Как я создал VoiceMax: чтение эмоций по записи голоса с помощью трех небольших потоков ИИ

Разработчик Танбир Хоссейн Рамим подробно описал создание VoiceMax, веб-приложения для анализа эмоционального содержания голосовых записей. Проект, созданный на базе Next.js, TypeScript и фреймворка Google Genkit, использует модель Gemini 2.0 Flash для предоставления обратной связи пользователям. Вместо одного сложного промпта автор реализовал три отдельных потока ИИ: для анализа аудио, определения вторичных эмоций и генерации персонализированных советов. Использование структурированных схем Zod и детерминированного кода для конкретных рекомендаций, таких как дыхательные упражнения, позволило добиться надежных и тестируемых результатов. Проект также решает технические проблемы, включая совместимость микрофона в разных браузерах и эффективную обработку ошибок. Исходный код доступен на GitHub и служит практическим примером того, как модульность рабочих процессов ИИ повышает удобство обслуживания и производительность веб-приложений.