Qui a dit quoi, et pas seulement ce qui a été dit (9f68eda9) · Commits · Cythin / kastell

.env.example

+24 −0

Changes for .env.example: 24 added lines, 0 removed lines.
Original line number	Diff line number	Diff line
		@@ -179,6 +179,30 @@ LIVEKIT_WS_INTERNAL=ws://livekit:7880
		# EN An empty CLAMAV_HOST disables it: documents are then marked "not
		# EN scanned", never "clean". On first start ClamAV downloads its signatures
		# EN — a few minutes during which uploads remain possible, but unscanned.
		# ── Transcription des réunions / Meeting transcription ─────────────────────
		#
		# L'adresse d'un serveur parlant « /v1/audio/transcriptions ». Vide, les
		# réunions s'enregistrent sans être transcrites, et le produit le dit.
		#
		# Sous le profil « transcription », la composition en lève un :
		# TRANSCRIPTION_URL=http://transcription:8000
		#
		# Le moteur est à vous. L'image se change par TRANSCRIPTION_IMAGE — whisper.cpp,
		# faster-whisper, une enveloppe autour de Parakeet — et le modèle par
		# TRANSCRIPTION_MODEL. Kastell ne connaît que le dialecte, pas le moteur.
		#
		# Le modèle se télécharge à la première demande, une fois :
		# docker compose -f docker/compose.yaml --env-file .env exec transcription \
		# curl -fsS -X POST "http://127.0.0.1:8000/v1/models/$(printf %s "$TRANSCRIPTION_MODEL" \| sed 's\|/\|%2F\|')"
		#
		# EN — Address of a server speaking "/v1/audio/transcriptions". Empty: meetings
		# EN are recorded but not transcribed, and the product says so. The engine is
		# EN yours: change TRANSCRIPTION_IMAGE and TRANSCRIPTION_MODEL. Kastell knows
		# EN the dialect, not the engine.
		TRANSCRIPTION_URL=
		TRANSCRIPTION_MODEL=Systran/faster-whisper-small
		TRANSCRIPTION_KEY=

		CLAMAV_HOST=clamav
		CLAMAV_PORT=3310

apps/api/src/adaptateurs/media.ts

+46 −0

Changes for apps/api/src/adaptateurs/media.ts: 46 added lines, 0 removed lines.
Original line number	Diff line number	Diff line
		@@ -42,6 +42,13 @@ export interface DemandeEnregistrement {
		cleObjet: string;
		}

		export interface DemandePiste {
		salle: string;
		/** L'identité chez le fournisseur, c'est-à-dire l'identifiant de compte. */
		identite: string;
		cleObjet: string;
		}

		export interface ParticipantMedia {
		identite: string;
		nomAffiche: string;
		@@ -57,6 +64,15 @@ export interface Media {
		participants(nom: string): Promise<ParticipantMedia[]>;
		jeton(d: DemandeJeton): Promise<Jeton>;
		demarrerEnregistrement(d: DemandeEnregistrement): Promise<Enregistrement>;
		/**
		* Une piste audio par participant, à côté du composite.
		*
		* Le composite mélange les voix : transcrit, il donne un mur de texte sans
		* locuteurs. Or « qui a dit quoi » est ce qu'on relit après coup. Une piste
		* par personne rend les noms exacts, sans modèle de diarisation à faire
		* mentir sur qui a dit d'isoler le réseau.
		*/
		demarrerPisteParticipant(d: DemandePiste): Promise<Enregistrement>;
		arreterEnregistrement(tacheId: string): Promise<void>;
		}

