vk

• Популярные
• Последние
• Без ответа

• +6Мессенджеры в CRM

  Добрый день! Сделайте отображение в ответах «Ответственного» т.е. кто отвечает. Очень неудобно общаться с 1 клиентом 2-3 сотрудникам, то есть клиент не может определить кто отвечает и возникает путаница.

• org/Article»>

  +2«Товары» в VK

  Теперь в этой социальной сети можно добавлять карточки товаров. Как смотрите на то, чтобы добавить функционал экспорта карточек товара с витрины на витрину VK? Выглядит это примерно вот так https://vk.com/radioscannerofficialМне кажется, это была бы…

• Vk Pixel

  Установлен VK pixelСейчас нужно подключить 2 события/конверсии:VK. Goal(‘conversion’) — на все формы VK.Goal(‘contact’) — в телефонепишите на [email protected]

• Новости из VK на сайт.

  Добрый день. Кто сталкивался подскажите. На главной странице новости из группы в VK разместил. Подскажите как эти новости добавить на каждую страницу сайта. Спасибо.

• org/Question»>
  Экспорт заказов вКонтакте в заказы webasyst

  Во всех опубликованных плагинах, посвященных работе магазина вКонтакте, нет информации, отправляет ли ВК событие в Вебасист при заказе товаров в приложении ВК.Кто-нибудь реализовал? 

• Массовое перемещение товаров в ВК

  Здравствуйте. Мне необходимо переместить около 500 товаров в определенную подборку товаров. VKКак мне это реализовать автоматически? В ручную это сделать нереально и глупо.Заранее спасибо)

• Прокрутка внутри iframe?

  Делаем приложение в facebook (как тут https://www.shop-script.ru/help/30/shop-script-6-f…).Столкнулась с тем, что при переходе внутри приложения страница-то не перегружается, и если главная страница длинная, то переходя на товар оказываешься на.

  ..

• Приложение VK

  Здравствуйте. Подскажите как сделать чтобы все переходы работали только внутри приложения — шаблона vk?vk_tabs поменять это понято, все работает. А остальные ссылки?Сейчас например записи блога при выводе списком записей — переадресовывают на сам сайт…

• +1https в теме vkontake

  У вконтакта требование, чтобы все приложения грузились по httpsСертификат на домене установлен, но так как часть стилей и скриптов грузится по http, то отображение приложения блокируетсяВопрос: как сделать чтобы все скрипты, стили и ссылки грузились по. ..

• Авторизация Вконтакте

  Возникла проблема группа ВК: http://vk. com/haikusushi сайт: http://haiku-sushi.ru/Сделал внешнюю авторизацию через ВК, с самого сайта авторизация работает. А из ВК переход по ссылке http://haiku-sushi.ru/oauth.php?app=shop&provider=… выдает пустой…

• +1Ошибка при оформлении заказа во Вконтакте

  При оформлении заказа в корзине получаю вот такую ошибку в консолиUncaught SecurityError: Blocked a frame with origin «https://mysite. ru» from accessing a frame with origin «https://vk.com». The frame being accessed set…

• Блок группы «Вконтакте» на сайте Есть решение

  Приветствую!Подскажите, пожалуйста, как можно вывести блок группы в ВК на страницах сайта? Там где показывается небольшое окошко с участниками группы. Я пробовал сделать отдельный блок, вставить в него код, но не выходит – пишет про синтаксическую…

• Витрина вконтакте

  После обновления приложение вконтакте (витрина) перестала работать.Вконтакте запускаю приложение…. а там ошибку выдаёт и не отображает (безопастности).https://vk.com/app3563296_-52328613Как вылечить?

• org/Question»>

  VK виджет помощь

  добрый день! Вставляю к себе на сайт виджет сообществ vk, выдает ошибку, сайт не запускается. Почитал форум, закрепил vk api в тегах {literal} {/literal}, сайт начал запускатся однако виджета нет, что делать, как сделать чтобы работало?

• org/Article»>

  В приложении Вконтакте не страница заказа не отображается полностью

  Если вы столкнулись с тем, что при оформлении заказа на витрине в приложении Вконтакте с одноименной темой часть элементов внизу страницы скрыта и завершить заказ не удается, то проверьте, что у вас в настройках Оформления указаны параметры ID…

Читать, а не слушать: как работает распознавание речи во «ВКонтакте» | by VK Team

12 минут чтения

·

10 февраля 2022 г.

