av
8af8ec2e54
- колонка `owner` связью с `users` в обеих коллекциях новым шагом схемы `202608140001`; чтение задачи сужено владельцем, и чужая, ничья и несуществующая дают один ответ; правило просмотра файлов сужено им же - приём по HTTP берёт владельца из сессии, а предъявителя без учётной записи пользователя отвергает до чтения тела: позже пришлось бы убирать уложенный файл, а уборки файлов сервис не умеет. Выборка воркера владельцем не сужается - удаление учётной записи с записями отвергается стражем, и вешает его сама сборка хранилища: сборка, забывшая его позвать, теряла защиту молча
124 lines
12 KiB
Markdown
124 lines
12 KiB
Markdown
# Паспорт проекта
|
|
|
|
Зачем это и для кого. [architecture.md](architecture.md) отвечает «как
|
|
устроено», [tasks/BACKLOG.md](../tasks/BACKLOG.md) — «в каком порядке», паспорт —
|
|
«зачем и для кого».
|
|
|
|
## Цель
|
|
|
|
Превращать записанную речь в текст, который можно читать и искать, и хранить
|
|
этот текст вместе с записью.
|
|
|
|
**Сервис — архив, и это решено 2026-08-11.** Прежде граница читалась «отдаём
|
|
текст и на этом заканчиваем»; теперь расшифровки и исходные записи лежат
|
|
бессрочно, а список отбирается по темам. Причина в основном сценарии: семейный
|
|
архив загружают один раз, а возвращаются к нему годами.
|
|
|
|
**Потребители** — список закрытый: он определяет, что считать нужным, а что
|
|
интересным.
|
|
|
|
| Кто | Что ему нужно от нас |
|
|
| --- | --- |
|
|
| Владелец сервиса | Загрузить диктофонную запись или видео из семейного архива с телефона и получить текст. Видеть, кто сколько загрузил и во что это обошлось |
|
|
| Приглашённый пользователь | Войти в приложение через свою учётную запись, загрузить запись, забрать текст, вернуться к ней через месяц. Приложение ставится на телефон; каждый видит только свои записи |
|
|
| Пользователь Telegram | Отправить боту голосовое сообщение и получить текст ответом. Работает сегодня |
|
|
| Внешняя программа | Отдать файл по HTTP, представившись своим токеном, и опросить готовность. Сегодня почти не работает: приём и опрос закрыты сессией OIDC, а своего токена у программы нет — годится только чужая сессия, снятая из браузера и предъявленная кукой либо заголовком `Authorization`. Токен приносит `api-tokens` |
|
|
|
|
**Основной вход — приложение**, бот и HTTP API дополняют его. До 2026-08-11
|
|
основным был бот, и порядок здесь перевёрнут сознательно: диктофонная запись на
|
|
несколько часов через Telegram не проходит вовсе.
|
|
|
|
Цель достигнута, когда:
|
|
|
|
- запись любого распространённого формата принимается без предварительной
|
|
подготовки, включая дорожку из видео;
|
|
- запись расчётного потолка — шести часов — доходит до текста, а не прерывается
|
|
ошибкой при достижении предела (норма — `openspec/specs/storage`);
|
|
- сервисом пользуются несколько человек, и записи одного не видны другому;
|
|
- текст доступен там же, где загружали, — в приложении и в Telegram. Человек
|
|
узнаёт о его готовности, не держа приложение открытым;
|
|
- расшифровка не теряется: к записи возвращаются через месяц и находят её по
|
|
заголовку и темам;
|
|
- владелец видит расход по каждому пользователю и понимает, во что обходится
|
|
приглашение ещё одного человека.
|
|
|
|
## Что целью не является
|
|
|
|
Граница домена. По ней в теме `architecture` судят, не перенесено ли понятие
|
|
через границу.
|
|
|
|
- **Правка текста руками.** Машинную вычитку расшифровки отдаём — литературный
|
|
текст стоит рядом с сырым, — а редактором не становимся: текст руками не
|
|
правим, не размечаем и не экспортируем в форматы документов. Граница сдвинута
|
|
2026-08-11: до того запрет читался «расшифровку отдаём как есть».
