ML System Design Doc: Parimate

1. Зачем идем в разработку продукта?

Бизнес-цель

Создать надёжную и понятную систему валидации пользовательского аудио- и видеоконтента через Telegram-бота, используя ML и принципы Human-Centered AI (HCAI).
Основные задачи:

• Верификация личности, речи, обстановки.
• Выявление признаков фейков (в т.ч. дипфейков).
• Обеспечение безопасности цифровой идентификации.

Проблематика

• Требуется участие человека и ресурсы.
• Участились случаи дипфейков и подделок.
• Нет удобного интерфейса для проверки медиа.

ML-преимущества

• Распознавание лиц (FaceNet), речи (Whisper).
• Проверка метаданных (ffprobe, EXIF).
• Объяснение результатов через Telegram.

Критерии успеха

• ≥ 85% точности распознавания лиц и речи.
• Ответ < 10 секунд.
• Интерпретируемый результат для пользователя.

Пользовательские потребности

• Отправка медиа для верификации.
• Без установки приложений (через Telegram).
• Доверие к результатам за счёт XAI.

---

2. Бизнес-требования и ограничения

Требования

• REST API и Telegram-бот.
• Распознавание лиц, речи, видеообработка.
• Docker, PostgreSQL, MinIO.

ML-инфраструктура

• Docker-инференс (лицо + речь).
• Проверка метаданных на реалистичность.
• Работа без GPU, с возможностью масштабирования.

Ограничения пилота

• Одна персона, фраза и сценарий.
• Без внешней интеграции.
• Нет полноценной проверки liveness.

---

3. Скоуп проекта (что входит/не входит)

Что входит

• Telegram-бот.
• Распознавание лица и речи.
• Сравнение с эталоном.
• Проверка метаданных.
• Интерпретация и обратная связь.
• Мульти-пользовательская поддержка.

Что не входит

• Интеграция с биометрическими базами.
• Глубокая дипфейк-детекция.

---

4. Архитектура проекта

Общая схема

1. Пользователь отправляет видео в бота.
2. Бот → Backend → Сервисы:
   • 🎭 Лицо
   • 🗣️ Речь
   • 🧾 Метаданные
3. Результат с объяснением → Telegram.

Компоненты

• FastAPI backend
• PostgreSQL
• Whisper / FaceNet / ffprobe
• Docker + MinIO
• Telegram Bot API

Поток данных

{
  "user_input": "Видео с лицом и голосом",
  "face_match": true,
  "speech_match": false,
  "metadata_valid": true,
  "explanation": "Лицо совпадает, но сказанная фраза не соответствует ожидаемой. Метаданные подтверждают, что запись сделана недавно на смартфон."
}

---

5. Возможности развития

• Поддержка нескольких пользователей.
• Интеграция с системами верификации (ЕСИА и др.).
• Дипфейк-детекция (DeepFaceLab, FakeCatcher).
• Видео-интерпретация и визуальная обратная связь.
• Streamlit dashboard или Telegram inline preview.

---

6. Роли в команде

Участник	Роль
Дарья	ML-инженер (лицо)
Артур	Backend + ASR (Whisper)
Илья	Дипфейк + метаданные
Никита	Scene validation
Ильяс	Документация Readme