convez.ai
MCP ServerProdutividadeIntermediário
nurgysa

Audio Transcriber

nurgysa/audio-transcriber

Transcrição cloud de áudio com diariazação e extração de tarefas para Windows

Ver no GitHub
BomPluginScore · de 0 a 100

Aplicação desktop Windows para transcrição de áudio e diarização de falantes via APIs em nuvem (AssemblyAI, Deepgram, Gladia, Speechmatics), com suporte a code-switching em Cazaque, Russo e Inglês. Extrai tarefas automaticamente para Linear/Trello/Glide e gera protocolos de reunião via LLM, sem necessidade de GPU.

Instalação

$npx convez-ai nurgysa/audio-transcriber

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
1
Forks
0
Acompanhando
0
Saúde
85%
Último commit
há 2 meses
Versão
v0.2.0
Issues abertas
0
Contribuidores
1

Casos de uso

  • Transcrever reuniões multilíngues com identificação automática de falantes
  • Extrair tarefas e gerar protocolos de reunião automaticamente
  • Integrar transcrições com sistemas de rastreamento de tarefas (Linear, Trello, Glide)
  • Registrar áudio com microfone e processar em nuvem sem hardware gráfico

Veredito

Ferramenta robusta e pronta para produção (Windows-only) que resolve bem o caso específico de reuniões multilíngues com fluxo de tarefas integrado. Implementação bem estruturada com múltiplos backends, mas depende integralmente de conectividade cloud e APIs pagas.

README

A tradução para o português deste README ainda está na fila.

Audio Transcriber

CI Release License: MIT Platform

Десктоп-приложение для Windows: транскрипция аудио + диаризация спикеров через managed cloud-API, с извлечением задач и генерацией протокола встречи через LLM. UI на CustomTkinter. GPU не нужен — всё распознавание идёт по HTTPS к облачным провайдерам.

EN: Windows desktop app for cloud speech-to-text + speaker diarization (AssemblyAI / Deepgram / Gladia / Speechmatics) with LLM task extraction to Linear / Trello / Glide and meeting-protocol generation. Built for Kazakh + Russian + English code-switching meetings. The UI and docs are currently Russian-only. Grab the ready-to-run .exe from Releases.

Cloud-only с 2026-05-28. Локальный стек (faster-whisper / pyannote / CUDA / torch) удалён из кодовой базы. Если вы искали GPU-версию — она в истории git до коммита рип-аута, но больше не поддерживается.

Скачать

Готовое приложение (Windows 10/11, Python не нужен): Releases → AudioTranscriber-vX.Y.Z.zip (~147 МБ). Распакуйте в папку под вашим пользователем и запустите AudioTranscriber.exe — первый запуск по шагам: docs/CLIENT_SETUP.md.

Остальной README — для разработки из исходников.

Возможности

  • Транскрипция (cloud): 4 провайдера — AssemblyAI, Deepgram, Gladia, Speechmatics. Переключаются в Настройках, ключ у каждого свой.
  • Диаризация спикеров: Speaker A/B/... от провайдера; имена подставляются вручную или через directory-grounding.
  • Code-switching KZ + RU + EN: AssemblyAI Universal обрабатывает переключение языков внутри одной записи нативно.
  • Извлечение задач (LLM → таск-трекер): через OpenRouter; отправка в Linear / Trello / Glide (Protocol-based backends в tasks/backends/).
  • Протокол встречи (protocol.md, 5-block MoM) — генерируется LLM.
  • Grounding документами: прикреплённые PDF/DOCX/PPTX/XLSX → Markdown (Microsoft markitdown) попадают в контекст LLM.
  • Запись с микрофона, встроенный Audio Cutter (обрезка/превью).
  • История митингов с поиском; раскладка по проектам на диске.
  • Резервное копирование в Google Drive (текст митингов, ключи редактируются перед загрузкой).
  • Headless CLI + MCP-сервер для агентских CLI (см. AGENTS.md).
  • Экспорт: TXT / SRT / VTT / Markdown.