Когда дело доходит до сообщений, читать их быстрее, чем слушать. Также легче просматривать текст, чтобы найти и проверить детали. Однако иногда бывают ситуации, когда гораздо удобнее просто отправить голосовое сообщение, чем набирать все подряд.

Меня зовут Надя Зуева. В этой статье я расскажу, как мы в ВКонтакте смогли помочь помирить любителей и ненавистников голосовых сообщений с помощью автоматического распознавания речи. Я поделюсь с вами тем, как мы пришли к нашему решению, какие модели мы используем, на каких данных мы их обучали и как мы оптимизировали его для быстрой работы в продакшене.

Мы начали проводить исследования по распознаванию речи в голосовых сообщениях в 2018 году. Тогда мы думали, что это может стать крутой функцией продукта и настоящим вызовом для нашей исследовательской группы. Голосовые сообщения записываются в условиях, далеких от идеальных, люди говорят на сленге и не особо заботятся о правильной дикции. И в то же время распознавание речи должно быть быстрым. Тратить 10 минут на расшифровку 10-секундного голосового сообщения — не вариант.

Вначале мы проводили все наши эксперименты с английской речью, так как на английском много хороших наборов данных, и научились их распознавать. Однако большая часть аудитории ВКонтакте говорит по-русски, и в открытом доступе не было русских наборов данных, которые мы могли бы использовать для обучения наших моделей. Сейчас с русскими наборами данных ситуация получше: есть «Голос» от Сбера, Common Voice от Mozilla и ряд других. Но до этого это была отдельная задача, которую нам нужно было решить, создав собственный набор данных.

Первая версия нашей модели была основана на wav2letter++ от Facebook AI Research и была готова к экспериментам в продакшене в 2019 году. Мы запустили ее в беззвучном режиме как функцию поиска голосовых сообщений. Благодаря этому мы смогли убедиться, что распознавание речи может быть полезно для преобразования голосовых сообщений в текст, и начали вкладывать больше ресурсов в создание этой технологии.

В начале 2020 года нашей задачей было нечто большее, чем просто создание точной модели. Нам нужно было увеличить производительность для нашей многомиллионной аудитории. Дополнительным вызовом для нас стал сленг. У нас не было другого выбора, кроме как выяснить, как его разобрать.

Теперь конвейер распознавания речи состоит из трех моделей. Первая — акустическая модель, отвечающая за распознавание звуков. Вторая — это языковая модель, которая формирует слова из звуков. И третья — это модель Punctuation, которая добавляет в текст знаки препинания. Мы рассмотрим каждую из этих моделей, но сначала давайте подготовим входные данные.

Для задач ASR первое, что вам нужно сделать, это преобразовать звук в формат, с которым может работать нейросеть. Сам по себе звук сохраняется в памяти компьютера в виде массива значений, показывающих колебания амплитуды во времени. Обычно частота дискретизации исчисляется десятками тысяч точек в секунду (или кГц), а получившийся трек получается очень длинным и сложным для работы. Поэтому перед прогоном через нейросеть звуки предварительно обрабатываются. Они преобразуются в спектрограмму, которая показывает интенсивность звуковых колебаний на различных частотах с течением времени.

Подход с использованием спектрограммы считается консервативным. Есть и другие варианты, такие как wav2vec (который похож на word2vec в НЛП, но для звука). Несмотря на то, что современные модели ASR в настоящее время используют wav2vec, этот подход не обеспечил улучшения качества для нашей архитектуры.

После преобразования необработанного сигнала в удобный формат для использования с нейронными сетями мы готовы распознавать речь, получая вероятностное распределение фонем во времени по звуку.

Большинство подходов сначала создают фонетические транскрипции (по сути, «что слышно, то и написано»), а затем отдельная языковая модель «прочесывает» результат, исправляя грамматические и орфографические ошибки и удаляя лишние буквы.

Марковские модели использовались в качестве простых акустических моделей для распознавания речи (например, в элайнерах). Теперь нейронные сети заменили эти модели для полного распознавания речи, но марковские модели по-прежнему используются, например, для разбиения длинных аудиосигналов на более мелкие фрагменты.

