NextATC Unicom

Руководство NextATCСправка и FAQ NextATC

Возможности AI и LLM

экспериментальное распознавание речи и

Сейчас NextATC использует AI в двух отдельных областях: голосовой ввод и необязательные вариации диалогов. Обе функции экспериментальные. Они должны сделать радио менее повторяющимся и более естественным, а не заменить обычную логику ATC.

Главное правило простое: NextATC по-прежнему определяет разрешение, ВПП, высоту, частоту, маршрут, инструкцию по рулению, состояние трафика и фазу полета. AI может помочь распознать сказанное или перефразировать уже готовое сообщение ATC. Это не свободный чат-бот и не автономный диспетчер.

Экспериментальный статус#

Связанные пункты Options помечены как экспериментальные:

  • AI Push-to-Talk Recognition (Experimental) для голосового ввода.
  • Dialog Generation and A.I. (Experimental) для сгенерированных фраз ATC.
  • AI - Gemini (Cloud, Experimental) для вариации фраз через облачную LLM.

Экспериментальность означает, что результат зависит от микрофона, акцента, шума самолета, интернет-соединения, доступности модели, ограничений API и конкретного генерируемого сообщения. Если функция звучит неверно, работает слишком медленно или ненадежно, отключите ее и используйте кнопки Radio Log. Полет продолжится со стандартной встроенной фразеологией.

Для чего NextATC использует AI сегодня#

У NextATC две функции с поддержкой AI:

  • Push-to-Talk Recognition слушает микрофон и пытается преобразовать произнесенный readback или действие по радио в текст.
  • Dialog Generation and A.I. просит LLM перефразировать некоторые сообщения ATC, чтобы они не всегда звучали одинаково.

Эти системы независимы. Можно использовать распознавание речи без Gemini, Gemini без распознавания, обе функции вместе или ни одну из них.

Распознавание Push-to-Talk#

Распознавание Push-to-Talk — это речь-в-текст, а не разговор с LLM. Назначьте команду NextATC/voice_push_to_talk, нажмите или переключите ее и произнесите readback либо текущий вариант радио. NextATC транскрибирует звук, показывает предварительный текст в Radio Log и проверяет, совпадает ли важное операционное содержание с тем, чего ждет ATC.

Например, важны позывной, ВПП, код squawk, курс, высота, частота и названия процедур. Не обязательно произносить каждое слово ровно как на кнопке, но ключевые числа и имена должны присутствовать и распознаваться.

Есть два режима работы:

  • Hold-to-Talk: удерживайте клавишу PTT во время речи и отпустите ее после окончания. Это режим по умолчанию и наиболее близкий к настоящему радио.
  • Toggle Talk: один раз нажмите, чтобы начать прослушивание, и еще раз, чтобы остановить. Это удобно, если назначенную кнопку трудно удерживать. Guided auto-toggle также может запускать и завершать прослушивание в поддерживаемых подсказках.

Модели Push-to-Talk#

В окне Options перечислены несколько моделей распознавания. Сейчас практической базой считается Whisper Base English.

  • Whisper Base English (около 142 МБ): стабильная встроенная модель и рекомендуемая отправная точка. Она ориентирована на английский и обычно лучше всего подходит для стандартных readback ATC.
  • Whisper Small English (около 466 МБ): более крупная встроенная модель Whisper, которая может улучшить распознавание ценой большего места на диске и более медленной транскрипции.
  • Whisper Medium English (около 1,46 ГБ): наиболее точный встроенный вариант для достаточно быстрых потребительских ПК.

Для локальной транскрипции доступны только эти размеры встроенных моделей Whisper. Английский используется по умолчанию. Многоязычные модели переключают выбранный размер на отдельно скачиваемый многоязычный вариант Whisper и дают Whisper автоматически определять язык речи. Используйте его для местных неанглийских имен и произношения, а не для изменения взаимодействия ATC: текст readback, ожидаемый NextATC, остается английским. Если большая модель слишком медленна или менее надежна в вашей системе, вернитесь к Whisper Base English.

Генерация диалогов Gemini#

Gemini используется только для генерации текста. Он не слушает микрофон и не решает, какое разрешение или инструкцию вы получите. Когда выбран AI - Gemini и настроен API key, NextATC отправляет короткий текстовый запрос с сообщением для перефразирования и авиационными данными, необходимыми для сохранения тех же фактов. Кнопка Модель в настройках позволяет выбрать Gemini Flash или Gemini Flash-Lite; NextATC всегда использует самую новую версию выбранной модели, опубликованную Google.

Gemini пытается создать другую формулировку того же сообщения ATC. Цель — разнообразие: разные начала, немного другой темп и меньше повторов в долгих сессиях. Маршрут, ВПП, squawk, высота, частота и другие операционные элементы должны оставаться теми же.

Встроенная фраза остается эталоном. Если Gemini отключен, недоступен, слишком медленный, вернул пустой текст или создал фразу, не прошедшую проверку, NextATC возвращается к встроенному сообщению.

Кнопка Gemini variation в Options переключает четыре экспериментальных стиля инференса. Используйте ее, чтобы сравнить, как Gemini перефразирует один и тот же тип сообщения ATC: более консервативно, более разнообразно, с меньшим копированием шаблона или с большей опорой на примеры. Она меняет только стиль, а не решения ATC.

Локальные модели LLM#

В Options могут появляться локальные записи вида AI - <model> (Local paused, Experimental). В обычных сборках они перечислены, но приостановлены. Это не рекомендуемый путь для текущих пользователей. Используйте встроенный режим NextATC для строгой предсказуемой фразеологии или Gemini, если хотите проверить облачные вариации формулировок.

Чего ожидать#

AI-генерация фраз может сделать радио живее, но также может быть консервативной, слабо заметной или иногда ошибочной. Даже после проверки сгенерированная строка может звучать необычно, терять нюанс или выбирать не нравящуюся формулировку. Для наиболее предсказуемого опыта оставьте генерацию диалогов во встроенном режиме NextATC.

Для распознавания речи лучшие результаты дает гарнитурный микрофон, тихая кабина, короткие readback и четко произнесенные цифры. Во время проверки всегда держите Radio Log видимым. Кнопки Readback и Say Again, нажимаемые мышью, остаются надежным запасным вариантом.

См. также#