From 8a7fa7e2e9ec2b4019eeda973aae4df563710216 Mon Sep 17 00:00:00 2001 From: buryan-agent Date: Wed, 21 Oct 2026 15:05:00 +0300 Subject: [PATCH] =?UTF-8?q?[W-02]=20=D0=A2=D1=80=D0=B0=D0=BD=D1=81=D0=BA?= =?UTF-8?q?=D1=80=D0=B8=D0=BF=D1=86=D0=B8=D1=8F=20=D0=B2=D1=81=D1=82=D1=80?= =?UTF-8?q?=D0=B5=D1=87:=20faster-whisper=20=E2=86=92=20=D0=B7=D0=B0=D0=BC?= =?UTF-8?q?=D0=B5=D1=82=D0=BA=D0=B0=20=D0=B2=20buryan-work?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- ops/STATUS.md | 2 +- ops/work/TRANSCRIBE.md | 26 ++++++++ ops/work/transcribe.py | 134 +++++++++++++++++++++++++++++++++++++++++ 3 files changed, 161 insertions(+), 1 deletion(-) create mode 100644 ops/work/TRANSCRIBE.md create mode 100644 ops/work/transcribe.py diff --git a/ops/STATUS.md b/ops/STATUS.md index 63069bc..8271ffb 100644 --- a/ops/STATUS.md +++ b/ops/STATUS.md @@ -60,4 +60,4 @@ | # | Задача | Статус | Артефакт | |---|---|---|---| | W-01 | Presale Cockpit MVP | ✅ | репо `infrastructure/buryan-work`: КП, ТЗ, чек-лист, матрица ВКС, `!пресейл` | -| W-02 | Транскрипция встреч | ⏳ | Whisper | +| W-02 | Транскрипция встреч | ✅ | `meeting-transcribe`: faster-whisper → заметка в buryan-work; LLM-выжимка ждёт Ollama | diff --git a/ops/work/TRANSCRIBE.md b/ops/work/TRANSCRIBE.md new file mode 100644 index 0000000..c5b62a9 --- /dev/null +++ b/ops/work/TRANSCRIBE.md @@ -0,0 +1,26 @@ +# Транскрипция встреч + +``` +meeting-transcribe <аудио|видео> [--client Имя] [--model tiny|base|small] [--push] +``` + +## Как работает + +1. `ffmpeg` приводит файл к 16 кГц моно. +2. `faster-whisper` (CPU, int8) распознаёт речь на русском. +3. Из текста выделяются решения, вопросы и следующие шаги (эвристика). +4. Заметка пишется в `/opt/buryan-work/meetings/<дата>-<клиент>.md`. +5. С `--push` — коммит и пуш в Gitea. + +## Ловушки + +1. **faster-whisper 1.2.1 + старый `av`** — `TypeError: metadata_errors`. + Обход: подаём numpy-массив (декодируем через ffmpeg), а не путь к файлу. +2. **Модель скачивается с HuggingFace** при первом запуске (`tiny` ~75 МБ). +3. **Ollama не установлена** — выжимка пока эвристическая, не LLM. + +## Дальше + +- Поставить Ollama и заменить эвристику на LLM-выжимку. +- Команда в боте: `!встреча <файл>`. +- Автозагрузка записи из Zoom/TrueConf. diff --git a/ops/work/transcribe.py b/ops/work/transcribe.py new file mode 100644 index 0000000..ea1b171 --- /dev/null +++ b/ops/work/transcribe.py @@ -0,0 +1,134 @@ +#!/usr/bin/env python3 +"""Транскрипция встречи: faster-whisper → заметка в buryan-work. + +Использование: + transcribe.py <аудио|видео> [--client Имя] [--model tiny|base|small] [--push] +""" +import json +import os +import re +import subprocess +import sys +import time +from datetime import datetime + +WORK = "/opt/buryan-work" +MODEL = os.environ.get("WHISPER_MODEL", "base") + + +def sh(cmd, timeout=600): + r = subprocess.run(cmd, shell=True, capture_output=True, text=True, timeout=timeout) + return r.returncode, (r.stdout or ""), (r.stderr or "") + + + +def decode_np(path): + """Декодирует через ffmpeg в float32 — обходит несовместимость av.""" + import numpy as np + r = subprocess.run( + ["ffmpeg", "-v", "quiet", "-i", path, "-f", "s16le", "-acodec", "pcm_s16le", + "-ar", "16000", "-ac", "1", "-"], + capture_output=True, timeout=600) + if r.returncode != 0: + raise RuntimeError("ffmpeg decode failed") + audio = np.frombuffer(r.stdout, np.int16).astype(np.float32) / 32768.0 + return audio + +def