LectureLog

HTTP-сервис обработки лекций: на вход — лекция в виде аудиозаписи, видеофайла или ссылки на видео (YouTube, публичные посты X и обычные HTTP(S)-URL), опционально + слайды PDF/PPTX; на выходе — структурированный конспект в формате Obsidian (Markdown + нарезанные медиафрагменты + слайды), упакованный в ZIP.

Что умеет

Приём медиа: аудиофайл, видеофайл или URL видео (скачивается через yt-dlp); для видео извлекается аудиодорожка для транскрибации.
Транскрибация аудио в SRT через Groq Whisper или Deepgram Nova-3.
Слайды — три источника: из приложенного PDF/PPTX (pymupdf + LibreOffice), автоматически из видеоряда через Gemini Vision, либо без слайдов (флаг no_slides).
Структуризация транскрипта на темы и подтемы через Gemini, с привязкой слайдов.
Кадры из видео (стадия video_slides, только для видео-лекций без приложенного документа слайдов) — из видеоряда автоматически отбираются осмысленные стопкадры (слайд / доска в момент «дописал» / финальный код live-coding), проверяются VLM и привязываются к секциям конспекта по таймкодам. Управляется FRAMES_ENABLED.
Нарезка медиа по секциям конспекта через ffmpeg (аудио- или видеофрагменты).
Экспорт в ZIP: конспект.md (с виджетом плеера Obsidian) + медиафрагменты + слайды/кадры.

Состояние задач хранится в Postgres и переживает рестарт сервиса. Зависшие после рестарта задачи автоматически помечаются как interrupted. Несколько лекций обрабатываются параллельно (лимит — MAX_CONCURRENT_TASKS), остальные ждут в очереди.

Режимы слайдов

видео без слайдов-документа → слайды извлекаются автоматически из видеоряда (Gemini Vision);
приложен PDF/PPTX (slides) → слайды берутся из документа (документ приоритетнее видео);
флаг no_slides → слайды не делаются.

Для аудио слайды есть только при приложенном документе.

Кадры из видео (стадия `video_slides`)

Отдельно от «Режимов слайдов» выше: для видео-лекций без приложенного документа слайдов и без no_slides дополнительно работает стадия отбора кадров — она извлекает из видеоряда не «слайды один в один», а осмысленные стопкадры (доска в момент «дописал», финальный код live-coding и т. п.) и привязывает их к секциям конспекта по таймкодам, уже после структуризации (на структуризацию кадры не влияют).

Приложен документ-слайды → приоритет у документа, стадия кадров не запускается.
Стадия построена по принципу никогда не роняет задачу: любой сбой на любом шаге — конспект просто получается без кадров, остальной пайплайн отрабатывает как обычно.
Без доступного VLM (исчерпан бесплатный тир / FRAMES_ENABLED=false не влияет на сам VLM, но при отказе LLM) стадия деградирует: классификация кадров идёт по временным сигнатурам без LLM-подтверждения, финальный QC пропускается — итоговый набор кадров чуть менее вычищен, но стадия всё равно отрабатывает.
Классификация режимов и финальный QC настраиваются отдельно: 1–2 вызова классификатора можно отправлять на более тяжёлую модель, а массовый QC оставить на дешёвом списке.
Для массового VLM-QC первой используется экономичная gemini-3.5-flash-lite; фактическая стоимость зависит от объёма кадров и текущего тарифа Google AI Studio.

Результат в Obsidian

Внутри ZIP — конспект.md и подкаталоги с нарезанными аудиофрагментами и слайдами. Распакуйте архив в свой Obsidian-vault и откройте конспект.md.

Для каждой секции конспекта встроен виджет аудиоплеера: соответствующий фрагмент лекции можно прослушать прямо из заметки. Виджет рендерится плагином Audio Player — установите его в Obsidian (Settings → Community plugins), иначе вместо плеера будет виден сырой код-блок ```audio-player.

Пример конспекта

Готовый пример — конспект доклада Philip O'Toole «Build Your Own Distributed System Using Go» (оригинал на YouTube), собранный в видео-режиме: оглавление по темам, слайды из видеоряда, таймкоды с встроенным плеером и нарезанные видеофрагменты.

⬇ Скачать пример (ZIP, ~154 МБ)

Распакуйте архив в Obsidian-vault и откройте конспект.md.

Запуск

Запуск через Docker Compose:

cp .env.example .env
# Выберите TRANSCRIBE_PROVIDER, заполните ключ выбранного STT-провайдера,
# OPENROUTER_API_KEY, CORE_POSTGRES_PASSWORD,
# S3_ACCESS_KEY и S3_SECRET_KEY.
docker compose up --build

Поднимутся сервисы: db (Postgres 16), minio (S3-хранилище лекций), minio-init (разовое создание бакета и применение lifecycle-правил — см. ниже) и api. Миграции применяются автоматически на старте контейнера. По умолчанию MinIO наружу не выставлен (S3_PUBLIC_ENDPOINT не задан) — движок ходит к нему по internal-endpoint внутри docker-сети, presigned-эндпоинты выключены, работает автономно. API доступен на http://localhost:8000.