|
|
- **Разговор о записи.** Ответы на вопросы по содержанию и поиск по смыслу — за
|
|
границей. Заголовок, пересказ и темы **внутри** границы: она сдвинута
|
|
2026-08-10, и до того запись читалась «мы отдаём текст, а не выводы из него».
|
|
Считать уровни текста берётся задача
|
|
[llm-insights-adapter](../tasks/items/llm-insights-adapter.md).
|
|
- **Собственные модели.** Не обучаем и не держим у себя ни модель распознавания,
|
|
ни языковую модель: и речь, и выводы из текста считает внешний сервис.
|
|
- **Управление учётными записями.** Пользователей заводит и проверяет внешний
|
|
провайдер, свою регистрацию и свои пароли не делаем. Одно исключение появилось
|
|
2026-08-11 вместе с решением про PocketBase: в панель администратора владелец
|
|
входит своим паролем, потому что подпустить к ней внешнего провайдера
|
|
PocketBase не даёт.
|
|
- **Живая расшифровка.** Работаем с готовой записью, поток в реальном времени не
|
|
обрабатываем.
|
|
- **Диктофон.** Запись звука делает телефон, а приложение принимает готовый
|
|
файл. Своей записи и работы без сети не делаем.
|
|
- **Файловое хранилище общего назначения.** Храним аудио и видео, отданные ради
|
|
речи в них. Складом произвольных файлов и папками сервис не становится. Общего
|
|
доступа к чужим записям целью нет, и с 2026-08-14 его нет и на деле: у записи
|
|
есть владелец, и чужую по её идентификатору не отдают
|
|
([security.md](security.md), «Периметр»). Закрыла это задача
|
|
`record-ownership`.
|
|
- **Учёт денег.** Считаем объём, минуты и токены по каждому пользователю и
|
|
показываем их владельцу. Цен, счетов и отказов по исчерпании квоты не делаем:
|
|
пользователя, потратившего слишком много, останавливает разговор или отзыв
|
|
доступа в Authelia.
|
|
|
|
## Типовые сценарии
|
|
|
|
Первые два — основные, и сегодня не работает ни один: приложения нет.
|
|
|
|
1. **Семейный архив.** Человек открывает приложение на телефоне, выбирает до
|
|
десяти записей разом — диктофонные дорожки и видео, — и закрывает его.
|
|
Загрузка показывает ход. Файл, который уже загружали, не грузится второй
|
|
раз. Когда текст готов, приходит уведомление; в списке запись видна
|
|
заголовком и темами.
|
|
2. **Возвращение к записи.** Через месяц человек открывает список, находит
|
|
запись по заголовку или теме и читает вычитанный текст, а при нужде — сырую
|
|
расшифровку.
|
|
3. **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. Работает сегодня.
|
|
4. **Файл через Telegram.** То же для аудиофайла или документа с аудио: бот
|
|
отличает их по MIME-типу и расширению. Работает сегодня.
|
|
5. **Загрузка по HTTP.** Программа шлёт `POST /api/audio` со своим токеном,
|
|
получает идентификатор задачи и опрашивает `GET /api/status/:id`, пока не
|
|
увидит `done` и текст. Сегодня доступно только предъявившему сессию OIDC:
|
|
анонимный запрос обоими адресами отклоняется. Своего входа у программы нет —
|
|
его заводит `api-tokens`. Записи при этом разграничены: программа с чужой
|
|
сессией видит только записи того, чью сессию предъявила.
|
|
6. **Отказ на середине.** Конвертация или распознавание не удались — задача
|
|
переходит в `failed`, а пользователь 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** из референсов ушла: она больше не кандидат — в стек её перевела
|
|
задача `pocketbase-storage` 2026-08-12
|
|
([adr](adr/ADR-2026-08-11-pocketbase-storage-with-admin-panel.md)); там она
|
|
держит хранилище, файлы и панель владельца. Схема и
|
|
раскладка — [database.md](database.md). Учётные записи она хранит и получает от
|
|
Authelia своим провайдером OIDC, но источником их не становится: заводит и
|
|
проверяет людей по-прежнему Authelia.
|