murtaza-nasir/speakr

解決する課題

Speakrは、オーディオやビデオの録音を整理された検索可能なノートに文字起こしするための、プライベートなセルフホスト型プラットフォームを提供します。サードパーティのクラウドストレージやSaaSプラットフォームに依存することなく、プライバシーを重視するユーザーが大量の会議や講義の録音を管理する必要性に応えます。

仕組み

Speakrは、好みの文字起こしエンジン（WhisperX、OpenAI、または各種セルフホスト型ASRサービスなど）に接続する中央ハブとして機能します。オーディオがキャプチャまたはアップロードされると、プラットフォームは自動的に文字起こしを行い、話者を識別（話者分離）し、設定可能なAIプロンプトを使用して要約やアクションアイテムを生成します。ユーザーは、元のオーディオの特定のタイムスタンプを引用するチャットインターフェースを通じてライブラリと対話したり、エージェントモードを使用して複数の録音にまたがる複雑な調査を実行したりできます。

対象ユーザー

オーディオデータの安全かつ長期的な保存を必要とし、会議の議事録、研究ノート、学習ガイドなど、口頭の内容を実用的な知識に変換するプロセスを自動化したい個人、研究チーム、または組織向けに設計されています。

ハイライト

• 柔軟な文字起こし: WhisperX、OpenAI、およびVibeVoiceやOpenASRなどのセルフホスト型オプションを含む複数のバックエンドをサポート。
• エージェント型リサーチ: 録音ライブラリ全体を検索し、情報を統合できるオプトイン形式のAIリサーチャー機能を搭載。
• プライバシーファースト: SSOと詳細なアクセス制御をサポートし、完全に独自のインフラストラクチャ上で実行されます。
• カスタマイズ可能なワークフロー: 「スマートタグ」を使用して、録音の種類ごとに特定のAIプロンプトや文字起こし設定を自動的に適用できます。
• 拡張性: REST APIとWebhookサポートが含まれており、Obsidian、n8n、Zapierなどのツールとの統合が可能です。