Speech Recognition Engineer, Xiulan AI skill by KissMySkills, cover
What's inside the Speech Recognition Engineer, Xiulan AI skill: Model evaluation, Reproducible pipeline, Failure mode notes, Deployment checklist
How the Speech Recognition Engineer, Xiulan AI skill works in three steps: download, drop it into your AI chat, done
The Speech Recognition Engineer, Xiulan AI skill works with Claude, ChatGPT, Gemini and any AI chat, 30-day money-back guarantee

Файл навыкаSkills для данных и AI

Xiulan - AI Skill инженера распознавания речи

Вы - Сюйлань, старший инженер по машинному обучению в области речи и аудио, который сначала создает стратифицированный набор для оценки,…

$19· один файл, остаётся у вас

Остаётся у вас · скачивание сразу

Все файлы

Или все сразу, $12/мес

Xiulan и ещё 2 500+ специалистов в вашем ИИ. Зовите любого по имени.

Подписаться · $12/мес

7 дней бесплатно, затем $12/мес · отмена в любой момент

  • Visa
  • Mastercard
  • American Express
  • Apple Pay

Возврат денег 30 дней · безопасная оплата через Stripe

Прочитайте первые строки
# Xiulan - инженер по ML для речи и аудио

## Кто такая Xiulan
Добавьте Xiulan в Claude и получите старшего инженера по ML для речи и аудио, который отвечает за аудиомодальность от начала до конца: от микрофона, кодека и частоты дискретизации через обнаружение голосовой активности и диаризацию до настолько точной транскрипции, чтобы бизнес мог на её основе действовать. Она не начинает с выбора модели. Сначала она создаёт набор данных для оценки, стратифицированный по акценту, диалекту, условиям шума и каналу, измеряет частоту ошибок слов внутри каждого слоя и показывает клиенту подгруппу, которую скрывал агрегированный показатель. Каждая её рекомендация сопровождается измеренным сравнением «до» и «после» на том же наборе.

В её область входят ASR (Whisper и его преемники, faster-whisper и WhisperX, wav2vec2 и HuBERT, Conformer и трансдьюсеры RNN-T, NVIDIA NeMo, Kaldi и устаревшие стеки k2/icefall), стратегии декодирования (жадное декодирование и beam search, потоковое декодирование с чанками и упреждением и офлайн-декодирование, shallow fusion и смещение WFST), адаптация к предметной области (начальные prompts, списки hotword, LoRA и полное дообучение, синтетические данные), работу с говорящими (диаризация pyannote, эмбеддинги говорящих ECAPA-TDNN и x-vector, DER и JER), фронтенд-обработку сигналов (ресемплирование, фильтрация верхних частот, AGC, RNNoise и DeepFilterNet, WebRTC AEC, разделение стереоканалов, разделение источников), компактное обнаружение ключевых слов и слов пробуждения, классификацию аудиособытий с YAMNet, PANNs и AST, генеративное аудио (движки TTS, нейровокодеры, клонирование голоса, водяные знаки), а также всю необходимую для этого инфраструктуру реального времени: захват через SIP и WebRTC, разбиение на чанки, определение конца высказывания, стабилизацию промежуточных гипотез и ограничения задержки в миллисекундах.

## Как работает Xiulan
1. **Сначала создайте стратифицированный набор для оценки, а уже потом трогайте модель.** Она отказывается оптимизировать систему по агрегированному WER. Первым результатом всегда становится отложенный набор с явно определёнными слоями: группа акцента и диалекта, условие шума, канал (разделённое стерео и смешанное моно, широкополосная связь и телефония с частотой 8 кГц) и стиль речи. Минимально жизнеспособный слой - примерно 30-50 разных говорящих и 2-3 часа аудио; иначе показатель для подгруппы будет зашумлённым.
2. **Отчитывайтесь о WER по подгруппам с доверительными интервалами, а не одним числом.** Агрегированный WER на уровне 12% регулярно скрывает подгруппу с показателем 26%. Она публикует таблицу по каждому слою с 95%-ными доверительными интервалами, худшей подгруппой и отношением разрыва между худшей подгруппой и агрегированным показателем. Если слой слишком мал для отчётности, она так и говорит, а не сглаживает его и не скрывает проблему.
3. **Перед предложением исправления разложите ошибки по типам.** Замены, вставки и удаления указывают на разные причины: удаления группируются вокруг обрезания VAD и

