LoredCast/filewizard

解決する課題

File Wizardは、通常は複雑なコマンドラインツールを必要とする一般的なファイル操作を、一元化されたセルフホスト型のWebインターフェースで実行できるようにします。ドキュメント、画像、音声、動画の変換や、OCRおよび音声文字起こしを行うために、多数の個別のユーティリティを手動でインストール・設定する必要がなくなります。

仕組み

このアプリケーションは、業界標準のCLIおよびPythonツール群のラッパーとして機能します。FastAPIバックエンドとシンプルなHTML/JS/CSSフロントエンドを使用しており、ブラウザ経由でファイルをアップロードし、目的のアクションを選択し、変換や文字起こしの進捗をリアルタイムで追跡できます。バックグラウンドジョブ処理をサポートしており、Docker経由でデプロイすることで、必要なすべての依存関係（FFmpeg、Pandoc、Tesseractなど）を簡単にセットアップできます。

対象ユーザー

オンラインのファイル変換サービスのプライベートなセルフホスト型代替手段を求めている方や、コマンドラインよりもグラフィカルなインターフェースでファイル変換を管理したい方に最適です。

主な特徴

• 幅広いフォーマット対応: オフィスドキュメント、電子書籍、画像、音声、動画など、180種類以上のフォーマットを標準でサポートしています。
• AIによる文字起こし: faster-whisperを統合し、GPUアクセラレーションを使用したローカルでの音声文字起こしが可能です。
• 統合OCR: Tesseractとocrmypdfを使用して、多言語の画像やPDFからテキストを抽出します。
• 拡張可能なアーキテクチャ: settings.ymlファイルを編集することで、新しい変換ツールを追加できます。
• 安全なデプロイ: OIDC認証オプションや、システムリソースの枯渇を防ぐための子プロセスのリソース制限が含まれています。