murtaza-nasir/speakr

解决的问题

Speakr 是一个自托管平台，旨在将音频记录转化为结构化、可搜索且智能的笔记，同时通过在用户自己的基础设施上运行来确保完全隐私。

工作原理

该平台采用包含四个主要阶段的流水线：

1. 采集：通过麦克风、系统/浏览器音频或文件上传及监视文件夹方式录制音频。
2. 转录：集成多种 ASR（自动语音识别）引擎，包括自托管的 WhisperX（用于说话人分离和语音特征）或 OpenAI、Mistral、AssemblyAI 等云 API。
3. 理解：使用 LLM 生成自动摘要、提取待办事项和日历事件，并提供聊天界面，用于查询单个录音或整个库（查询模式）。
4. 组织：用户可使用文件夹、智能标签（可携带自己的 AI 提示）和保留策略（自动删除）来管理录音。

适用人群

专为注重隐私的个人和团体设计，包括保存家庭记忆的家庭、记录讲座笔记的学生、管理项目讨论的专业团队，以及需要特定保留和共享策略的法律或销售团队。

主要亮点

• 灵活的转录：支持多种后端，包括自托管 WhisperX，实现高质量的说话人分离和语音嵌入。
• 智能笔记：支持自定义提示驱动的标签，可堆叠使用，将原始转录文本转换为食谱、学习笔记等特定格式。
• 隐私优先：完全自托管，支持单点登录（OIDC）和细粒度共享控制。
• 语义搜索："查询模式"支持自然语言聊天和对整个音频库的搜索。
• 自动化：提供 REST API 和签名 Webhook，可与 n8n、Zapier、Make 等工具集成。