Создать утилиту, работающую под Windows (Бюджет: 10000 руб)

Создать утилиту, работающую под Windows, которая: Постоянно прослушивает системный аудиопоток (колонки/наушники). Автоматически формирует аудиофрагменты, заканчивая каждый при тишине ≥ 1.5 сек (настраивается). Выполняет транскрипцию аудио в текст (локально или через API). Отправляет результат: либо в консоль / HTTP endpoint, либо сразу в LLM-модель (вопрос) с возможностью указания контекста. Функциональные требования: 1. Аудиозахват: Захват loopback аудио (системный звук: наушники/колонки). Возможность указать устройство ввода (setDevice(name)). Непрерывная работа (фоновая). Детекция тишины: Порог RMS и длительность паузы (по умолчанию: 1.5 сек). Настраиваются через config.json. 2. Буферизация и формирование чанков: Формирует аудиофрагмент от начала до обнаруженной тишины. Отправка чанка в виде []byte. (должно происходить очень быстро) 3. Транскрипция: Поддержка двух вариантов: Whisper.cpp / OpenAI / HuggingFace API (предусмотреть конфигурацию). Поддержка модели: small/medium (указывается в конфиге). Язык распознавания: auto / принудительный (например, ru, en). 4. Отправка результата: Варианты: Вывод в stdout или в HTTP endpoint. Отправка как вопрос в LLM (указывается URL/токен + необязательный контекст). Возможность указать контекст (в конфиге или аргументом CLI). Формат: {"question": "...", "context": "..."} Критерий приема: Запускаю утилиту...включаю видео на ютуб с вопросом...она слушает входящий аудиопоток...либо отправляет ЛЛМ либо текст в консоль. От Конца записанного вопроса до получения его в текстовом виде должно происходить менее ~0,2 секунд