Hochladen
Meeting- oder Vorlesungsaufnahme → lokale Mediendatei + Meeting-ID
Lokale Sprach-KI · Full-Stack-Anwendung / v0.5.0
Eine Local-First-Full-Stack-KI-Anwendung, die Meeting- und Vorlesungsaufnahmen in Transkripte, Zusammenfassungen, Kernpunkte, Aufgaben und durchsuchbares Wissen umwandelt, ohne Meeting-Inhalte an einen Cloud-KI-Dienst zu senden.
Meeting-Aufnahmen können sensible Informationen enthalten, während Cloud-Transkription und externe KI-Dienste Datenschutz- und Abhängigkeitsfragen mit sich bringen. Ziel war ein End-to-End-Workflow, bei dem Spracherkennung, Sprachmodell-Verarbeitung und Meeting-Verlauf auf dem Rechner mit dem Backend bleiben.
faster-whisper übernimmt die mehrsprachige lokale Spracherkennung, FastAPI orchestriert die Verarbeitung, Ollama erstellt strukturierte Analysen und transcriptbasierte Antworten, SQLite speichert die Meetings und Next.js stellt die Oberfläche bereit. Das Whisper-Modell wird pro Backend-Prozess wiederverwendet und Verarbeitungszeiten werden in der UI sichtbar gemacht.
Audio- oder Videoaufnahmen werden an das FastAPI-Backend übertragen und lokal unter einer generierten Meeting-ID gespeichert.
faster-whisper erstellt lokal mehrsprachige Transkripte; das Modell wird innerhalb des Backend-Prozesses wiederverwendet.
Ollama analysiert das Transkript zu Titel, Zusammenfassung, Kernpunkten und Aufgaben; die Ergebnisse werden in SQLite gespeichert.
Nutzer können transcriptbasierte Fragen stellen, frühere Meetings öffnen, Notizen oder Transkripte exportieren und lokale Meeting-Daten löschen.
Meeting- oder Vorlesungsaufnahme → lokale Mediendatei + Meeting-ID
faster-whisper → mehrsprachiges lokales Transkript
Transkript → Ollama → Zusammenfassung, Kernpunkte und Aufgaben
Gespeichertes Transkript + Frage → belegte lokale Antwort
Das mehrsprachige faster-whisper-small-Modell läuft lokal mit CPU/int8, VAD und Modell-Wiederverwendung.
Ollama überführt Transkriptinhalte in validierte Meeting-Felder; das Backend normalisiert die Modellausgabe vor der Speicherung.
Antworten werden auf das ausgewählte Meeting-Transkript gestützt; fehlt eine Information, soll sie nicht erfunden werden.
Transkriptions- und Analysezeit werden getrennt gemessen; das Whisper-Modell wird wiederverwendet, sodass Engpässe sichtbar und unabhängig optimierbar sind.
Parsing und Normalisierung wurden nach fehlerhaften JSON-Ausgaben verbessert, damit Analysefehler Meeting-Daten nicht unbemerkt beschädigen.
Die Anwendung setzt bewusst auf lokale Spracherkennung, lokale LLM-Inferenz, SQLite und lokale Medien-/Transkriptspeicherung statt einer gehosteten KI-API.
Version 0.5.0 implementiert den vollständigen Workflow von der Aufnahme bis zum nutzbaren Meeting-Wissen: lokale Transkription, strukturierte KI-Analyse, persistenter Meeting-Verlauf, transcriptbasierte Fragen und Antworten, Löschfunktionen, Exporte sowie sichtbare Whisper- und KI-Laufzeiten. GitHub Actions prüft Backend und produktiven Next.js-Build.
Die wichtigste Erkenntnis: Eine nützliche lokale Meeting-KI ist nicht nur ein Transkriptionsmodell. Spracherkennung, robuste strukturierte LLM-Ausgaben, persistenter Verlauf, belegte Antworten und sichtbare Laufzeiten müssen als ein zusammenhängendes System funktionieren.
Dieser Projektbericht basiert auf der Projektdokumentation. Die verlinkten Originaldokumente sind auf Englisch.
Agentische KI · Production Engineering
Eine produktionsorientierte agentische Workflow-Plattform mit strukturierten Entscheidungen, Tool Calling, menschlicher Freigabe, asynchroner Verarbeitung und AWS Infrastructure as Code.
Evidenzbasierte KI · Full-Stack-Anwendung
Ein lokaler CV-Stellen-Matcher mit transparentem Scoring, Evidenzstatus und abgesicherter KI-Textgenerierung.
Lokales RAG · Full-Stack-KI-Anwendung
Ein datenschutzorientierter Dokumentenassistent mit lokaler KI, gestreamten Antworten und nachvollziehbaren Quellen.