Бюджет: 13000 UAH Термін: 1 день
Це якраз той тип задачі, де “підкрутити код” недостатньо — потрібно нормально допрацювати сам підхід до обробки аудіо.
Судячи з опису, у вас класичний набір проблем для real-time audio detection:
• noise triggers (фон, ехо, дихання)
• double triggering через реверберацію/відбиття звуку
• пропуски через слабкий сигнал або невдалі пороги
• деградація точності при частих ударах
Такі речі не вирішуються одним if — тут треба правильно побудувати pipeline: фільтрація → feature extraction → decision logic.
У Mobiwolf ми вже працювали з задачами, де важлива обробка сигналів у реальному часі, і наша цінність тут — не просто “доробити”, а довести до стабільного, передбачуваного результату на різних пристроях.
Що ми б зробили:
• проаналізували поточний алгоритм і причини false positives / misses
• ввели нормалізацію сигналу + adaptive threshold
• додали debounce / cooldown логіку для уникнення подвійних спрацювань
• за потреби — використали FFT або band-pass фільтри, щоб відсікати нерелевантні частоти
• протестували на різних сценаріях (тиша / шум / швидкі удари)
• якщо потрібно — розглянули lightweight ML-підхід (але тільки якщо це реально дає виграш)
Важливий момент: ми не будемо ускладнювати рішення без причини — ціль саме стабільність і точність, а не “ML заради ML”.
Я — CEO Mobiwolf, і під такі задачі залучаю розробника з досвідом роботи з аудіо/сигналами. Але чесно зазначу: зараз команда завантажена, і ми зможемо повноцінно стартувати приблизно через 3 тижні. Зате можемо одразу правильно зайти в задачу і не витрачати ваш час на ітерації “спробували — не працює”.
Перед тим як рухатись далі, хотів би уточнити:
• чи є записи (аудіо) з прикладами правильних і неправильних спрацювань?
• чи тестувався алгоритм на різних пристроях (Android/iOS, різні мікрофони)?
• яка зараз логіка детекції — порогова по амплітуді чи щось складніше?
• чи критична затримка (наприклад,
