Семь этапов от записи лекции до опубликованного урока. Машина берёт на себя объём, но конвейер не запускается сам: на пяти этапах из семи решение принимает человек, и без него на выходе получается текст, который звучит уверенно и врёт.
Запись лекции прогоняется через транскрибатор, на выходе — VTT с таймкодами. Дальше человек вычитывает расшифровку.
Почему без человека не работает
Транскрибатор ломается ровно там, где начинается предмет: «Лапланш» становится «лапшой», «катексис» — «катетером», «Оно» с большой буквы — обычным местоимением. В лекции 1 таких мест было около сорока. Не выправишь — озвучка прочитает мусор уверенным голосом.
Из расшифровки убирается всё, что было живым событием, а не содержанием: перекличка с залом, просьбы взять микрофон, оборванные фразы, повторы. Размечаются смысловые блоки.
Почему без человека не работает
Машина не отличает отступление от мысли. В лекции 1 первые 230 строк — обсуждение с аудиторией: ценное для атмосферы, бесполезное в аудиоуроке. Решение, что выбросить, а что переписать в связный текст, принимает человек, который понимает, о чём лекция.
Из расшифровки собирается связный текст на 35–45 минут. По лекции 1: 85 998 знаков сырой расшифровки → 38 366 знаков сценария, сжатие примерно вдвое.
Почему без человека не работает
Модель охотно пишет гладко и уверенно — в том числе там, где не знает. Она может подменить термин близким по смыслу, приписать концепцию не тому автору, сгладить противоречие, которое в теории принципиально. Редактор сверяет сценарий с расшифровкой абзац за абзацем: не выпал ли смысл и не появился ли новый.
Практикующий аналитик читает сценарий и правит фактуру: трактовки, атрибуции, клинические утверждения.
Почему без человека не работает
Это единственный этап, который нельзя ни ускорить, ни делегировать машине. Курс идёт профессиональной аудитории, которая читала те же работы. Одна перевранная трактовка Кляйн — и доверие ко всему курсу закончилось. Без этого шага продукт остаётся черновиком, как бы хорошо он ни звучал.
Текст режется на части по 9 000 знаков по границам абзацев и уходит в синтез. Каждый запрос передаёт идентификаторы предыдущих, чтобы интонация не рвалась на стыках. Части склеиваются в одну дорожку.
Почему без человека не работает
Синтез спотыкается предсказуемо: аббревиатуры, годы, латынь, редкие фамилии. «1938» может прочитаться цифрами, «Ich» — по-английски. Человек прослушивает дорожку целиком и отправляет проблемные части на перегенерацию. На лекции 1 это заняло сорок пять минут.
К аудио добавляются синхронный конспект, интерактивная схема, словарь на 7–10 терминов и квиз из четырёх вопросов с разбором ответов.
Почему без человека не работает
Квиз машина генерирует за минуту, но проверять правильный ответ обязан человек: в психоанализе формулировка «какой ответ верен» сама по себе спорная, и модель регулярно помечает верным правдоподобный, а не точный вариант.
Сборка в публикуемую папку и выкладка. Скрипт проверяет, что наружу не уехали ключи, исходники и мастер-файлы.
Почему без человека не работает
Здесь человек нужен на одну вещь — нажать «выкладываем». Всё остальное автоматизировано.
Три роли. Сейчас первые две совмещает один человек, третья не закрыта вообще.
Этапы 1–2. Вычитка транскрипта, чистка, разметка блоков.
≈ 2,5 ч на урок · не требует психоаналитического образования, требует внимательности и знания терминов
Этапы 3, 5–7. Сценарий, контроль озвучки, сборка, публикация.
≈ 4,25 ч на урок · сейчас это одна роль на всё: продакт, корректор, разработчик и дизайнер одновременно
Этап 4. Вычитка фактуры перед публикацией.
≈ 1 ч на урок · роль не закрыта — до её появления курс остаётся черновиком
Расчёт по фактическим замерам на первой лекции, а не по оценке.
| Один урок | ≈ 7,75 человеко-часов | ~40 мин машинного времени |
| Модуль из 5 уроков | ≈ 39 человеко-часов | рабочая неделя одного человека |
| Весь курс, 40 уроков | ≈ 310 человеко-часов | около 8 рабочих недель одного человека |
Синтез речи — около 22 долларов за пять лекций по 40 минут в одном голосе. Весь курс из 40 уроков — порядка 30–50 долларов. Это единственная прямая статья расходов; всё остальное — время людей.
27 часов готового аудио у живого диктора — это порядка 5–10 тысяч долларов и месяцы работы, причём любая правка текста означает новую студийную сессию. Здесь правка абзаца стоит перегенерации одной части.
Озвучка и генерация работают — это проверено на полной 43-минутной лекции. Открытыми остаются три вопроса, и все три про людей, а не про технологию.