		@@ -196,6 +212,29 @@ export function mediaLiveKit(c: ConfigurationMedia): Media {
		return { tacheId: info.egressId, cleObjet: d.cleObjet };
		},

		async demarrerPisteParticipant(d) {
		// OGG plutôt que MP4 : on ne veut que la voix. La vidéo de chacun pèse
		// lourd, ne sert pas à la transcription, et le composite la porte déjà.
		const sortie = new EncodedFileOutput({
		fileType: EncodedFileType.OGG,
		filepath: d.cleObjet,
		output: {
		case: "s3",
		value: {
		accessKey: c.stockage.acces,
		secret: c.stockage.secret,
		bucket: c.stockage.seau,
		region: c.stockage.region,
		...(c.stockage.endpoint ? { endpoint: c.stockage.endpoint } : {}),
		forcePathStyle: true,
		},
		},
		});
		const info = await egress.startParticipantEgress(d.salle, d.identite,
		{ file: sortie });
		return { tacheId: info.egressId, cleObjet: d.cleObjet };
		},

		async arreterEnregistrement(tacheId) {
		await egress.stopEgress(tacheId);
		},
		@@ -233,6 +272,13 @@ export function mediaEssai(): Media & { finirEnregistrement(tacheId: string): vo
		taches.set(tacheId, { salle: d.salle, cleObjet: d.cleObjet, fini: false });
		return { tacheId, cleObjet: d.cleObjet };
		},

		async demarrerPisteParticipant(d) {
		compteur += 1;
		const tacheId = `essai-piste-${compteur}`;
		taches.set(tacheId, { salle: d.salle, cleObjet: d.cleObjet, fini: false });
		return { tacheId, cleObjet: d.cleObjet };
		},
		async arreterEnregistrement(tacheId) {
		const t = taches.get(tacheId);
		if (t) t.fini = true;

apps/api/src/adaptateurs/transcription.ts

0 → 100644

+158 −0

Changes for apps/api/src/adaptateurs/transcription.ts: 158 added lines, 0 removed lines.
Original line number	Diff line number	Diff line
		/**
		* Transcription des réunions enregistrées (EF-806).
		*
		* ╔══════════════════════════════════════════════════════════════════════════╗
		* ║ Kastell ne transcrit rien lui-même, et ne veut pas savoir comment. ║
		* ╚══════════════════════════════════════════════════════════════════════════╝
		*
		* Le contrat est celui que la plupart des serveurs de reconnaissance vocale
		* auto-hébergeables exposent déjà — « POST /v1/audio/transcriptions », un
		* fichier en multipart, du JSON horodaté en retour. whisper.cpp le sert,
		* faster-whisper aussi, et les enveloppes autour de Parakeet également.
		*
		* Ce choix n'est pas de la commodité : il fait du moteur une décision
		* d'exploitation. Changer de modèle, c'est changer une image et une variable —
		* pas recompiler Kastell. Une cellule qui travaille en breton et une autre qui
		* travaille en anglais n'ont pas le même besoin, et ce n'est pas à l'éditeur
		* d'arbitrer.
		*
		* Sans moteur configuré, l'enregistrement est marqué « non transcrite » et le
		* produit le dit. Un texte absent qu'on annonce vaut mieux qu'un texte absent
		* qu'on laisse chercher.
		*/

		export interface Segment {
		/** Millisecondes depuis le début de la piste, pas une heure absolue. */
		debutMs: number;
		finMs: number;
		texte: string;
		}

		export interface Transcrit {
		segments: Segment[];
		/** Ce que le moteur dit avoir entendu, quand il le dit. */
		langue: string \| null;
		}

		export interface Transcription {
		readonly nom: string;
		readonly modele: string;
		/**
		* `langue` est un indice, pas un ordre : la plupart des moteurs détectent
		* seuls, et se trompent moins quand on les oriente. Une réunion de crise
		* mélange volontiers deux langues, et forcer la mauvaise coûte tout le texte.
		*/
		transcrire(audio: Buffer, nomFichier: string, langue?: string \| undefined): Promise<Transcrit>;
		}

		export class TranscriptionIndisponible extends Error {
		constructor(message: string) {
		super(message);
		this.name = "TranscriptionIndisponible";
		}
		}

		export const transcriptionInactive: Transcription = {
		nom: "inactif",
		modele: "aucun",
		async transcrire() {
		throw new TranscriptionIndisponible(
		"Aucun moteur de transcription n'est configuré sur cette instance.",
		);
		},
		};

		export interface ConfigurationTranscription {
		/** L'adresse du serveur, sans le chemin : « http://transcription:8000 ». */
		url: string;
		modele: string;
		/** Jeton, si le serveur en réclame un. La plupart des locaux n'en veulent pas. */
		cle?: string \| undefined;
		/** Au-delà, on abandonne : une heure de réunion peut prendre longtemps. */
		delaiMs?: number \| undefined;
		}

