ИИ-ассистент в Telegram, готовый упростить работу с аудио и текстами. Запищите, перешлите ему аудио-сообщение и он не только проведет транскрибацию, но и сделает выжимку из текста по заданным настройкам.
Что умеет:
- 🗣 Принимает голосовые сообщения (.ogg) и различные аудиофайлы (.mp3, .wav, и т.д.).
- ✍️ Быстро и точно транскрибирует аудио в текст с помощью продвинутой модели Whisper. Пользователи могут выбрать язык транскрибации или доверить боту автоопределение!
-💡 Генерирует краткое и информативное резюме из полученного текста или любого текстового сообщения от пользователя. Доступны разные стили: от очень короткого до подробного с ключевыми пунктами.
- ⚙️ Позволяет настроить язык для транскрибации и выбрать подходящий стиль резюме через команду /settings.
✍️ Просто отправьте ему голосовое, аудио или текстовое сообщение, и он сделает все остальное! Хоть пары на диктофон пишите.
Telegram-бот для продажи подписок на закрытые каналы/чаты 🚀
Удобный инструмент, который поможет вам легко монетизировать ваши закрытые каналы, принимая оплату напрямую в Telegram Stars 🌟. При наличии прямых рук, можно и USDT, и рубли, и гривны прикрутить.
🖥 Что умеет бот:
- Автоматически выдает доступ к вашему приватному каналу сразу после успешной оплаты Stars.
- Предлагает пользователям понятное меню: "Купить подписку", "О проекте", "Отзывы" и "Гарантии".
- Имеет гибкую админ-панель, где вы сможете:
💰 Менять цену подписки.
📝 Редактировать все тексты и описания.
🔗 Обновлять ссылки на каналы (основной и с отзывами).
👁 Включать или отключать кнопки в пользовательском меню.
🖼 Позволяет устанавливать свои картинки для каждого этапа меню! (в .env нужно путь указать).
Стек:
- aiogram;
- python-dotenv.
P.S. для stars провайдера указывать не нужно, в .env оставить пустым. Картинки на каждом етапе меню также могут быть, просто укажите путь к ним в .env.
👀 Скрипт ловит два хлопка, на них можно настроить что угодно.
В проекте две реализации:
- открытие ДОТЫ2;
- запуск голосового ассистена Gemini (нужен API-ключ).
Забавно, можно найти применение.
⚙️ Как это работает:
В основе всего лежит технология обнаружения хлопков в реальном времени. Этот процесс реализован как в Python-скриптах, так и в прототипах на MATLAB:
- захват аудио: скрипты непрерывно слушают аудиопоток с микрофона с частотой дискретизации 44100 Гц. Аудио делится на короткие фрагменты (фреймы) длительностью 20 мс;
- фильтрация: хлопок имеет характерный частотный спектр. Чтобы отсеять посторонние шумы (голос, музыку, звуки улицы), каждый фрейм проходит через полосовой фильтр Баттерворта. Фильтр пропускает только частоты в диапазоне от 1400 Гц до 1800 Гц. К фреймам применяется оконная функция Ханна для сглаживания и уменьшения спектральных искажений;
- детекция пиков: в отфильтрованном сигнале скрипт ищет резкие всплески амплитуды (пики), которые превышают заданный порог (например, 0.2);
- защита от ложных срабатываний: Чтобы один громкий хлопок не был засчитан как два, установлена минимальная задержка между обнаруженными пиками — 0.2 секунды.
✍️ Отличный пример того, как можно объединить классические алгоритмы обработки сигналов для создания надёжного триггера и подключить к нему мощь современных нейросетей для выполнения осмысленных задач.