murtaza-nasir/speakr

解決的問題

Speakr 是一個自托管平台，旨在將音訊錄音轉換為結構化、可搜尋且具智慧的筆記，同時透過在使用者自己的基礎設施上執行，確保完全的隱私。

運作方式

此平台採用包含四個主要階段的流程：

1. 收集：透過麥克風、系統/瀏覽器音訊，或檔案上傳及監視資料夾方式錄製音訊。
2. 轉錄：整合多種 ASR（自動語音辨識）引擎，包括自托管的 WhisperX（用於說話人分離與語音特徵）或 OpenAI、Mistral、AssemblyAI 等雲端 API。
3. 理解：使用 LLM 生成自動摘要、提取待辦事項與日曆事件，並提供聊天介面，用於查詢單一錄音或整個資料庫（查詢模式）。
4. 組織：使用者可使用資料夾、智慧標籤（可攜帶自己的 AI 提示）和保留策略（自動刪除）來管理錄音。

適用對象

專為重視隱私的個人與團體設計，包括保存家庭記憶的家庭、記錄講座筆記的學生、管理專案討論的專業團隊，以及需要特定保留與分享策略的法律或銷售團隊。

主要特色

• 彈性轉錄：支援多種後端，包括自托管 WhisperX，實現高品質的說話人分離與語音嵌入。
• 智慧筆記：支援自訂提示驅動的標籤，可堆疊使用，將原始轉錄內容轉換為食譜、學習筆記等特定格式。
• 隱私優先：完全自托管，支援單一登入（OIDC）與細粒度分享控制。
• 語意搜尋：「查詢模式」支援自然語言聊天與對整個音訊資料庫的搜尋。
• 自動化：提供 REST API 與簽署式 Webhook，可與 n8n、Zapier、Make 等工具整合。