⚡️ Open-source AI-диктофон: записывает разговор, распознаёт участников и превращает часы аудио в базу знаний

Speakr — self-hosted платформа для расшифровки и анализа аудиозаписей. Запускается на собственном сервере, а вместо обычного «аудио → текст» умеет превращать записи в структурированные и доступные для поиска заметки.

Можно записать встречу, лекцию, созвон или интервью — дальше Speakr:

💬 автоматически расшифровать аудио;
💬 определить, кто именно говорит, и разделить реплики по спикерам;
💬 узнавать одного и того же человека в разных записях через голосовые профили;
💬 автоматически создавать саммари по собственному промпту;
💬 вытаскивать из разговора задачи и события;
💬 синхронизировать текст с аудио — нажал на реплику и сразу перешёл к нужному моменту записи.

🔥 Но самое интересное — чат с собственными записями.

Можно спросить ИИ:
«Что мы решили насчёт изменения цены и кто был против?»

Speakr ищет информацию по библиотеке записей, формирует ответ и ссылается на конкретные фрагменты разговора с таймкодами. Есть отдельный Inquire Mode для семантического поиска сразу по всей коллекции.

Под капотом тоже интересно, есть возможость подключить:
🔣WhisperX,
🔣OpenAI,
🔣Mistral/Voxtral,
🔣AssemblyAI,
🔣OpenASR,
🔣Alibaba FunASR
🔣 или собственный ASR-сервис.

Для автоматизации есть REST API, Swagger, webhooks и интеграции с n8n, Zapier и Make. Транскрипты можно автоматически экспортировать, например, в Obsidian/Logseq.

Есть поддержка длинных записей, папок, тегов, нескольких пользователей, SSO, общего доступа и политик автоматического удаления старых записей. Сам Speakr можно установить как PWA и пользоваться им с телефона.

👨‍💻 Главная фишка — self-hosted подход: проект рассчитан на развёртывание на собственной инфраструктуре, что особенно интересно для личных и рабочих разговоров, которые не хочется хранить в очередном облачном сервисе.

⚙️ Установка и запуск Speakr

1. Создаём папку:

mkdir speakr && cd speakr

2. Скачиваем конфиги:

wget https://raw.githubusercontent.com/murtaza-nasir/speakr/master/config/docker-compose.example.yml -O docker-compose.yml

wget https://raw.githubusercontent.com/murtaza-nasir/speakr/master/config/env.transcription.example -O .env

3. Настраиваем `.env`:

nano .env

Указываем API-ключи и модели для распознавания речи и AI-анализа/саммари.

4. Запускаем:

docker compose up -d

5. Открываем Speakr:

https://localhost:8899

Проверить работу:

docker compose ps

Посмотреть логи:

docker compose logs -f

➡️ Для большей приватности Speakr можно связать с локальным WhisperX — тогда распознавание аудио можно выполнять на собственной машине.

Записал разговор → получил расшифровку → саммари → задачи → спросил ИИ, о чём вы говорили полгода назад.

♎️ GitHub/Инструкция

#python #soft #github

⚡️ CyberScraper 2077 — когда обычного парсера уже недостаточно

Продвинутый веб-скрапер с поддержкой ИИ, который объединяет парсинг сайтов с возможностями OpenAI, Gemini и Ollama. Вместо простого сбора HTML помогает анализировать контент и превращать полученную информацию в нормальные структурированные данные.

Что умеет:
🖍 работать на Windows и Linux, есть запуск через Docker;
🖍 предоставлять удобный интерфейс для настройки сбора данных;
🖍 подключать ИИ для анализа и структурирования найденной информации;
🖍 экспортировать результат сразу в JSON, CSV, HTML, SQL и Excel;
🖍 использовать stealth-режим при работе с сайтами;
🖍 работать с CAPTCHA и другими препятствиями, которые могут встретиться при автоматизированном сборе данных.

💻 Чтобы ловко обходить капчи, защиту и глубже понимать контент, который вы собираетесь парсить.

🖥 Установка и запуск

Потребуется Python 3.10+.

git clone https://github.com/itsOwen/CyberScraper-2077.git
cd CyberScraper-2077

virtualenv venv
source venv/bin/activate

pip install -r requirements.txt
playwright install

Добавляем API-ключи:

export OPENAI_API_KEY="ваш-ключ"
export GOOGLE_API_KEY="ваш-ключ"

▶️ Запускаем CyberScraper:

streamlit run main.py

После запуска открываем:

https://localhost:8501

Также проект поддерживает Ollama с локальными моделями и запуск через Docker.

По сути, задаёте, что именно хотите получить с сайта, запускаете сбор — а на выходе получаете уже подготовленные данные вместо необходимости вручную разбирать гору страниц.

💻 Отличная находка для тех, кто работает с Python, автоматизацией, сбором больших объёмов информации и AI-агентами.

♎️ GitHub/Инструкция

😳 Лайф | 📲 Зеркало Max

#python #github #soft

💻 Viseron — прокачиваем собственное домашнее видеонаблюдение без подписок и облаков.

По сути, можно собрать у себя мини-Сити-17: система умеет детектить
💬 движение,
💬 распознавать людей,
💬 лица и объекты.

📸 Камера уже не просто пишет видео, а понимает, что происходит в кадре.

🐳 Ставится локально через Docker, после запуска открываете веб-интерфейс и настраиваете всё под себя. Главное — данные никуда не улетают: всё работает на вашем железе.

Хотели нормальное видеонаблюдение без облачной зависимости и платных подписок — забираем.

♎️ GitHub/Инструкция

#python #soft #github

🔥 Нейронка, которая превращает обычные фотографии в 3D-сцену за считанные секунды

VGGT (Visual Geometry Grounded Transformer) — open-source модель, способная восстановить геометрию реального пространства по одной, нескольким или даже сотням фотографий.

