Два года я разговариваю с ботом. Теперь у меня для этого есть своя железка.

Есть в телеге бот «Токи». Кидаешь ему голосовое в свободной форме — он ставит задачу в календарь. Пользуюсь года два, кайф невероятный: не надо ничего формулировать, просто говоришь как думаешь.

Но одного не хватало — чтобы задачи были перед глазами. Я даже собрал мини-комп на Raspberry и повесил на стену прямо перед собой. Всё равно пропускаю.

Идея компактного устройства меня с тех пор не отпускала. Летала давно. Но я ленивая жопа: дел выше крыши, последние недели вообще в разъездах. И сдвинуло меня, как всегда, только внешнее — конкурс Яндекса и VibeCraft на разработку с помощью их сервиса. Дедлайн сегодня.

Вчера вернулся с севера. На всё было полтора дня.

Железо
Тут повезло — диктофон я собрал ещё две недели назад, до отъезда. Проверил, что пишет, и уехал.
Внутри ничего лишнего: e-ink экран, ESP32-S3, микрофон (разобрал ради него свой старый проект) и две кнопки. Всё.

Софт: две нейронки
Сайт писал VibeCraft, а с Claude я проектировал — разбирался, что и как устроено, и корректировал. По факту почти весь код написан не мной, я давал понятные инструкции.

Дальше пошли открытия.
Первое: VibeCraft почти без подсказок собрал сайт, где голос распознаётся прямо в браузере. Оказывается, это умеет любой браузер — и на компе, и на телефоне. Бесплатно.

Второе: он решил не заморачиваться с ИИ вообще и написал скрипт, который сам вытаскивает из текста время и событие. Идея красивая — сервис без нейронки. Но я-то говорю потоком мыслей, я их не структурирую. Скрипт начал переспрашивать.

Тогда подключили Яндекс SpeechKit и YandexGPT. Поковырялись немного — и завелось быстро.
Устройства цепляются по токену: сгенерировал ключ и подключай что угодно, сервису всё равно. Прошивку под ESP32 тоже написала нейронка — сам бы я это делал долго, а мне надо было быстро. Потестировали, покрутили с разных сторон — запустилось без боли.

Отдельно поплясал с телеграмом: наш сервер телеге отправить может, а от неё получить — нет. Обошёл через комп, тестово. Но по-хорошему туда можно прикрутить любой мессенджер.

Про «Яндекс дорого»
Все говорят, что дорого. Я решил посмотреть в счёт, а не в ощущения.
Вся разработка и тесты за четыре дня обошлись мне в 14 рублей.
Дальше разобрал по косточкам, сколько стоит одна задача:
голосом с брелка или из бота ≈ 0,30 ₽
голосом через браузер ≈ 0,15 ₽
без ИИ, локальный разбор ≈ 0,02 ₽
Самое интересное вылезло в структуре. Дорогое — это распознавание речи, а не GPT. Разбор смысла — простейший запрос: возьми текст, найди дату и суть. Копейки. А вот перевод голоса в текст стоит вдвое дороже, причём тарифицируется блоками по 15 секунд — фраза на три секунды стоит ровно столько же, сколько на пятнадцать. Короткие команды не экономят.

Отсюда и второй столбик в табличке: если речь распознаёт сам телефон прямо в браузере — а он это умеет бесплатно — задача дешевеет вдвое. Так что «бесплатный тариф» у меня не маркетинговая формулировка, а арифметика: два копейки за задачу.

При моём режиме в 5 задач в день выходит около 100 ₽ в месяц. И тут смешное: больше половины этой суммы — не задачи, а плата за то, что инфраструктура просто существует. Хранение секретов, реестр образов, простой контейнера. Сами задачи — рублей сорок.

Считал и на вырост: сто человек по шесть задач в день — примерно 5700 ₽ в месяц, то есть 57 ₽ на человека. Постоянная часть при этом растворяется до шестидесяти копеек на пользователя, и экономика становится чисто переменной. А если половина людей пользуется браузером — уже 42 ₽.

Для сервиса, который живёт на подписку, это очень комфортный запас.

Дальше буду делать более компактное устройство и прикрутить солнечную панель!) единственное инет нужен внешний но тоже можно придумать обход)