раньше — после каждого созвона ещё 30 минут работы;

теперь — запуск команды и готовый результат через несколько минут.

Особенно полезно для:

• тимлидов;
• фриланс-разработчиков;
• продуктовых команд;
• стартапов с большим количеством обсуждений.

Что можно улучшить дальше

Следующий логичный шаг:

• автоматическое создание GitHub Issues;
• генерация задач в Jira;
• отправка summary в Telegram или Slack;
• автоархивация встреч.

CLI-подход позволяет расширять pipeline практически бесконечно.

Итог

Получился простой, но очень практичный AI workflow разработчика:

✅ запись встречи

✅ speech-to-text через Whisper

✅ анализ текста нейросетью

✅ автоматическое создание ТЗ

Две маленькие утилиты заменили ручной разбор созвонов.

Проекты открыты на GitHub:

• Whisper Speech-to-Text CLI
• https://github.com/imjonos/whisper-speech-to-text-cli
• GigaChat CLI
• https://github.com/imjonos/gigachat-cli