		/**
		* Un serveur parlant le dialecte « /v1/audio/transcriptions ».
		*
		* On demande « verbose_json » : le format court ne rend qu'un pavé de texte,
		* sans horodatage. Or c'est l'horodatage qui permet de sauter au bon endroit
		* dans la vidéo, et de recoudre les pistes de plusieurs personnes dans
		* l'ordre où elles ont parlé. Sans lui, la transcription n'est qu'un mur.
		*/
		export function transcriptionOpenAI(c: ConfigurationTranscription): Transcription {
		const base = c.url.replace(/\/+$/, "");
		const delai = c.delaiMs ?? 30 * 60_000;

		return {
		nom: "openai-compatible",
		modele: c.modele,

		async transcrire(audio, nomFichier, langue) {
		const corps = new FormData();
		corps.append("file", new Blob([new Uint8Array(audio)]), nomFichier);
		corps.append("model", c.modele);
		corps.append("response_format", "verbose_json");
		if (langue) corps.append("language", langue);

		const abandon = AbortSignal.timeout(delai);
		let reponse: Response;
		try {
		reponse = await fetch(`${base}/v1/audio/transcriptions`, {
		method: "POST", body: corps, signal: abandon,
		headers: c.cle ? { authorization: `Bearer ${c.cle}` } : {},
		});
		} catch (e) {
		// Le moteur peut être long à charger son modèle au premier appel : on
		// dit lequel des deux a lâché, parce qu'on ne les répare pas pareil.
		throw new TranscriptionIndisponible(
		abandon.aborted
		? `Le moteur n'a pas répondu en ${Math.round(delai / 60_000)} minutes.`
		: `Moteur de transcription injoignable : ${
		e instanceof Error ? e.message : String(e)}`,
		);
		}
		if (!reponse.ok) {
		throw new TranscriptionIndisponible(
		`Le moteur a refusé la piste (${reponse.status}) : `
		+ `${(await reponse.text()).slice(0, 200)}`,
		);
		}

		const rendu = await reponse.json() as {
		text?: string; language?: string;
		segments?: { start?: number; end?: number; text?: string }[];
		};

		// Un moteur qui ne rend pas de segments a quand même transcrit : plutôt
		// que de perdre le texte, on en fait un segment unique. Il perd son
		// découpage, pas son contenu.
		const bruts = rendu.segments ?? [];
		const segments: Segment[] = bruts.length > 0
		? bruts.map((s) => ({
		debutMs: Math.max(0, Math.round((s.start ?? 0) * 1000)),
		finMs: Math.max(0, Math.round((s.end ?? s.start ?? 0) * 1000)),
		texte: (s.text ?? "").trim(),
		})).filter((s) => s.texte.length > 0)
		: (rendu.text ?? "").trim().length > 0
		? [{ debutMs: 0, finMs: 0, texte: rendu.text!.trim() }]
		: [];

		return { segments, langue: rendu.language ?? null };
		},
		};
		}

		let courant: Transcription = transcriptionInactive;

		export function definirTranscription(t: Transcription): void {
		courant = t;
		}

		export function transcription(): Transcription {
		return courant;
		}

		export function transcriptionConfiguree(): boolean {
		return courant !== transcriptionInactive;
		}

