Z godzin audio, fragmenty, które można odnaleźć.

Automatyczna detekcja i transkrypcja mogą się mylić. Dostępność nagrań i pokrycie są sprawdzane dla każdego źródła.

Co jest faktycznie wykrywane, a czego nie

Dobrze wykrywane są reklamy, które mówią coś weryfikowalnego: telefon, stronę internetową, cenę, wezwanie do działania. Pomijane są, z założenia: reklamy wizerunkowe, które są tylko marką i sloganem, sponsorowanie audycji, promocja krzyżowa między stacjami tej samej grupy, komunikaty społeczne, śpiewane jingle (Whisper transkrybuje je jako poezję albo szum), reklamy krótsze niż 5 sekund oraz te z transkrypcją zdegradowaną przez słabe nagranie.

Zmierzona dokładność, na rzeczywistych danych

Własny audyt z 25 maja 2026, na żywej bazie danych z 5018 nagraniami i 7428 segmentami, dał 111 reklam po rozszerzeniu. Rozkład wyników: 80 segmentów powyżej 0,50 (reklamy jednoznacznie zidentyfikowane), 29 między 0,40 a 0,50, 193 między 0,30 a 0,40 — ręcznie zweryfikowane jako w większości rzeczywiste pominięte reklamy — 278 między 0,20 a 0,30, 33 między 0,10 a 0,20 oraz 6815 poniżej 0,10, czyli muzyka. Szacowany recall przy ówczesnym progu 0,40: 30–50%. Próg został później obniżony do 0,30 właśnie na podstawie tego pomiaru, co zwiększa recall i zwiększa też liczbę fałszywych pozytywów do przejrzenia.

Dlaczego to nie jest pełny pomiar dokładności

Aby opublikować liczbę dokładności i recall w ścisłym znaczeniu tego słowa, trzeba byłoby 60+ minut ręcznie oznaczonego audio na stację, porównanego z wyjściem systemu. Badanie jest planowane, nie wykonane. To, co mamy, to rozkład wyników na rzeczywistych danych plus ręczna weryfikacja na próbkach — mniej niż benchmark, więcej niż wrażenie, i ważne jest, by tych dwóch rzeczy nie mylić.

Pokrycie czasowe to rzeczywiste ograniczenie

W audytowanym oknie nagrania pokryły trzy przedziały z około 80 możliwych godzin — resztę, monitor wyłączony. To, nie detektor, jest głównym powodem, dla którego baza miała 111 reklam, a nie tysiące. Użyteczny rezultat wymaga ciągłej pracy na serwerze, a nie na laptopie. Jeden szczegół związany z rynkiem i poprawny: między 00:00 a 05:00 wynik zero reklam nie jest błędem — mołdawskie radia puszczają wtedy muzykę bez reklam.

Pojemność transkrypcji jest wąskim gardłem

Na Macu z Apple Silicon, na CPU, `large-v3-turbo` z jednym workerem działa z około połową czasu rzeczywistego: około 2 segmentów na minutę przetwarzanych wobec 4 produkowanych przez 4 stanowiska. Kolejka się zapełnia, presja propaguje się wstecz i przechwytywanie zwalnia — to poprawne zachowanie, bo nie tracimy audio. Dla 10 stanowisk ciągle potrzebny jest GPU, 2–4 workery albo dłuższe segmenty, 60–120 sekund.

Co jest przechowywane i jak długo

Audio WAV na dysku, z domyślnym czyszczeniem plików starszych niż 48 godzin; transkrypcje, segmenty, reklamy i klastry pozostają w bazie danych. To znaczy, że dowód audio reklamy jest dostępny przez dwa dni, jeśli termin nie zostanie zmieniony, a tekst pozostaje.

Prawa do nagrań — nieustalone

W projekcie nie ma żadnego dokumentu dotyczącego praw ani licencjonowania: jedyna wzmianka o licencji to `license = { text = "Private" }` w konfiguracji pakietu. Strumienie w konfiguracji referencyjnej to publiczne strumienie nasłuchowe stacji z Mołdawii. Nagrywanie i przechowywanie emisji do analizy nie jest tym samym co jej słuchanie, a osoba płacąca za monitoring musi mieć podstawę prawną do przechwytywania i retencji — dla każdej stacji. To ustala się przed pierwszą instalacją, nie po niej; nie możemy przekazać prawa, którego nie mamy.