В 2019 году, когда мы активно работали над этим проектом, уже существовало значительное количество архитектур распознавания речи, таких как DeepSpeech3 (SOTA 2018 на основе набора данных LibriSpeech). Он состоит из комбинации двух типов слоев — рекуррентного и сверточного. Повторяющиеся слои позволяют генерировать продолжения фраз с особым вниманием к ранее сгенерированным словам. А сверточные слои отвечают за извлечение признаков из спектрограмм. В статье об этой архитектуре авторы использовали для обучения CTC-loss. Это позволяет модели распознавать такие слова, как «Privye-e-e-et» и «Privyet» (по-английски «Hello-o-o-o» и «Hello») как одно и то же, не спотыкаясь о длину звука. Собственно, эта функция потерь используется и при распознавании рукописных текстов.

Чуть позже был выпущен wav2letter++ от FAIR. Что делало его уникальным, так это то, что он использовал только сверточные слои без авторегрессии (при авторегрессии мы смотрим на ранее сгенерированные слова и последовательно просматриваем их, что замедляет работу нейронной сети). Создатели wav2letter++ сосредоточились на скорости, поэтому он был создан с использованием C++. Мы начали с этой архитектуры при разработке нашего поиска голосовых сообщений.

Использование полностью сверточных подходов открыло новые возможности для исследователей. Вскоре после этого появилась архитектура Jasper, которая также была полностью сверточной, но использовала идею остаточных соединений, как ResNet или трансформаторы. Затем появился QuartzNet от NVIDIA, основанный на Jasper. Это тот, который мы использовали.

Прямо сейчас есть Conformer, который является SOTA-решением на момент написания этой статьи.

Таким образом, независимо от того, какую архитектуру мы выбрали, нейронная сеть получает на вход спектрограмму и выводит матрицу распределения вероятностей каждой фонемы во времени. Эта таблица также называется эмиссионным набором.

Используя жадный декодер, мы уже могли получить ответ из данных эмиссионного множества, выбрав наиболее вероятный звук для каждого момента времени.

Но этот подход мало что знает о правильном написании и, скорее всего, даст ответы с множеством ошибок. Чтобы исправить это, мы используем декодирование поиска луча с использованием взвешивания гипотез с использованием языковой модели.

После того, как мы получили набор эмиссий, нам нужно сгенерировать текст. Декодирование выполняется не только с использованием вероятностей, которые дает нам наша акустическая модель. Он также принимает во внимание «мнение» языковой модели. Это может сообщить нам, насколько вероятно встретить такое сочетание символов или слов в языке.

Для расшифровки используем алгоритм поиска луча. Идея заключается в том, что мы не только выбираем наиболее вероятный звук для данного момента, но и вычисляем вероятность всей цепочки с учетом предыдущих слов и сохраняем лучших кандидатов на каждом шаге. В результате выбираем наиболее вероятный вариант.

d2l.ai/chapter_recurrent-modern/beam-search.html

При отборе кандидатов мы присваиваем каждому вероятность, принимая во внимание ответы акустической и языковой моделей. Вы можете увидеть формулу на картинке ниже.

Хорошо, мы рассмотрели расшифровку поиска луча. Теперь нам нужно посмотреть, на что способна языковая модель.

В качестве языковой модели мы использовали n-граммы. С точки зрения архитектуры этот подход работает достаточно хорошо, пока мы говорим о серверных (а не мобильных) решениях. Ниже вы можете увидеть пример для n=2.

Что здесь гораздо интереснее, так это то, как мы предварительно обрабатываем данные для обучения.

При письме туда и обратно люди часто используют сокращения, цифры и другие символы. Наша акустическая модель знает только буквы, поэтому в наших обучающих данных нам нужно различать ситуации, когда «1» означает «первый», а когда означает «один» или «один». Трудно найти много текстов с непринужденной речью, где люди пишут «отдайте мне 386 рублей до 20 декабря» вместо «отдайте 386 рублей до 20 декабря». Поэтому мы обучили дополнительную модель нормализации.

Для своей архитектуры мы выбрали трансформатор, модель, которая часто используется для машинного перевода. Наша задача по-своему похожа на МТ. Нам нужно перевести денормализованный язык в нормализованный язык, в котором используются только символы алфавита.

