Meeting AI Assistant

Локальный прототип обработки записей совещаний.

Запуск backend

Рекомендуется Python 3.11 или 3.12 и FFmpeg в PATH. Python 3.14 пока может быть несовместим с частью ML-зависимостей, поэтому для стабильной установки лучше использовать Python 3.12.

Portable-версию FFmpeg можно хранить прямо в проекте: распакуйте full-shared архив так, чтобы DLL находились в backend/tools/ffmpeg/bin. Backend автоматически добавит эту папку в PATH при запуске. При необходимости путь можно переопределить через FFMPEG_DIR в .env.

Для установки зависимостей:

cd backend
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
uvicorn app.main:app --reload

При первом запуске faster-whisper скачает выбранную модель. Для закрытого контура модель нужно заранее разместить в локальном кэше или подключить локальный путь к модели.

Диаризация выполняется локально через pyannote.audio. Для первоначального скачивания модели может потребоваться токен Hugging Face и принятие условий модели. В закрытом контуре модель скачивается заранее, после чего DIARIZATION_MODEL указывает на локальный каталог.

API

Загрузить файл:

curl.exe -X POST http://localhost:8000/meetings -F "[email protected]"

Проверить статус и получить транскрипт:

curl.exe http://localhost:8000/meetings/<meeting_id>
curl.exe http://localhost:8000/meetings/<meeting_id>/result

Поддерживаются .wav, .mp3, .m4a, .ogg, .flac, .mp4, .mov, .webm, .avi. Результат содержит язык, временные метки, текстовые сегменты и назначенного говорящего.

Пример результата:

{
  "language": "ru",
  "diarization": {"enabled": true, "speakers": ["SPEAKER_00", "SPEAKER_01"]},
  "segments": [
    {"start": 0.0, "end": 2.4, "text": "Добрый день", "speaker": "SPEAKER_00"}
  ]
}