Audio Transcriber
nurgysa/audio-transcriber
Transcrição cloud de áudio com diariazação e extração de tarefas para Windows
Ver no GitHubAplicação 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-transcriber1 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
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
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
.exefrom 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
| Компонент | Требование |
|---|---|
| ОС | Windows 10 (64-bit) или Windows 11 |
| Python (для разработки) | 3.12.x |
| ffmpeg | в PATH (для разработки) — в .exe-бандле он встроен |
| Сеть | обязательна — приложение использует cloud-API, offline не работает |
| GPU | не 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):
| Сервис | Зачем | Где взять |
|---|---|---|
| AssemblyAI | транскрипция + диаризация (обязательно) | https://www.assemblyai.com |
| OpenRouter | извлечение задач + протокол (обязательно) | https://openrouter.ai/keys |
| Linear / Trello / Glide | отправка задач (опционально) | в Настройках каждого |
Шаблон без секретов — config.example.json.
Cloud-провайдеры транскрипции
| Провайдер | Цена (с диаризацией) | Казахский | Регистрация |
|---|---|---|---|
| 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
- запись в
providers/__init__.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
| Симптом | Решение |
|---|---|
401 Unauthorized при транскрипции | Неверный/истёкший ключ провайдера — перепроверьте в Настройках |
Insufficient credits | Закончился баланс AssemblyAI / OpenRouter — пополните |
ffmpeg: command not found (dev) | ffmpeg не в PATH — см. шаг 2 |
| Пустой/сломанный транскрипт на казахском | Переключите провайдера на Gladia / Speechmatics, или уберите фоновый шум |
.exe не запускается / Defender блокирует | Добавьте 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