Как я создал VoiceMax: считывание эмоций из голосовой записи с помощью трех небольших потоков искусственного интеллекта

Танбир Хоссейн Рамим. Страница проекта: VoiceMax. Источник: github.com/TanbirRamim/VoiceMax. VoiceMax стартовал на Hackaburg 2025, где я создал его вместе со своей командой (в нижнем колонтитуле все еще написано «Команда 2.1»). Идея была проста: ваш голос несет много эмоциональной информации, которую вы не замечаете сознательно, поэтому позвольте людям записать несколько секунд речи и получить краткое, честное прочтение того, как они звучат, а затем что-то поддерживающее. Это приложение Next.js с TypeScript, shadcn/ui и Tailwind спереди и Genkit с моделью Gemini, выполняющей анализ. В этом посте рассказывается о том, как он составлен, и о решениях, которые я бы оставил. Одна модель, три узких задания Весь уровень AI настроен в семи строках: импортировать {genkit} из "genkit"; импортируйте {googleAI} из @genkit-ai/googleai; экспортировать const ai = genkit({ плагины: [googleAI()], модель: «googleai/gemini-2.0-flash», }); На хакатоне возникает искушение написать одну гигантскую подсказку, которая возвращает все сразу. Вместо этого я разделил его на три потока: AnalysisAudioEmotion прослушивает запись и описывает ее. submitAdditionalEmotions берет это описание и предлагает до трех вторичных эмоций. обеспечитьПерсонализированныйОбратная связь