ИИ в мобильных звонках от MWS уже работает в сети: шум убирают без нового приложения

MWS Meetup, это регулярные технические встречи для разработчиков и инженеров, онлайн и офлайн. Об одиннадцатой встрече MWS рассказала в своём блоге. Эксперты обсудили ИИ в мобильных звонках, архитектурных агентов и проверку бизнес-гипотез, а в конце участники предложили свои идеи сервисов на технологиях MWS. Ниже факты с митапа и приём, который автор или маркетолог может перенести в свою работу.

Как MWS чистит голос до того, как он дойдёт до собеседника?

Доклад сделал Максим Масленников, Cluster lead Architect в MWS. Идея появилась после случая в метро: один из руководителей компании не смог поговорить по телефону из-за шума. Команда решила проверить, можно ли очищать голос не на устройстве, а до того, как он попадёт к собеседнику.

Сложность в том, что сети разных поколений передают голос по-разному:

• в 2G и 3G (старые стандарты мобильной связи) голос идёт по выделенному каналу, для них рассматривали маршрутизацию звонка через специальный префикс;
• в LTE (стандарт 4G) звонки идут через IMS, мультимедийную подсистему, которая передаёт голос цифровыми пакетами, как обычные интернет-данные; сюда MWS встроила собственный медиасервис.

Главное ограничение, время. Каждый пакет голоса нужно принять, перевести в формат для нейросети, очистить и отправить дальше примерно за 20 миллисекунд, иначе появятся щелчки и обрывы. Модель при этом помнит предыдущие фрагменты речи, поэтому её нельзя перезапускать на каждый пакет.

Готовые открытые модели улучшения речи команда дообучила (обучила на своих примерах под узкую задачу) на записях реальных шумов. Систему проверяли в том числе рядом с работающим компрессором. Чтобы не тратить ресурсы видеокарт впустую, небольшая модель постоянно слушает поток и включает тяжёлую только там, где шум сильный.

Честная оговорка из самого доклада: после обработки голос немного меняется, хотя остаётся понятным. MWS думает предлагать решение другим операторам, но модели и их веса (обученные параметры, по сути «мозг» нейросети) раскрывать не будет. Следующая задача, восстанавливать голос, потерянный при передаче.

ИИ-агенты сверяют документацию с реальным кодом

Евгений Артемьев, Stream lead Architect в MWS, показал инструмент на ИИ-агентах (программах, которые сами выполняют цепочку действий) и подходе Architecture-as-a-Code, когда описание архитектуры хранят и обновляют как код. Проблема знакомая: команды меняют API (правила, по которым программы обмениваются данными), добавляют сервисы, а документы отстают.

Инструмент собирает данные из репозиториев кода, задач в Jira и материалов в Confluence (популярные системы для задач и внутренней базы знаний). Один агент анализирует изменения, второй сводит их и предлагает правки. Распределяет работу оркестратор, а отдельный слой вычищает конфиденциальные сведения до отправки модели.

Ключевой вывод для практиков: в эксперименте с моделью Claude режим, где агент сам выбирает шаги, оказался менее предсказуемым. Модель тратила больше токенов (единиц текста, за которые платят при работе с нейросетью), делала лишние действия и хуже держала структуру. Поэтому этапы и переходы задают через LangGraph, библиотеку для построения цепочек агентов, хотя отлаживать такую схему сложнее.

О третьем докладе, про стратегическое планирование и проверку гипотез, подробностей в доступной части материала нет: спикера и устройство инструмента источник не раскрывает.

Что понадобится, чтобы повторить подход у себя?

• нейросеть с чатом: из доступных в РФ, YandexGPT или GigaChat;
• папка с вашими материалами: справка о канале, правила рубрик, свежие публикации;
• от 30 до 60 минут на первую настройку.

Пошаговая инструкция: конвейер из двух агентов для ваших материалов

1. Зафиксируйте порядок шагов заранее, как в детерминированной схеме MWS: сначала сбор, потом сводка, потом ваша проверка.
2. Уберите из материалов личные данные, договоры и цены клиентов до отправки в нейросеть.
3. Первым промптом попросите только собрать расхождения:

Ниже справка о моём канале и 5 последних статей. Выпиши, где статьи
расходятся со справкой: новые темы, изменённые правила, устаревшие
факты. Ничего не исправляй, только список.

1. Вторым промптом, в новом чате, попросите предложить правки по этому списку.
2. Правки вносите сами: в схеме MWS агент тоже предлагает, а не переписывает.

Что делать с этим прямо сейчас, по ролям

Автору Дзена: заведите справку о канале и раз в месяц прогоняйте конвейер из двух шагов, чтобы описание не отставало от контента.

Маркетологу: тот же приём подходит для брендбука и описаний продуктов, а лёгкая проверка перед тяжёлой экономит запросы, как маленькая модель у MWS экономит видеокарты.

Предпринимателю: сетевое шумоподавление MWS пока продукт для операторов, абоненту ставить нечего, а схему с агентами можно собрать на российских нейросетях уже на этой неделе.