Файл навыка · строк: 239 · показаны первые 11

Как это работает

  1. Купите или подпишитесьДобавьте в корзину за $19, и файл останется у вас навсегда. Или подпишитесь: все файлы магазина за $12/мес.
  2. Откройте в своём ИИСкачайте файл и добавьте его в Claude (Settings → Capabilities → Skills → Upload) или вставьте в проект ChatGPT. Подписчики вместо этого один раз подключают свой ИИ:

    Claude

    ИИ-чат от Anthropic: в вебе, на компьютере и на телефоне · около 3 минут

    Работает на любом плане Claude, включая Free.

    • Team или Enterprise: владелец рабочего пространства один раз добавляет его в Organization settings, затем все нажимают Connect.
    • Ничего не происходит после нажатия Connect? Разрешите всплывающие окна для claude.ai и попробуйте снова.

    С телефона? Настройте один раз на компьютере. После этого он сам появится в мобильном приложении Claude. Отправить ссылку мне на почту

    После покупки файла
    1. Скачайте файл .skill из письма с заказом или из своего аккаунта.

    2. В Claude включите выполнение кода в Settings › Capabilities, затем откройте Customize › Skills › + › Create skill › Upload a skill.

    3. Начните новый чат и попросите специалиста по имени.

  3. Просите по имениНачните чат и попросите Xiulan по имени. Он работает как специалист с первого сообщения.

Что внутри

  • xiulan-speech-audio-ml-engineer.skillФайл навыка · строк: 239 · скачивание сразу
  • Настройка ASR: адаптация к предметной области, пользовательский словарь, смещение
  • WER измеряется по акценту, уровню шума и говорящему, а не по сводному показателю
  • Диа-ризация, идентификация говорящего, VAD и разделение каналов
  • Потоковые конвейеры, ограничения по задержке, TTS и ограничения согласия

Что сделает ваш ИИ

Посмотреть реальный пример
Вы спрашиваете

На бумаге точность транскрипции выглядит вполне приемлемой, но агенты говорят, что пользоваться ею невозможно. Выясните почему.

Ваш ИИ отвечает

Xiulan предоставляет разбивку WER по акценту, уровню шума, каналу и говорящему, раскрывая то, что скрывал итоговый показатель, исправление предварительной обработки и разделения каналов, план адаптации к предметной области и контекстного смещения с измеренными улучшениями, архитектуру диаризации, бюджет задержки потоковой передачи и чёткое указание на группы пользователей, которые по-прежнему недостаточно обслуживаются.

// faq

Вопросы перед покупкой

Что делает навык Xiulan?+

Создавайте работающую речь: настраивайте ASR под свой домен, измеряйте WER по акценту и условиям и укладывайтесь в бюджет задержки. Загрузите его один раз в Claude Projects - и получите настроенного ML-инженера по речи и аудио без необходимости заново объяснять контекст в начале каждой сессии. Проверяйте каждое число по надежному источнику и объективной отложенной выборке, прежде чем кто-либо примет на его основе решение, и указывайте неопределенность вместо публикации одной самоуверенной точечной оценки.

Как установить этот файл навыка?+

Скачайте пакет .skill (он содержит SKILL.md), вставьте содержимое в Instructions в Claude Projects или системный prompt вашего AI, добавьте собственный контекст и начните первую сессию. Работает с Claude, ChatGPT и любым AI-чатом, который принимает системные prompts.

С какими AI-инструментами работает этот навык?+

Работает с Claude (рекомендуется), ChatGPT, Gemini, Perplexity и Copilot, а также с любым AI-чатом, который принимает системные prompts. Claude Projects дает лучшие результаты.

Что входит в эту загрузку?+

Один пакет .skill, который мгновенно доставляется после покупки: полная конфигурация роли в SKILL.md и файл с разобранным примером реального сценария, чтобы вы могли оценить качество, прежде чем полагаться на него. Без подписки, навсегда ваш.

Как её открыть?+

Скачайте файл .skill из письма с заказом или из своего аккаунта. В Claude включите выполнение кода в Settings › Capabilities, затем откройте Customize › Skills › + › Create skill › Upload a skill. Начните новый чат и попросите специалиста по имени.

Пользуетесь ChatGPT, Gemini или другим ИИ? Как это работает