Audio Recorder with Transcription

Приложение для записи аудио с автоматической транскрибацией и анализом с помощью GigaChat.

Возможности

• Запись аудио через браузер
• Автоматическая конвертация в MP3
• Транскрибация с определением спикеров
• Анализ содержания с помощью GigaChat
• Экспорт результатов в формате Word (.docx)
• Скачивание текстовой версии

Установка

1. Установите зависимости:

pip install -r requirements.txt

2. Убедитесь, что у вас установлен ffmpeg:

# macOS
brew install ffmpeg

# Ubuntu/Debian
sudo apt update
sudo apt install ffmpeg

# Windows
# Скачайте с https://ffmpeg.org/download.html

3. Настройте конфигурацию:
   • Убедитесь, что файл config.yaml содержит правильный токен GigaChat
   • При необходимости измените путь к ffmpeg в app/app.py

Запуск

Способ 1: Автоматический запуск с проверками

python start.py

Способ 2: Прямой запуск Flask приложения

cd app
python app.py

Приложение будет доступно по адресу: http://127.0.0.1:5000

Использование

1. Откройте браузер и перейдите на http://127.0.0.1:5000
2. Нажмите "Start Recording" для начала записи
3. Говорите в микрофон
4. Нажмите "Stop Recording" для завершения записи
5. Дождитесь автоматической обработки:
   • Конвертация в MP3
   • Транскрибация с определением спикеров
   • Анализ содержания
6. Скачайте результаты:
   • Документ Word с транскрипцией и анализом
   • Текстовый файл с транскрипцией

Структура проекта

agent_transcrib/
├── start.py              # Скрипт запуска с проверками
├── config.py             # Загрузка конфигурации
├── config.yaml           # Конфигурационный файл
├── prompt.txt            # Промпт для анализа транскрипции
├── requirements.txt      # Зависимости Python
├── README.md            # Документация
├── recordings/          # Папка для сохранения записей
└── app/                 # Основное приложение
    ├── app.py           # Flask приложение
    ├── utils.py         # Вспомогательные функции
    ├── templates/       # HTML шаблоны
    │   └── index.html
    ├── static/          # Статические файлы
    │   ├── css/
    │   │   └── style.css
    │   └── js/
    │       └── script.js
    └── temp/            # Временные файлы

Технологии

• Backend: Flask
• Аудио: MediaRecorder API, ffmpeg
• Транскрибация: OpenAI Whisper
• Определение спикеров: UniSpeechSat + кластеризация
• Анализ: GigaChat API
• Документы: python-docx

Требования

• Python 3.8+
• Современный браузер с поддержкой MediaRecorder API
• Микрофон
• Достаточно места на диске для моделей и записей

Примечания

• Первый запуск может занять время для загрузки моделей Whisper и UniSpeechSat
• Качество транскрибации зависит от качества записи
• Определение спикеров работает лучше с четко различимыми голосами
• Анализ GigaChat требует стабильного интернет-соединения

Настройка

Конфигурация

• config.yaml - настройки GigaChat API
• prompt.txt - промпт для анализа транскрипции (можно редактировать)

Промпт для анализа

Файл prompt.txt содержит инструкции для GigaChat по анализу транскрипции. Вы можете изменить этот файл для настройки:

• Формата вывода анализа
• Критериев выделения информации
• Структуры отчета