Языковая модель дает нам последовательность слов, которые есть в языке и «идут вместе» друг с другом. Его намного легче читать и понимать, чем вывод акустической модели. Но для длинных сообщений результат все равно не очень хорош, потому что может быть некоторая двусмысленность.

После того, как мы получим читаемую строку слов, мы можем добавить знаки препинания. Это особенно полезно, когда текст длинный. Предложения, разделенные точками, читать намного легче, а в русском языке активно используются другие виды пунктуации, например, запятые. Даже в коротких предложениях они должны быть.

Архитектура, на которой основана наша модель пунктуации, представляет собой кодировщик из преобразователя и линейный слой. Он выполняет умную классификацию, предсказывая, нужна ли точка, запятая, тире или двоеточие после каждого слова или нет.

Подход к созданию обучающих данных здесь аналогичен. Мы берем тексты со знаками препинания в них и искусственно «портим» эти данные, убирая знаки препинания. Затем обучаем модель, чтобы вставить их обратно.

Как я упоминал в начале статьи, когда мы начинали наше исследование, в открытых источниках русскоязычных данных для обучения систем распознавания речи не было. Какое-то время мы экспериментировали с английским языком. Затем мы пришли к пониманию, что в любом случае нам нужны записи как можно более непринужденной речи, а не профессионально прочитанные аудиокниги, как в LibriSpeech.

В конце концов, мы решили сами собирать данные для обучения. Для этого мы привлекли Тестеров ВКонтакте. Мы готовили короткие тексты из 3–30 слов, которые нам диктовали в голосовых сообщениях. Тексты, которые должны были быть записаны, мы создавали сами на отдельной модели, которую обучали на комментариях публичных сообществ. Таким образом, мы получили дистрибутив из того же домена, где распространены сленг и случайная речь. Мы попросили тестировщиков записывать голосовые сообщения в различных условиях и говорить так, как они обычно говорят, чтобы наши обучающие данные максимально походили на то, что будет использоваться в реальных жизненных ситуациях.

Как всем известно, путь от описанных в статьях моделей (и даже их реализации специалистами по машинному обучению) до реального использования машинного обучения в продакшене — долгий путь. Поэтому наша инфраструктурная команда ВКонтакте начала работу над сервисом распознавания голосовых сообщений в самом начале 2020 года, когда у нас еще была первая версия модели.

Команда по инфраструктуре помогла превратить наши решения машинного обучения в высоконагруженный, надежный сервис с высокой производительностью и эффективным использованием серверных ресурсов.

Одна из проблем заключалась в том, что мы в исследовательской группе работаем с файлами моделей и кодом C++, который их запускает. Но инфраструктура ВКонтакте в основном написана на Go, и нашим коллегам нужно было найти способ заставить C++ работать с Go. Для этого мы использовали расширение CGO, чтобы код более высокого уровня можно было писать на Go, а декодирование и общение с моделями оставалось на C++.

Наша следующая задача заключалась в том, чтобы обрабатывать голосовые сообщения в течение нескольких секунд, но заставить эту обработку работать с ограничениями нашего оборудования и эффективно использовать ресурсы сервера. Чтобы это стало возможным, мы сделали так, чтобы распознавание голоса работало на тех же серверах, что и другие сервисы. Это вызвало проблему с общим доступом к ядрам GPU и CUDA из нескольких процессов. Мы решили эту проблему с помощью технологии MPS от NVIDIA. MPS сводит к минимуму влияние блоков и простоев, позволяя нам использовать видеокарту на полную катушку без необходимости переписывать клиент.

Еще одним важным моментом, который следует учитывать, является группировка данных в пакеты для эффективной обработки на графическом процессоре. Дело в том, что в пакете акустической модели все аудиофайлы должны быть одинаковой длины. Поэтому нам нужно было уравнять их, добавив нули к более коротким дорожкам. Однако они также проходят через акустическую модель и занимают ресурсы GPU. В результате выравнивания на разбор коротких сообщений уходило больше времени и ресурсов.