to_wav(src): + dst = "/tmp/meeting-" + str(int(time.time())) + ".wav" + rc, _, err = sh(f"ffmpeg -y -i '{src}' -ar 16000 -ac 1 -c:a pcm_s16le '{dst}'") + if rc != 0: + raise RuntimeError(f"ffmpeg: {err[:200]}") + return dst + + +def transcribe(path, model_size=MODEL): + from faster_whisper import WhisperModel + model = WhisperModel(model_size, device="cpu", compute_type="int8") + audio = decode_np(path) + segments, info = model.transcribe(audio, language="ru", vad_filter=True, + beam_size=1) + rows = [] + for seg in segments: + rows.append({"start": round(seg.start, 1), "end": round(seg.end, 1), + "text": seg.text.strip()}) + return rows, getattr(info, "duration", None) + + +def summarize(rows): + """Простая выжимка без LLM: решения, вопросы, следующие шаги.""" + text = " ".join(r["text"] for r in rows) + sentences = re.split(r"(?<=[.!?])\s+", text) + decisions = [s for s in sentences if re.search( + r"\b(решили|договорились|утвердили|согласовали|выбрали)\b", s, re.I)] + questions = [s for s in sentences if s.strip().endswith("?")] + actions = [s for s in sentences if re.search( + r"\b(нужно|надо|сделаем|подготов|отправ|провер|созвон|доработа)\w*", s, re.I)] + return { + "decisions": decisions[:8], + "questions": questions[:8], + "actions": actions[:10], + "key": sentences[:5], + } + + +def make_note(rows, summary, client, source, duration): + date = datetime.now().strftime("%Y-%m-%d") + name = f"{date}-{(client or 'встреча').replace(' ', '-')}.md" + path = os.path.join(WORK, "meetings", name) + os.makedirs(os.path.dirname(path), exist_ok=True) + lines = [f"# Встреча: {client or 'без названия'}", "", + f"**Дата:** {date} ", f"**Источник:** `{os.path.basename(source)}` ", + f"**Длительность:** {round(duration or 0)} с", "", "## Решения", ""] + lines += [f"- {s}" for s in summary["decisions"]] or ["- (не найдено)"] + lines += ["", "## Вопросы", ""] + lines += [f"- {s}" for s in summary["questions"]] or ["- (не найдено)"] + lines += ["", "## Следующие шаги", ""] + lines += [f"- [ ] {s}" for s in summary["actions"]] or ["- [ ] (не найдено)"] + lines += ["", "## Транскрипт", "", "```"] + for r in rows: + lines.append(f"[{r['start']:>7.1f}] {r['text']}") + lines += ["```", ""] + open(path, "w", encoding="utf-8").write("\n".join(lines)) + return path + + +def push(note, client): + if not os.path.isdir(WORK + "/.git"): + return "нет локальной копии" + rel = os.path.relpath(note, WORK) + sh(f"cd {WORK} && git add -A && " + f"git -c user.name=buryan-agent -c user.email=agent@buryans.ru " + f"commit -q -m 'Встреча: {client or 'без названия'}' && git push -q") + return f"закоммичено: {rel}" + + +def main(): + if len(sys.argv) < 2: + print(__doc__) + return + src = sys.argv[1] + client = None + do_push = "--push" in sys.argv + if "--client" in sys.argv: + client = sys.argv[sys.argv.index("--client") + 1] + model = MODEL + if "--model" in sys.argv: + model = sys.argv[sys.argv.index("--model") + 1] + if not os.path.exists(src): + print("файл не найден:", src) + return + wav = to_wav(src) + print("распознаю...") + rows, duration = transcribe(wav, model) + print(f"сегментов: {len(rows)}, длительность: {round(duration or 0)} с") + summary = summarize(rows) + note = make_note(rows, summary, client, src, duration) + print("заметка:", note) + if do_push: + print(push(note, client)) + print(json.dumps({k: len(v) for k, v in summary.items()}, ensure_ascii=False)) + + +if __name__ == "__main__": + main()