Files

T

Канон документов, каталог задач и OpenSpec

docs/ по канону 12: паспорт с целью проекта, архитектура сегодняшнего
устройства, схема хранилища, модель угроз, конвенции кода, журнал ревью.
Конвенции перенесены из jellybit; места, где код им не следует, помечены
строкой «Расхождение» как объявленный долг.

tasks/ с роадмапом: две достигнутые цели, две запланированные (веб и
многопользовательский режим), два направления (все форматы, долгие
записи) и пять задач в беклоге.

openspec/config.yaml — маршрутизатор с адресами документов, спек пока нет.

CLAUDE.md переписан по форме канона: инварианты с severity, семантика
гейта, запреты с путями. Taskfile получил task gate.

2026-08-10 21:19:07 +03:00

5.7 KiB

Raw Blame History

Паспорт проекта

Зачем это и для кого. architecture.md отвечает «как устроено», tasks/ROADMAP.md — «в каком порядке», паспорт — «зачем и для кого».

Цель

Превращать записанную речь в текст, который можно читать и искать.

Потребители — список закрытый: он определяет, что считать нужным, а что интересным.

Кто	Что ему нужно от нас
Владелец сервиса	Отправить голосовое сообщение из Telegram и получить текст ответом. Работает сегодня
Приглашённый пользователь	Войти в веб через свою учётную запись, загрузить запись, забрать текст. Каждый видит только свои записи
Внешняя программа	Отдать файл по HTTP и опросить готовность. Работает сегодня, без разграничения доступа

Цель достигнута, когда:

запись любого распространённого формата принимается без предварительной подготовки, включая дорожку из видео;
запись длиной в несколько часов доходит до текста, а не прерывается ошибкой при достижении предела;
сервисом пользуются несколько человек, и записи одного не видны другому;
текст доступен там же, где загружали, — в вебе и в Telegram.

Что целью не является

Граница домена. По ней в теме architecture судят, не перенесено ли понятие через границу.

Редактор текста. Расшифровку отдаём как есть; правка, разметка, экспорт в форматы документов — не наша работа.
Хранилище записей. Отдаём текст и на этом заканчиваем: библиотекой, архивом и поиском по прошлым записям сервис не становится. Сколько запись лежит на диске после обработки — вопрос срока хранения, а его нет вовсе: database.md, «Представление данных».
Понимание сказанного. Пересказ, выжимка, ответы на вопросы по записи, поиск по смыслу — за границей: мы отдаём текст, а не выводы из него.
Собственное распознавание. Модель не обучаем и не держим у себя, речь распознаёт внешний сервис.
Управление учётными записями. Пользователей заводит и проверяет внешний провайдер, свою регистрацию и свои пароли не делаем.
Живая расшифровка. Работаем с готовой записью, поток в реальном времени не обрабатываем.

Типовые сценарии

Голосовое из Telegram. Пользователь шлёт боту голосовое сообщение, бот отвечает «обрабатываю», через минуту приходит текст ответом на то же сообщение. Записи, чей текст длиннее предела сообщения Telegram, приходят несколькими частями.
Файл через Telegram. То же для аудиофайла или документа с аудио: бот отличает их по MIME-типу и расширению.
Загрузка по HTTP. Программа шлёт POST /api/audio, получает идентификатор задачи и опрашивает GET /api/status/:id, пока не увидит done и текст.
Отказ на середине. Конвертация или распознавание не удались — задача переходит в failed, а пользователь Telegram получает сообщение о том, что именно не вышло, и предложение повторить.

Референсы

Где смотреть prior art, когда упёрлись.

Yandex SpeechKit, отложенное распознавание — модель deferred-general, которой пользуемся: она и задаёт потолок по длине записи и формату.
Whisper и его серверные обёртки — запасной путь, если внешний сервис перестанет устраивать по цене или по качеству русской речи.
PocketBase — кандидат в хранилище взамен сегодняшнего SQLite. Источником учётных записей его не рассматриваем: вход решено делать через OIDC у Authelia (architecture.md, «Открытые вопросы»).

5.7 KiB Raw Blame History Unescape Escape