Полностью избавиться от лишних нулей невозможно из-за вариативности длины записи, но их количество можно уменьшить. Для этого инфраструктурная команда придумала способ разбивать длинные голосовые сообщения на 23-25-секундные фрагменты, сортировать все треки и группировать похожие по длине в небольшие пакеты, которые уже находятся в пути для отправки через сеть. видеокарта. Это разделение голосовых сообщений было сделано с помощью алгоритма VAD от WebRTC. Он помогает распознавать паузы и отправляет в акустическую модель полные слова, а не их фрагменты. Продолжительность 23–25 секунд была выбрана в результате экспериментов. Более короткие фрагменты вызывали снижение показателей качества распознавания, а более длинные требовалось чаще выравнивать .

Подход с разбиением длинных записей, помимо оптимизации производительности, позволил нам транскрибировать аудио практически любой длины в текст и открыл поле для экспериментов с ASR для других задач продукта, таких как автоматические субтитры.

В июне 2020 года мы запустили в производство распознавание голосовых сообщений для сообщений длиной до 30 секунд (в эту продолжительность укладывается около 90% всех таких сообщений). Затем мы оптимизировали сервис, интегрировав более интеллектуальный способ нарезки треков. С ноября 2020 года мы можем распознавать голосовые сообщения продолжительностью до двух минут (9 минут).9% всех голосовых сообщений). Наша инфраструктура готова к будущим проектам и позволит нам обрабатывать аудиофайлы продолжительностью в несколько часов.

Конечно, с момента его запуска год назад многое изменилось. Мы обновили архитектуру акустической и языковой модели и добавили шумоподавление.

На данный момент весь пайплайн выглядит так:

1. Получаем звуковую дорожку, предварительно ее обрабатываем и превращаем в спектрограмму.
2. Если трек длиннее 25 секунд, мы разрезаем его с помощью VAD на фрагменты по 23–25 секунд. Этот вариант помогает нам не сокращать слова пополам.
3. Далее все фрагменты прогоняются через акустическую (на основе QuartzNet) и языковую (с использованием n-грамм) модели.
4. Затем все фрагменты собираются вместе и проходят через модель пунктуации с помощью нашей пользовательской архитектуры. Перед этим этапом мы также разбиваем слишком длинные тексты на сегменты по 400 слов.
5. Мы объединяем все сегменты и даем пользователю расшифровку текста, которую он может быстро прочитать в любое время и в любом месте, экономя свое время.

Все это вместе образует уникальную услугу. Он может не только распознавать обыденную речь, сленг, ругательства и новые слова в шумной обстановке, но делает это быстро и эффективно. Вот процентили полного времени обработки голосового сообщения (без учета загрузки и отправки клиенту):

• 95-й процентиль: 1,5 секунды
• 99-й процентиль: 1,9 секунды
• 99,9-й процентиль: 2,5 секунды

количество количество голосовых сообщений, отправляемых во «ВКонтакте», выросло на 24% по сравнению с прошлым годом. Ежемесячно 33 миллиона человек слушают и отправляют голосовые сообщения. Для нас это означает, что нашим пользователям нужны голосовые технологии и стоит инвестировать в разработку новых решений.

Существует множество возможностей и перспектив для ASR. Чтобы оценить перспективы его внедрения в ваш продукт, у вас нет большого штата исследователей. Для начала можно попробовать доработать решения с открытым исходным кодом под свои задачи, а затем проводить собственные исследования и создавать новые технологии.

Жизнь осужденных новобранцев группы Вагнера

Группа Вагнера, печально известная российская военизированная организация, хорошо известна тем, что пополняет свои ряды осужденными преступниками. Кто эти люди и что заставляет их идти на войну и умирать в Украине?

(Фото: IStories)

«Нам нужны ваши криминальные таланты», — говорит Евгений Пригожин, обращаясь к морю российских заключенных, одетых во все черное.

«Нашему идеальному кандидату, — продолжает он, — 30–45 лет. Сильный, уверенный, выносливый. В идеале он отсидел не менее пятнадцати лет. В идеале у него впереди еще пятнадцать лет или больше. На его счету многочисленные убийства, жестокие нападения, грабежи. Если он облажался с каким-нибудь чиновником или полицейским, то еще лучше.

Зрители смеются. Пригожин — самодовольный лидер самой известной в России военизированной организации «Группа Вагнера». В этом видео, снятом в российской тюрьме в феврале этого года, он описывает тип людей, которых он вербует для участия в боях группировки в Украине.

Более 50 000 заключенных присоединились к группе Вагнера после вторжения России в 2022 году, по данным некоммерческой правозащитной организации «Россия за решеткой».

