Aisha — голосовой ИИ‑репетитор английского: архитектура реального времени
Разработчик Кирилл делится деталями проекта Aisha — ИИ‑репетитора, который ведёт разговорную практику на английском в режиме реального времени.
В статье на Habr AI Кирилл рассказывает о своём проекте Aisha – голосовом ИИ‑репетиторе, предназначенном для практики разговорного английского. Основная цель — создать систему, способную поддерживать живой диалог, корректировать произношение и давать мгновенную обратную связь.
Ключевые технические решения:
- ASR: для распознавания речи используется Whisper‑large‑v2, работающий в режиме low‑latency (≈ 150 мс отклик).
- LLM: генерация ответов построена на модели GPT‑4‑Turbo через OpenAI API, с кастомным промптом, учитывающим уровень ученика и контекст диалога.
- TTS: синтез речи реализован через ElevenLabs v2, позволяющий менять голос и интонацию в зависимости от сценария.
- Orchestration: всё связывает LangChain‑pipeline, где каждый шаг (ASR → текст‑обработка → LLM → пост‑обработка → TTS) выполняется асинхронно, что обеспечивает общую задержку менее 500 мс.
- Контроль качества: встроенный модуль оценки произношения сравнивает спектрограммы с эталоном, выдавая баллы и рекомендации.
Инфраструктура: сервис развернут в Docker‑контейнерах на AWS Fargate, масштабируется по запросу. Для хранения диалогов используется DynamoDB, а метрики собираются в Grafana.
Результаты: в тестовой группе из 30 студентов средний балл разговорных навыков вырос на 18 % за две недели интенсивных сессий. Репозиторий проекта доступен на GitHub (https://github.com/kirill/aisha), а демо‑версия работает по ссылке https://aisha.ai/demo.
Ссылка на оригинал: https://habr.com/ru/articles/1057114/
Aisha демонстрирует, как собрать полностью голосовой учебный цикл из готовых облачных сервисов. Для разработчиков это пример, как быстро построить MVP репетитора, а студенты могут ожидать более интерактивные языковые практики без живого учителя.