Загружаем снимки объекта, комнаты, здания или локации — VGGT может определить:

🔣 положение и параметры камер;
🔣 карты глубины — Depth Maps;
🔣 3D Point Maps;
🔣 соответствующие 3D-точки между разными кадрами.

Есть готовая визуализация через Gradio и Viser, а результат можно экспортировать в COLMAP и дальше использовать, например, в пайплайнах NeRF / Gaussian Splatting.

⚙️Установка:

git clone [email protected]:facebookresearch/vggt.git
cd vggt
pip install -r requirements.txt

▶️ Пример запуска:

import torch

from vggt.models.vggt import VGGT
from vggt.utils.load_fn import load_and_preprocess_images

device = "cuda" if torch.cuda.is_available() else "cpu"

# bfloat16 поддерживается на Ampere GPU
# с Compute Capability 8.0+
dtype = (
    torch.bfloat16
    if torch.cuda.get_device_capability()[0] >= 8
    else torch.float16
)

# Загружаем модель.
# При первом запуске веса автоматически
# скачаются с Hugging Face.
model = VGGT.from_pretrained(
    "facebook/VGGT-1B"
).to(device)

# Указываем собственные фотографии
image_names = [
    "path/to/imageA.png",
    "path/to/imageB.png",
    "path/to/imageC.png",
]

images = load_and_preprocess_images(
    image_names
).to(device)

with torch.no_grad():
    with torch.cuda.amp.autocast(dtype=dtype):

        # Получаем камеры, depth maps,
        # point maps и другие предсказания
        predictions = model(images)

👨‍💻 Хотим не возиться с кодом?

Ставим зависимости для готового интерфейса:

pip install -r requirements_demo.txt

И запускаем Gradio:

python demo_gradio.py

Открывается веб-интерфейс, куда можно загружать изображения или видео, запускать реконструкцию и интерактивно рассматривать полученную 3D-сцену прямо в браузере.

Есть и отдельный 3D-viewer:

python demo_viser.py \
  --image_folder path/to/your/images/folder

А если нужен результат для дальнейшей работы в 3D, VGGT умеет экспортировать реконструкцию непосредственно в COLMAP:

python demo_colmap.py \
  --scene_dir=/YOUR/SCENE_DIR/

После обработки получаем параметры камер и 3D-точки в каталоге sparse, которые можно использовать дальше в соответствующих 3D-пайплайнах.

Очень мощная штука для Computer Vision, 3D, робототехники, AR/VR и Gaussian Splatting.

♎️ Пробуем

#python #soft #github

😨 Нейросеть научилась читать по губам — теперь можно диктовать текст, вообще не произнося ни звука!

Lipflow — open-source инструмент, который превращает движения губ в текст. Никакого микрофона, голоса и звуков — достаточно обычной веб-камеры.

Работает почти как голосовой ввод, только без голоса: зажимаете горячую клавишу, беззвучно произносите нужную фразу, отпускаете — и нейросеть вставляет распознанный текст прямо в активное приложение.

🔥 Что интересного:

🖍 Читает по губам с помощью модели компьютерного зрения Auto-AVSR.
🖍 Работает локально — видео с камеры и распознавание обрабатываются на вашем компьютере.
🖍 Поддерживает Windows, macOS и Linux — без обязательной облачной обработки.
🖍 Подключает ИИ для исправления ошибок — Claude, ChatGPT через Codex CLI, Ollama или локальную Qwen.
🖍 Подстраивается под пользователя — можно потренировать модель на собственном лице и привычных фразах.
🖍 Умеет распознавать речь из видеофайлов, а не только с веб-камеры.

Есть даже гибридный режим: нейросеть одновременно анализирует движения губ и тихий шёпот, повышая точность распознавания.

Установка и запуск

macOS (Apple Silicon):

git clone https://github.com/amywork777/lipflow.git
cd lipflow
./setup.sh
open /Applications/Lipflow.app

Windows (PowerShell):

git clone https://github.com/amywork777/lipflow.git
cd lipflow
powershell -ExecutionPolicy Bypass -File setup.ps1

После установки запускаем Lipflow через меню «Пуск».

Linux:

git clone https://github.com/amywork777/lipflow.git
cd lipflow
curl -LsSf https://astral.sh/uv/install.sh | sh
uv sync
./scripts/download-models.sh
uv run lipflow

🚀 Как пользоваться:
1. При первом запуске разрешаем доступ к камере и проходим настройку с тренировочными фразами.
2. Открываем любой текстовый редактор или мессенджер.
3. Зажимаем Right Option на macOS или Right Ctrl на Windows/Linux.
4. Беззвучно произносим фразу одними губами и отпускаем клавишу.
5. Нейросеть распознаёт движения губ и вставляет текст в активное поле.

💡 Бонус: двойное нажатие горячей клавиши включает режим без удержания кнопки. А для повышения точности можно подключить Claude, Codex CLI или Ollama.

❗️ Важно: при установке скачиваются модели объёмом около 1,2 ГБ. Для базового распознавания интернет после настройки не нужен.

⚡️ Особенно интересно для работы в тишине, экспериментов с компьютерным зрением и альтернативного управления компьютером.

Важный нюанс: технология пока не идеальна. Похожие движения губ могут соответствовать разным словам, поэтому ошибки возможны, особенно при полностью беззвучной речи. Именно для этого предусмотрена дополнительная AI-коррекция.

💬 По сути, это диктовка нового поколения: вы молча шевелите губами, а компьютер печатает за вас.

⚙️ GitHub/Инструкция

#python #github #soft