Многие дезертировали, были убиты или взяты в плен, силы Вагнера серьезно истощены в жестокой битве России за Бахмут и другие города на востоке Украины.

Хотя наем наемников технически незаконен в России, это не помешало государству превратить их в героев. Их посмертно награждают медалями и орденами, снимают в пропагандистских фильмах, хоронят с воинскими почестями.

Но кто эти «идеальные кандидаты»? И что заставляет их вступать в почти безнадежную борьбу?

Журналисты IStories, российского партнера OCCRP, изучили истории жизни трех бывших заключенных, которые записались воевать на стороне Вагнера в Украине и там же погибли. Ни один из них не продержался на поле боя дольше нескольких месяцев.

Мало что известно о том, что они пережили на войне и как погибли. Но разговоры с их друзьями, их семьями и даже их жертвами дают некоторое представление об их жизни — часто мрачной и испорченной алкоголизмом и бессмысленным насилием задолго до того, как они отправились на поле боя.

Искатель Правды

Александр Ситавичус всего два месяца воевал на Украине, прежде чем был убит. Сегодня бывший продавец сельскохозяйственной продукции и отец четверых детей вернулся домой в русскую деревню и похоронен на том же кладбище, что и трое человек, которых он посадил в тюрьму за убийство.

Мишенью его пьяного приступа расистского насилия были односельчане Ладожской, сельской казачьей слободы на юго-западе России, которую Ситавичус называл своим домом.

Его родной город, растянувшийся вдоль извилистой реки Кубань, в нескольких часах езды от оккупированного Крыма, не богат на развлечения. Один из них — «Огонёк», скромный бар-ресторан, где в последний день 2017 года жизнь Ситавичуса изменилась навсегда.

К тому времени он уже был ветераном войны с Украиной, побывав там в 2014 году, когда Россия стремилась оторвать восточные регионы страны от Украины.

Александр Ситавичус. (Фото: ВКонтакте)

«Саша — такой парень, у которого обостренное чувство справедливости, — вспоминает его друг Алексей Гайворонский. — Он сразу в 2014 году поехал на Донбасс, спасать «русский мир». Вы знаете, все классически русские люди всегда руководствуются своими эмоциями, они никогда не думают фактами».

«Таков был его характер, — говорит вдова Ситавичуса Оксана. «Он должен был быть везде. Он был идейным, скажем так. Он всегда боролся за правое дело».

К 2017 году Ситавичус вернулся в свой родной город. В ту зимнюю ночь в самом конце года он напивался со старым другом с войны.

Затем, по непонятным причинам, двое мужчин подрались с несколькими другими. Их оппонентами, которые видны на кадрах с камер наблюдения в напряженном противостоянии, были этнические рома, местное меньшинство.

Одна из родственниц его жертв, не идентифицированная для защиты ее личной жизни, вспоминает, как началась ночь: «Ситавичус и его друг приходят в Огонёк. Отдыхают, пьют, с «цыганами» дерутся. Ситавучус с другом уходят, а говорят: «Мы еще вернемся».0003

Вооружившись автоматом Калашникова, который, вероятно, привез домой с войны, Ситавичус вернулся в ресторан со своим другом, который размахивал ножом. Мужчины, с которыми они сражались, уже ушли, но это не помешало им атаковать первые попавшиеся этнические меньшинства.

Первым пал молодой человек по имени Артем Мирзоян, армянин по происхождению.

Артем Мирзоян, один из трех человек, убитых Ситавичусом. (Фото: ВКонтакте) «Они застрелили моего брата у бара, — говорит его брат Арнольд, — и застрелили ди-джея, который на самом деле не имел к этому никакого отношения. Они вошли как фашисты, стреляя в бородатых. … Они просто хотели расстрелять каких-то темных людей, нерусских».

Выйдя на улицу, Ситавичус в очередной раз убил, застрелив 18-летнего цыгана, который сидел в машине и слушал музыку с другом. Ненадолго спрятавшись в ближайшем лесу, он и его друг были арестованы.

Несмотря на бессмысленность убийств, многие местные жители поддержали Ситавичуса, пользующегося большим уважением. Но другие видели в нем не более чем убийцу. Дело вызвало то, что составило этнический конфликт в одной деревне.

