mirror of
https://github.com/R0m1k3/LiveFlow.git
synced 2026-10-11 17:27:19 +02:00
Claude
db73e8db02
- diarizer.py (ECAPA-TDNN + clustering incrémental) repris tel quel de main - Hooks dans le pipeline : colonne speaker, identification par segment dans un thread, locuteur dans l'interface (étiquettes colorées) et les exports - Pause/reprise : bouton ⏸, le client coupe l'envoi, le serveur clôt le segment en cours - Case « Locuteurs » pour désactiver la diarisation par réunion - DIARIZATION=on par défaut dans les compose, PyTorch CPU dans l'image https://claude.ai/code/session_01YHMp3EKzr4s6o8w1ygxuUe
122 lines
4.7 KiB
Markdown
122 lines
4.7 KiB
Markdown
# 🎙️ LiveFlow
|
|
|
|
Transcription de réunions **en direct**, **100 % locale**, dans Docker.
|
|
Capture du micro depuis un navigateur (PC ou téléphone), transcription par
|
|
**Qwen3-ASR** sur GPU NVIDIA, affichage du texte au fil de l'eau, historique
|
|
et export (TXT, Markdown, SRT, JSON).
|
|
|
|
Architecture détaillée : voir [ARCHITECTURE.md](ARCHITECTURE.md) (proposition 2 retenue,
|
|
sans reverse proxy : l'app sert directement le HTTPS).
|
|
|
|
```
|
|
Navigateur (micro, HTTPS/WebSocket)
|
|
→ app FastAPI (HTTPS auto-signé + VAD + segments + SQLite + interface web)
|
|
→ conteneur ASR Qwen3-ASR via vLLM (API compatible OpenAI)
|
|
```
|
|
|
|
## Prérequis
|
|
|
|
- Docker + Docker Compose
|
|
- GPU NVIDIA avec pilotes récents et le
|
|
[NVIDIA Container Toolkit](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html)
|
|
(`nvidia-ctk runtime configure --runtime=docker`)
|
|
- ~6 Go de VRAM libres pour Qwen3-ASR-1.7B (ajuster `--gpu-memory-utilization`)
|
|
|
|
## Démarrage
|
|
|
|
```bash
|
|
docker compose up -d --build
|
|
```
|
|
|
|
Au premier lancement, le conteneur `asr` télécharge le modèle depuis
|
|
Hugging Face (quelques Go, mis en cache dans un volume). Suivre avec :
|
|
|
|
```bash
|
|
docker compose logs -f asr
|
|
```
|
|
|
|
Puis ouvrir **https://\<ip-du-serveur\>:8443** depuis un PC ou un téléphone du
|
|
réseau local, accepter l'avertissement de certificat, autoriser le micro, et
|
|
cliquer sur **Démarrer**.
|
|
|
|
> ⚠️ Le HTTPS est obligatoire : les navigateurs n'autorisent l'accès au micro
|
|
> (`getUserMedia`) qu'en HTTPS (ou sur `localhost`). L'app génère elle-même un
|
|
> certificat auto-signé au premier démarrage pour l'adresse `LIVEFLOW_HOST`
|
|
> (stocké dans le volume de données ; supprimez `data/certs/` pour le
|
|
> régénérer après un changement d'adresse).
|
|
|
|
## Unraid
|
|
|
|
Un compose dédié est fourni : [`docker-compose.unraid.yml`](docker-compose.unraid.yml)
|
|
(image préconstruite `ghcr.io/r0m1k3/liveflow`, GPU via `runtime: nvidia`,
|
|
port 8443). Prérequis : plugins **Nvidia Driver** et **Docker Compose Manager**.
|
|
Renseigner `LIVEFLOW_HOST` (IP du serveur) dans le compose, créer une stack
|
|
pointant sur ce fichier, puis ouvrir `https://<ip-unraid>:8443`.
|
|
|
|
## Mises à jour
|
|
|
|
À chaque push sur GitHub, une GitHub Action construit l'image de l'app et la
|
|
publie sur `ghcr.io/r0m1k3/liveflow:latest`. Pour mettre à jour l'app :
|
|
|
|
```bash
|
|
docker compose -f docker-compose.unraid.yml pull app && \
|
|
docker compose -f docker-compose.unraid.yml up -d app
|
|
```
|
|
|
|
> Première utilisation : le paquet ghcr.io doit être **public** (GitHub →
|
|
> page du dépôt → Packages → liveflow → Package settings → Change visibility).
|
|
|
|
## Diarisation (qui parle ?)
|
|
|
|
Avec `DIARIZATION=on` (par défaut), chaque segment est attribué à un locuteur
|
|
(« Locuteur 1 », « Locuteur 2 »...) par empreinte vocale (ECAPA-TDNN sur CPU,
|
|
modèle ~80 Mo téléchargé au premier démarrage dans `data/models`). Les
|
|
locuteurs apparaissent dans l'interface et les exports. Réglages :
|
|
`DIARIZATION_MAX_SPEAKERS` (défaut 8) et `DIARIZATION_THRESHOLD` (défaut 0.70,
|
|
baisser si deux personnes sont confondues, monter si une personne est coupée
|
|
en deux). La case « Locuteurs » de l'interface permet de désactiver la
|
|
diarisation pour une réunion donnée. Pendant l'enregistrement, le bouton
|
|
**⏸ Pause** suspend la capture sans clore la réunion.
|
|
|
|
## Authentification
|
|
|
|
L'interface est protégée par un identifiant/mot de passe (**admin / admin**
|
|
par défaut), définis par les variables `LIVEFLOW_USER` et `LIVEFLOW_PASSWORD`
|
|
du compose. La session dure 7 jours (cookie signé). **Changez le mot de passe
|
|
par défaut si l'application est accessible depuis internet.**
|
|
|
|
## Configuration
|
|
|
|
Variables d'environnement (fichier `.env` à la racine, voir `.env.example`) :
|
|
|
|
| Variable | Défaut | Rôle |
|
|
|---|---|---|
|
|
| `ASR_LANGUAGE` | *(vide)* | Code langue forcé (`fr`, `en`…) ; vide = détection auto |
|
|
| `ASR_API_KEY` | `sk-local` | Clé envoyée au moteur ASR (inutile en local) |
|
|
| `HF_TOKEN` | *(vide)* | Jeton Hugging Face si nécessaire au téléchargement |
|
|
|
|
## Changer de moteur de transcription
|
|
|
|
L'app ne parle au moteur que via l'API OpenAI (`/v1/audio/transcriptions`).
|
|
Pour changer de moteur, remplacer le service `asr` dans `docker-compose.yml`
|
|
et ajuster `ASR_MODEL`. Exemples :
|
|
|
|
```yaml
|
|
# CPU uniquement — Parakeet-TDT-0.6B-v3 (rapide, 25 langues dont FR)
|
|
asr:
|
|
image: ghcr.io/groxaxo/parakeet-tdt-0.6b-v3-fastapi-openai:latest
|
|
|
|
# Écosystème Whisper — Speaches (faster-whisper, CPU/GPU)
|
|
asr:
|
|
image: ghcr.io/speaches-ai/speaches:latest-cuda
|
|
```
|
|
|
|
## Récupérer une transcription
|
|
|
|
Depuis l'interface (boutons TXT / MD / SRT / JSON / Copier) ou en direct via l'API :
|
|
|
|
```bash
|
|
curl -k https://<ip>/api/meetings # liste des réunions
|
|
curl -k https://<ip>/api/meetings/1/export?format=txt # export texte
|
|
```
|