Meeting
Text.
โปรแกรมบันทึกและถอดเสียงประชุมแบบออฟไลน์
โปรแกรมบันทึกและถอดเสียงประชุมแบบออฟไลน์ บันทึกเสียงหลายช่องและแปลงเสียงเป็นข้อความด้วย Faster-Whisper ประมวลผลและจัดเก็บข้อมูลภายในเครื่อง พร้อมจัดการผู้เข้าประชุม ค้นหาและแก้ไขข้อความ และส่งออกเอกสารหลายรูปแบบ ใช้งานออฟไลน์ได้หลังติดตั้งและดาวน์โหลดโมเดลพร้อมแล้ว
ดูโค้ดโปรเจกต์เสียงหลายช่อง → ข้อความที่แก้ไขได้
วันนี้เราจะมาคุยกันเรื่องการพัฒนาระบบ และแนวทางการนำ AI มาใช้งานในโปรเจกต์
ภาพด้านบนเป็นแนวคิดหน้าจอประกอบ จะเพิ่มภาพจากโปรแกรมจริงเมื่อพร้อม
ให้บทสนทนาอยู่ภายในเครื่อง
เสียงประชุมอาจมีข้อมูลภายในองค์กรที่เป็นความลับ โปรเจกต์นี้จึงพัฒนากระบวนการถอดเสียงภาษาไทยที่ไม่ส่งเสียงการประชุมไปยังบริการ Cloud AI ภายนอก
จากเสียงประชุม สู่บันทึกที่นำไปใช้ต่อได้
- 01บันทึกเสียงหลายช่อง พร้อมกำหนดช่องและบันทึก Preset
- 02จัดการการประชุมและติดตามการเข้าร่วมของผู้ประชุม
- 03ถอดเสียงในเครื่อง พร้อมจัดการดาวน์โหลดโมเดล Whisper
- 04แก้ไขและค้นหาข้อความถอดเสียง
- 05ส่งออก TXT, SRT, DOCX, PDF และข้อมูลการประชุม JSON
จากการประชุม สู่บันทึกที่ใช้ต่อได้
สร้างและจัดการการประชุม กำหนดช่องเสียงและติดตามการเข้าร่วม จากนั้นถอดเสียงในเครื่อง ตรวจทาน แก้ไข และค้นหาข้อความ พร้อมส่งออก TXT, SRT, DOCX, PDF และข้อมูลการประชุมรูปแบบ JSON
- 01
เตรียมการประชุม
- 02
บันทึกเสียงหลายช่อง
- 03
ถอดเสียงและตรวจทาน
- 04
ส่งออกและเก็บประวัติ
หน้าจอเดสก์ท็อป เชื่อมระบบประมวลผลในเครื่อง
Web UI ที่ใช้ HTML, Bootstrap และ JavaScript ทำงานภายใน PyWebView และเชื่อมกับ Flask ส่วนงานเบื้องหลังจัดการเขียนไฟล์เสียงและถอดเสียง โดยใช้ SQLite ร่วมกับไฟล์ในเครื่องเก็บข้อมูลการประชุม เสียง และข้อความ
- 01หน้าจอเดสก์ท็อปHTML / Bootstrap / PyWebView
- 02ระบบแอปพลิเคชันPython / Flask
- 03งานประมวลผลเบื้องหลังAudio writer / Faster-Whisper
- 04จัดเก็บข้อมูลภายในเครื่องSQLite WAL / Local files
- ใช้คิวเขียนไฟล์เสียง แยกงานอ่านเขียนไฟล์ออกจาก Audio Callback
- ประมวลผลด้วย Faster-Whisper / CTranslate2 และแคชโมเดลร่วมกัน
- SQLite ใช้ WAL พร้อม migration แบบมีเวอร์ชันและสำรองฐานข้อมูลก่อนอัปเดต
ส่วนที่พัฒนา
- เชื่อม Web UI บนเดสก์ท็อปเข้ากับ Flask และพื้นที่เก็บข้อมูลในเครื่อง
- ผสานระบบบันทึกเสียง คิวเขียนไฟล์ และกระบวนการถอดเสียงเบื้องหลัง
- พัฒนาการจัดการประชุม ผู้เข้าร่วม และข้อความถอดเสียง
- พัฒนาการส่งออกเอกสารและกระบวนการ migration ฐานข้อมูล
ชุดทดสอบและข้อจำกัดในการใช้งาน
Repository มีชุดทดสอบอัตโนมัติสำหรับการยืนยันตัวตน API การบันทึกเสียง การถอดเสียง migration และการส่งออกเอกสาร คุณภาพการถอดเสียงขึ้นอยู่กับเสียง โมเดลที่เลือก และฮาร์ดแวร์
สิ่งที่ได้เรียนรู้
การทำแอป AI ในเครื่องต้องประสาน Audio Callback งานเบื้องหลัง การโหลดโมเดล และการจัดเก็บข้อมูล โปรเจกต์นี้เชื่อมทักษะ Full-Stack เข้ากับการจัดการทรัพยากรสำหรับ Inference และการออกแบบระบบเดสก์ท็อปที่ย้ายพื้นที่เก็บข้อมูลได้