«В нашем маленьком селе, где все друг друга знают, стало сущим адом, — вспоминает родственница Мирзояна. «Было страшно просто выйти на улицу, потому что все дрались друг с другом. Они начали создавать группы в соцсетях, [призывая] русских вытеснять нерусских из села. Было так страшно все это читать… Я даже из дома не выходила».

Друг Ситавухуса Гайворонский также объясняет его действия этническим конфликтом, приписывая свои эксцессы алкоголю.

«Есть такая армяно-цыганская ОПГ, и они терроризируют все это село», — говорит он, вспоминая неподтвержденные слухи о том, что какие-то цыгане изнасиловали местную девушку в том же кафе. «Это была точка кипения, понимаете? … То, что он был пьян, конечно, усугубляет ситуацию. Все наши «правдолюбы» пьют чертовски много водки, а потом садятся в тюрьму вместо того, чтобы решать дела через ментов».

Ситавичус был признан виновным в убийствах и получил 21 год тюремного заключения. Он будет служить только четырем: в 2022 году он воспользовался предложением группы Вагнера, чтобы завоевать свободу, отправившись на войну.

Через два месяца он вернулся домой в закрытом гробу. Похоронен на местном кладбище с воинскими почестями.

По сей день местные жители спорят, был он героем или преступником.

«Каждую неделю я езжу в это село и хожу на кладбище», — говорит Арнольд Мирзоян, брат убитого. «Вижу флаги, вижу, как хоронили Ситавичуса. Как его почитают. Это неприятно, конечно. Как герой!»

Могила Александра Ситавичуса в Ладожской. (Фото: IStories)

«Какой он может быть герой, если убил трех человек?» — говорит другой родственник Мирзояна. «То, что он пошел на войну, делает его героем? Нет, герой — это нечто другое. … Для меня очень странно, как убийца может пойти на войну, а потом вернуться и сказать: «Я исправился». Люди так не исправляются. Именно для того, чтобы убивать, он пошел. В конце концов, это война».

У друга Ситавичуса Гайворонского нет добрых слов в адрес руководителей России. «В администрации хуже [украинцев], — говорит он. — Я не империалист. Наша империя нацелена на уничтожение собственного населения. Это безумие должно закончиться».

Но это не мешает ему оправдывать решение своего друга драться.

«Нельзя смотреть на него только с одного ракурса», — говорит он. «Никто не превозносит то, что он сделал в том кафе, стреляя в людей. Но эти преступники сейчас наиболее эффективны [на войне]. Они наши герои!»

Волчонок

Юрий Гавришов познакомился с Ксенией Подкорытовой в коррекционной школе-интернате в поселке Константиновское на юге России. Оба были сиротами. У них завязались отношения, иногда встречаясь в доме, который ему предоставило правительство после выхода из учреждения.

Но роман не продлится долго. В 2017 году Гавришов в порыве ревности убил свою партнершу, несколько раз ударив ее кирпичом по голове.

Даже сегодня на ее странице ВКонтакте написано: «Юра, я тебя очень люблю. Ты мой любимый муж!» Они никогда не были официально женаты, но местные жители вспоминали бурные отношения.

«Он напился, она ему изменила, что ли», — рассказал местный житель Влад Иванов. — Значит, он сошел с ума и убил ее.

Юрий Гавришов и Ксения Подкорытова, которых он убил. (Фото: ВКонтакте)

Гавришов был младшим из 10 детей из неблагополучной семьи.

«Мы были как волчата — сами выросли», — вспоминает старший брат Николай. «Честно говоря, с ним что-то не так. Какое-то отклонение. Медлил, не уловил. В конце концов, он был последним из нас. Наши родители много пили, а потом он родился…»

Детство братьев и сестер Гавришовых прошло в интернатах и ​​вне их, пока их родители не умерли и вернуться было некуда. Некоторым жилось немногим лучше, чем маленькому Юрию, вспоминает его брат: Трое братьев умерли, один покончил жизнь самоубийством.

Юрию Гавришову почти не доводилось жить нормальной жизнью. Он так и не научился жить независимо и никогда не задерживался на работе. После окончания школы-интерната он был приговорен к исправительным работам за кражу баллонов с пропаном.