apps/api/src/db/migrations/0038_transcription.sql

0 → 100644

+90 −0

Changes for apps/api/src/db/migrations/0038_transcription.sql: 90 added lines, 0 removed lines.
Original line number	Diff line number	Diff line
		-- ═══════════════════════════════════════════════════════════════════════════
		-- Transcription des réunions enregistrées (EF-806).
		--
		-- Ce qu'elle est, et ce qu'elle n'est pas
		-- Une aide à la relecture, pas un registre. La main courante reste le
		-- journal des décisions, tenu par des humains et scellé ; une transcription
		-- est produite par une machine qui se trompe. Les confondre reviendrait à
		-- faire dire au journal des choses que personne n'a validées — et le journal
		-- ne vaut que parce que personne ne peut lui en faire dire.
		--
		-- Une seule entrée de main courante annonce qu'elle existe, comme pour
		-- l'enregistrement lui-même. Le texte, lui, vit ici.
		--
		-- Pourquoi une piste par participant
		-- L'enregistrement composite mélange les voix : une transcription de ce
		-- fichier donne un mur de texte sans locuteurs. Or « qui a dit quoi » est
		-- ce qu'on relit après coup, pour comprendre une décision. Le serveur média
		-- sait enregistrer chaque participant à part ; le nom vient alors de la
		-- participation, sans modèle de diarisation à faire mentir.
		-- ═══════════════════════════════════════════════════════════════════════════

		-- Une piste audio par participant, à côté du composite vidéo.
		create table enregistrement_piste (
		crise_id uuid not null references crise(id) on delete restrict,
		enregistrement_id uuid not null,
		id uuid not null,
		-- Nul si la personne n'a pas de compte : le nom affiché fait alors foi.
		compte_id uuid references compte(id) on delete set null,
		nom_affiche text not null,
		-- Identifiant de la tâche chez le fournisseur, et clé de l'objet produit.
		tache_fournisseur text,
		cle_objet text not null,
		statut text not null default 'en_cours'
		check (statut in ('en_cours','disponible','echec')),
		motif_echec text,
		cree_at timestamptz not null default now(),
		primary key (crise_id, id),
		foreign key (crise_id, enregistrement_id)
		references enregistrement (crise_id, id) on delete cascade
		);
		create index piste_enregistrement on enregistrement_piste (crise_id, enregistrement_id);

		create table transcription (
		crise_id uuid not null references crise(id) on delete restrict,
		id uuid not null,
		enregistrement_id uuid not null,
		-- « non_transcrite » n'est pas un échec : c'est une instance sans moteur, et
		-- le produit doit le dire plutôt que de laisser croire à un oubli.
		statut text not null default 'en_cours'
		check (statut in ('en_cours','disponible','echec','non_transcrite')),
		-- Ce qui a produit ce texte. Une transcription qu'on relit dans six mois ne
		-- vaut que si l'on sait de quel moteur et de quel modèle elle sort : ils ne
		-- se trompent pas de la même façon, et on ne les corrige pas pareil.
		moteur text,
		modele text,
		langue text,
		demarre_at timestamptz not null default now(),
		fini_at timestamptz,
		motif_echec text,
		-- Le document lisible déposé dans « Enregistrements », s'il a pu l'être.
		document_id uuid,
		primary key (crise_id, id),
		foreign key (crise_id, enregistrement_id)
		references enregistrement (crise_id, id) on delete cascade
		);
		-- Une seule transcription par enregistrement : la refaire remplace, elle ne
		-- s'empile pas. Deux versions d'un même verbatim, c'est deux vérités.
		create unique index transcription_par_enregistrement
		on transcription (crise_id, enregistrement_id);

		create table transcription_segment (
		crise_id uuid not null,
		transcription_id uuid not null,
		ordre integer not null,
		locuteur_compte_id uuid references compte(id) on delete set null,
		locuteur_nom text not null,
		-- Millisecondes depuis le début de l'enregistrement, pas une heure absolue :
		-- c'est ainsi qu'on saute au bon endroit dans la vidéo.
		debut_ms integer not null,
		fin_ms integer not null,
		texte text not null,
		primary key (crise_id, transcription_id, ordre),
		foreign key (crise_id, transcription_id)
		references transcription (crise_id, id) on delete cascade
		);

		-- La recherche plein texte sans dictionnaire de langue : le dossier peut être
		-- en français comme en anglais, et « simple » ne prétend pas trancher.
		create index transcription_segment_texte
		on transcription_segment using gin (to_tsvector('simple', texte));

apps/api/src/domaine/reunions.ts

+417 −0

File changed.

Preview size limit exceeded, changes collapsed.