Speakr

Speakr — это платформа для расшифровки аудио и умной работы с заметками, которую ты разворачиваешь на своем сервере. Никаких облаков, никаких чужих рук — все твои записи остаются у тебя, что особенно важно для конфиденциальных разговоров.

Суть простая: загружаешь аудио или записываешь прямо в браузере, получаешь точную расшифровку с распознаванием говорящих. Кликаешь по тексту — аудио перематывается в нужное место, текст подсвечивается автоматически по ходу воспроизведения. Можешь задавать вопросы по записи и получать ответы от ИИ, искать нужное по смыслу через все свои аудио сразу.

Платформа поддерживает голосовые профили — система учится распознавать конкретных людей по голосу, если подключишь WhisperX ASR. Есть REST API с Swagger UI для интеграции с инструментами автоматизации вроде n8n или Zapier. Можно настроить единую авторизацию через любой OIDC-провайдер — Keycloak, Azure AD, Google, Auth0.

Для совместной работы есть внутренний шеринг с гранулярными правами, управление группами, публичные ссылки для внешних получателей. Теги помогают организовать записи, причем к каждому тегу можно прикрутить свой AI-промпт — например, тег "Рецепт" превратит хаотичный рассказ во время готовки в структурированный список ингредиентов и шагов, а тег "Конспект лекции" вытащит из записи концепции, примеры и определения. Теги можно складывать стеком, комбинируя эффекты: "Рецепт" плюс "Без глютена" даст форматированный рецепт с предложениями замен.

Система умеет автоматически удалять старые записи по гибким правилам хранения, защищать важные записи от удаления тегами, настраивать сроки хранения для групповых тегов. Можно включить авто-экспорт готовых расшифровок в Obsidian или Logseq, чтобы они сразу попадали в твое хранилище заметок без ручной работы.

Speakr работает с разными движками транскрипции: OpenAI Transcribe с диаризацией, самохостинг WhisperX ASR на GPU для лучшего качества и голосовых профилей, Mistral Voxtral или VibeVoice ASR. Есть облегченная версия образа на 725 МБ вместо 4,4 ГБ — все функции на месте, только семантический поиск в режиме Inquire откатывается к обычному текстовому.

Интерфейс поддерживает английский, испанский, французский, немецкий, китайский и русский, есть светлая и темная темы с настраиваемыми цветовыми схемами. Разворачивается через Docker за пару команд — скачал docker-compose, настроил API-ключи в .env, запустил.