Системные требования

КомпонентТребование
ОСWindows 10 (64-bit) или Windows 11
Python (для разработки)3.12.x
ffmpegв PATH (для разработки) — в .exe-бандле он встроен
Сетьобязательна — приложение использует cloud-API, offline не работает
GPUне нужен

Установка (для разработки)

1. Python 3.12

Скачайте с python.org. При установке — галочка «Add Python to PATH».

2. ffmpeg

Скачайте билд с gyan.dev («release essentials»), распакуйте, добавьте bin/ в PATH. Проверка: ffmpeg -version.

(В готовом .exe ffmpeg уже вшит в vendor/ffmpeg/ — отдельно ставить не надо.)

3. Зависимости

pip install -r requirements.txt

Версии в requirements.txt зафиксированы жёстко — пины load-bearing на Windows (CustomTkinter / soundfile / sounddevice / google-auth). Не обновляйте без smoke-теста на чистой Win10 + Win11.

API-ключи

Всё распознавание и LLM-работа — через cloud. Ключи вводятся в Настройках (хранятся в ~/.audio-transcriber/config.json, в git не попадают):

СервисЗачемГде взять
AssemblyAIтранскрипция + диаризация (обязательно)https://www.assemblyai.com
OpenRouterизвлечение задач + протокол (обязательно)https://openrouter.ai/keys
Linear / Trello / Glideотправка задач (опционально)в Настройках каждого

Шаблон без секретов — config.example.json.

Cloud-провайдеры транскрипции

ПровайдерЦена (с диаризацией)КазахскийРегистрация
AssemblyAI~$0.17/час✅ (Universal)https://www.assemblyai.com
Deepgram~$0.43/час❌ (RU+EN)https://console.deepgram.com
Gladia~$0.61/час✅https://app.gladia.io
Speechmatics~$1.04/час✅https://portal.speechmatics.com

Аудио загружается на сервера провайдера; не используйте для конфиденциальных записей, для которых это запрещено.

Добавить провайдера — одна реализация providers/base.py

Запуск

python app.py

Тесты

pip install -r requirements-dev.txt
pytest
python -m ruff check .

Тесты — на pure-функциях; GPU, API-ключи и сеть не нужны.

Сборка .exe

.\scripts\build_exe.ps1                       # PyInstaller onedir в dist/
python scripts\package_release.py --version X.Y.Z   # упаковка + проверки

package_release.py пакует через Python zipfile (forward-slash arcnames), проверяет отсутствие секретов/состояния в бандле, наличие markitdown и GPLv3-лицензии ffmpeg, целостность архива. См. docs/CLIENT_SETUP.md.

Troubleshooting

СимптомРешение
401 Unauthorized при транскрипцииНеверный/истёкший ключ провайдера — перепроверьте в Настройках
Insufficient creditsЗакончился баланс AssemblyAI / OpenRouter — пополните
ffmpeg: command not found (dev)ffmpeg не в PATH — см. шаг 2
Пустой/сломанный транскрипт на казахскомПереключите провайдера на Gladia / Speechmatics, или уберите фоновый шум
.exe не запускается / Defender блокируетДобавьте папку приложения в exclusions Windows Defender

Полный гид для конечных пользователей — docs/CLIENT_SETUP.md.

Архитектура

Карта модулей, runtime-модель и JSON-контракты — в docs/ARCHITECTURE.md. Инварианты и конвенции для AI-агентов — в CLAUDE.md.

Лицензия

MIT — см. LICENSE. Сторонние компоненты (включая GPLv3-сборку ffmpeg, вызываемую как отдельный процесс) — см. THIRD_PARTY_LICENSES.md.

Acknowledgments

  • CustomTkinter — UI-toolkit (MIT)
  • FFmpeg — аудио-обработка (GPLv3-сборка, вызывается как процесс)
  • markitdown — документы → Markdown (MIT)
  • AssemblyAI / Deepgram / Gladia / Speechmatics — cloud STT API
  • OpenRouter — LLM-роутинг для задач и протокола
Ver o original no GitHub

Bom para

Relacionados