TeleTranscribe

Сервис транскрибации аудио и видео с диаризацией спикеров и LLM-постобработкой. Доступен как Telegram-бот, бот для мессенджера MAX и MCP-сервер для агентов.

Русскоязычный продакшн-сервис: принимает файл или ссылку (YouTube / Яндекс.Диск / Google Drive), прогоняет через каскад ASR + диаризации, отдаёт чистый текст или JSON с word-level таймкодами и метками спикеров. Есть биллинг по минутам.

Возможности

• Транскрибация локальных файлов и ссылок → текст или JSON (word-level таймкоды).
• Диаризация спикеров (SPEAKER_00 / 01 / …), склейка длинных записей.
• Каскад ASR: GPU-модели (GigaAM / faster-whisper на Modal) + облачные провайдеры как fallback.
• Vision-описание кадров через LLM (для контент-анализа и видеомонтажа).
• Дамп каналов: Telegram и YouTube с фильтром по дате → пакетная транскрибация.
• Три интерфейса: Telegram-бот, MAX-бот, MCP-сервер (инструменты для AI-агентов).
• Биллинг по минутам с учётом баланса.

Стек

Python 3.12 · aiogram · FastAPI · PostgreSQL · Redis · Modal (GPU ASR) · pyannote (диаризация) · Gemini (LLM/vision) · MCP · Docker Compose. Деплой на Timeweb (VPS), ASR-воркеры на Modal.

Архитектура

Telegram / MAX / MCP  →  API (FastAPI)  →  очередь (Redis)  →  ASR-воркер (Modal GPU)
                                              │                        │
                                        PostgreSQL               диаризация (pyannote)
                                        (задачи, биллинг)         LLM-постобработка (Gemini)

Подробнее — doc/Vision.md, конвенции — doc/conventions.md.

MCP-инструменты

Сервер отдаёт агентам инструменты: transcribe_file, transcribe_url, transcribe_file_json, transcribe_url_json, describe_image, describe_image_batch, dump_youtube_channel, dump_telegram_channel, get_channel_batch_status, check_balance.

Быстрый старт

git clone https://github.com/AgentSmoki/TeleTranscribe.git
cd TeleTranscribe

# конфиг из шаблона
cp .env.example .env
# заполнить .env (BOT_TOKEN, DATABASE_URL, REDIS_URL, ключи LLM/ASR)

# инфраструктура (PostgreSQL + Redis + telegram-bot-api)
docker compose up -d
docker compose ps

Миграции БД применяются при старте сервиса. Требования: Docker 20.10+, Docker Compose v2.

Конфигурация

Все секреты — через переменные окружения (.env, не коммитится). Ключевые: BOT_TOKEN, DATABASE_URL, REDIS_URL, TELEGRAM_API_ID / TELEGRAM_API_HASH (для telegram-bot-api и session-логина), ключи выбранных ASR/LLM-провайдеров. Полный список — в .env.example.

Лицензия

MIT — см. LICENSE.