Убив свою девушку, 22-летний парень сдался полиции и в итоге был приговорен к восьми годам заключения. Попав в тюрьму, он создал новый профиль в социальной сети «ВКонтакте». Его обновление статуса гласило: «Если ты собираешься трахаться, то только с принцессами». Он добавил год окончания срока его тюремного заключения: «2026».

Но он не проживет так долго. Прошлой осенью к нему в тюрьму приезжали вербовщики Вагнера. Он написал брату одно сообщение: «Все, брат, нас везут на самолете, мы летим».

— Больше я о нем ничего не слышал, — говорит Николай.

Чтобы узнать, что случилось с его братом, он позвонил на горячую линию Вагнера. Голос на другом конце провода успокоил его: «Если бы что-то случилось, — сказал диспетчер, — вы бы уже знали об этом».

Нет. Николай узнал о смерти брата только после того, как с ним связался репортер IStories, который заметил надгробие Юрия на видеозаписи вагнеровского кладбища в сотнях километров от его родного города, размещенной в сети местным блогером.

Николай сетовал на то, что власти не информировали его, но, похоже, не имели твердого мнения о выборе его брата. По его словам, пытаться убедить Юрия не идти на войну было бы бессмысленно.

— У каждого человека своя судьба, — сказал он. «Наверное, так для него было написано»

«Просто вор»

На том же вагнеровском кладбище покоится другой человек, чья бесцельная, трудная жизнь мало чем отличалась от жизни Юрия Гавришова.

Дмитрий Ващенко. (Фото: Одноклассники) На выложенном им фото Дмитрий Ващенко сидит на нарах и удивленно смотрит в камеру. Его ноги и предплечья сильно татуированы. Он находится в тюремной колонии, где он был обычным заключенным, большую часть своей взрослой жизни ездя на велосипеде.

«Выходит, месяц по деревне ходит, опять что-то ворует», — рассказывает Татьяна Орехова, у которой Ващенко когда-то корову украл. «Просто вор, и все. Никто никогда не говорил о нем ничего хорошего. Его почти не было в деревне. Он всегда был в тюрьме, всегда!

Судимость Ващенко подтверждает эту историю: в полицейских протоколах указано, что он пытался ограбить круглосуточный магазин, угнал машину и украл у соседа три стула.

Семья Ващенко, как и Гавришевы, тоже бедствовала. В деревне о них вспоминают не с теплотой, а с некоторым пониманием.

«Они не злые. Не думаю, что они кого-нибудь убьют», — говорит Орехова, которая решила не подавать официальную жалобу на Ващенко после того, как он украл ее корову. «У них это просто воровство. Их никто не воспитывал. Их мать пила всю свою жизнь. Они были беспокойны и никому не были нужны. Так они и жили».

В 2020 году Ващенко попал в более серьезную неприятность после того, как из рогатки забросил мешки с гашишем и другими наркотиками на территорию колонии. Свой поступок он пытался объяснить в суде тем, что отбывал там срок и знал, насколько заключенные тяготеют к наркотикам. Но судья не рассмеялся, присудив ему 10-летний срок.

После того, как его посадили, Алина Коломейцева, местная жительница, игравшая для Ващенко своего рода родительскую роль, получила от него сообщение: «Если бы я вас послушал, меня бы не осудили», — написал он. «Я понимаю, что я пиздец. Сначала я действую, потом думаю. Попробую включить мозги».

«Это была нормальная семья, — вспоминает она о Ващенко. «Что случилось? Может 90-е? Бедность? Мать спилась до смерти. Потом дети как-то пошли боком. Она как бы сдерживала их, а потом — все. Одна сестра умерла. Другая напилась и повесилась».

Ващенко любил роскошь, говорит Коломейцева. Но он не любил работать и не мог удержаться на той работе, которую она ему устроила.

«Он не может нормально жить, не может ходить на работу», — говорит она. «Если бы не наркотики, может быть, от него и пошла бы какая-то польза. Но он пошел туда, куда не должен был идти. Если бы ему перешла дорогу нормальная женщина, исправила бы его? Если бы он влюбился? Но у него ничего не было».

Решение Ващенко присоединиться к Вагнеру, по ее словам, было способом избежать жизни, которую он считал тупиковой.

«Думаю, это был его единственный выход», — говорит она. «Он ушел, потому что эта жизнь была для него бессмысленной.