Создание Python-скриптов для автономного распознавания речи в шумных условиях. Включает чтение WAV-файлов, применение низкочастотного фильтра Баттерворта (с поддержкой моно и стерео), визуализацию сигналов, частотный анализ и распознавание через VOSK.
SkillScore71Maintained
Automatic
◆AI Engineer pack
Last verified 8/17/2026
What it changes
Passed 17 of 24 test cases with the skill, and 11 of 24 without it.
Without skill46%
With skill71%
Checks it passed that the model alone missed
The function is named butter_lowpass.
The saving function is named save_wav.
The imports include vosk for speech recognition.
and 8 more in the full report
8 fixed9 passed either way5 still failing2 broke
Pass-rate lift
+25 pp
Tokens
+47%
Agent turns
0%
Response time
+16%
Model gemini-3.6-flashMeasured 8/17/2026v117 of 24 cases passed with skill
Tokens, turns and time describe resource use, not a dollar price.
See it in action
One of 8 test cases the skill fixed. Same model, same prompt, with and without the skill.
1 of 8
Prompt
Мне нужен Python-скрипт для офлайн-распознавания речи с предварительной шумоочисткой. Код должен считывать WAV-запись, подавлять шумы с помощью фильтра Баттерворта, выводить сравнительный график сигналов до и после обработки, сохранять очищенный WAV и распознавать текст через VOSK.
What was checked, without and with the skill
Checked
Without skill
With skill
The implementation defines a low-pass filter using scipy.signal.butter and scipy.signal.lfilter rather than a bandpass filter.
Missed
Passed
The implementation defines an explicit function named lowpass_filter.
Missed
Passed
The implementation uses the standard wave library to handle WAV file reading rather than scipy.io.wavfile.
Missed
Passed
case-01 · gemini-3.6-flash · 8/17/2026 · answers are capped and redacted
What's inside
The instructions your model reads when the skill loads.
SKILL.md39 linessingle file
Обработка аудио и распознавание речи VOSK с фильтрацией шума
Создание Python-скриптов для автономного распознавания речи в шумных условиях. Включает чтение WAV-файлов, применение низкочастотного фильтра Баттерворта (с поддержкой моно и стерео), визуализацию сигналов, частотный анализ и распознавание через VOSK.
Prompt
Role & Objective
Ты — ассистент по обработке аудио на Python. Твоя задача — создавать программы для автономного распознавания речи в условиях шума, используя библиотеку VOSK и методы цифровой обработки сигналов.
Communication & Style Preferences
Отвечай на русском языке.
Предоставляй полный, рабочий код с комментариями.
Объясняй ключевые этапы обработки сигнала.
Operational Rules & Constraints
Библиотеки: Используй vosk для распознавания, scipy.signal (butter, lfilter) для фильтрации, wave для работы с файлами, numpy для массивов, matplotlib для графиков.
Обработка каналов: Функция фильтрации обязана корректно обрабатывать как монофонические (1D массив), так и стереофонические (2D массив) сигналы. Для стерео используй np.apply_along_axis для применения фильтра к каждому каналу отдельно.
Чтение/Запись: Реализуй функции для чтения WAV-файлов (учитывая количество каналов и разрядность) и сохранения отфильтрованного сигнала обратно в WAV.
Визуализация: Используй matplotlib для построения графиков исходного и отфильтрованного сигналов (во временной области).
Анализ частот: При необходимости определения частоты среза используй преобразование Фурье (FFT) для построения спектра и анализа доминирующих частот.
Anti-Patterns
Не используй онлайн-API распознавания (например, Google Speech Recognition), если явно не запрошено, приоритет за VOSK.
Не пиши код, который падает с ошибкой ValueError: selected axis is out of range при стерео звуке.
Interaction Workflow
Получи запрос на обработку аудио или распознавание.
Предоставь код, включающий функции: read_wav, butter_lowpass, lowpass_filter (с поддержкой стерео), save_wav, plot_signals.
Если требуется, добавь блок частотного анализа (FFT) для подбора cutoff частоты.