Сервис minio-init (скрипт docker/minio-init.sh) идемпотентно настраивает lifecycle (ILM) бакета lectures: uploads/ — Expiration 7 дней и AbortIncompleteMultipartUpload 1 день (чистка сырых исходников и orphan-частей оборванных presigned-заливок); results-tmp/ — Expiration 1 день (временные ZIP от /result-url). Префикс results/ (постоянные результаты) правил НЕ имеет и живёт до явного DELETE /tasks/{id}. Образы MinIO/mc запинены по тегам релизов (а не :latest) для воспроизводимости.

В образе уже присутствуют системные зависимости видео-режима: ffmpeg/ffprobe (нарезка фрагментов и извлечение кадров), yt-dlp (скачивание видео по URL), а также питон-пакеты opencv-python-headless и numpy (локальный анализ видеоряда для стадии video_slides).

Для X поддерживаются публичные x.com/twitter.com-посты без cookies. Если пост содержит несколько видео, URL поста выбирает первое вложение, а суффикс /video/N — явно указанное. Закрытые, удалённые и требующие авторизации посты не поддерживаются. Качество всех URL-видео задаёт VIDEO_TARGET_RESOLUTION: числовое значение является ориентационно-независимой мягкой целью, best снимает ограничение.

Проверка:

curl http://localhost:8000/api/v1/health
# {"status":"ok"}

VPS: готовый образ из GHCR

Основной prod-like сценарий для быстрой проверки — готовый Docker image из GHCR, без сборки исходников на сервере. Каналы образов:

Docker tag	Откуда берётся	Назначение
`dev`	каждый push в git-ветку `dev`	быстрый прод-чек текущей разработки
`latest`	git tag `v*`	стабильный релиз
`vX.Y.Z`	git tag `vX.Y.Z`	воспроизводимый релиз

latest — это Docker-тег, не git-ветка. Стабильный код живёт в main, активная разработка — в dev.

Минимальное развёртывание core на VPS:

mkdir -p /opt/lecturelog-core
cd /opt/lecturelog-core
curl -fsSLo docker-compose.yml https://raw.githubusercontent.com/LectureLog/lecturelog-core/refs/heads/dev/deploy/compose.vps.yml
curl -fsSLo .env https://raw.githubusercontent.com/LectureLog/lecturelog-core/refs/heads/dev/deploy/env.core.example
curl -fsSLo minio-init.sh https://raw.githubusercontent.com/LectureLog/lecturelog-core/refs/heads/dev/deploy/minio-init.sh
chmod +x minio-init.sh
docker network create lecturelog-shared || true

Отредактируйте .env: выберите TRANSCRIBE_PROVIDER, задайте ключ выбранного STT-провайдера, OPENROUTER_API_KEY, CORE_POSTGRES_PASSWORD, S3_SECRET_KEY, публичный S3_PUBLIC_ENDPOINT и общий с web LECTURELOG_WEBHOOK_SECRET. Для связки с web укажите:

PLATFORM_CALLBACK_URL=https://app.example.com/webhooks/core
S3_PUBLIC_ENDPOINT=https://files.example.com

Затем запустите:

docker compose pull
docker compose up -d
docker compose logs -f api

Для dev-проверки оставьте LECTURELOG_CORE_IMAGE_TAG=dev. Для стабильного канала используйте latest, для воспроизводимого деплоя — конкретный тег, например v0.2.0.

API и MinIO публикуются только на 127.0.0.1; публичный HTTPS-доступ должен идти через nginx/caddy. Core подключается к общей Docker-сети lecturelog-shared, чтобы web мог обращаться к API по http://lecturelog-core-api:8000.

Выпуск релиза

Проверьте, что dev зелёный и его образ :dev проверен на VPS.
Перенесите проверенный код в main.
Поставьте semver-тег и отправьте его в GitHub:

git checkout main
git merge --ff-only dev
git tag v0.2.0
git push origin main v0.2.0

GitHub Actions соберёт ghcr.io/lecturelog/lecturelog-core:v0.2.0, обновит ghcr.io/lecturelog/lecturelog-core:latest и создаст GitHub Release.

API

Базовый префикс — /api/v1.

Машиночитаемый контракт (OpenAPI)

Схема API доступна в машинном виде и служит источником правды для генерации типизированного клиента в platform-api.

Живая схема (при запущенном сервере): GET /openapi.json — сама спека, /docs — Swagger UI, /redoc — ReDoc. Эти эндпоинты FastAPI отдаёт на корне, вне префикса /api/v1.
Снапшот в репозитории: docs/openapi.json — закоммиченная актуальная версия схемы (типы usage в GET /tasks/{id}, коды ответов, summary/tags).
Регенерация локально: python scripts/export_openapi.py обновляет docs/openapi.json без запуска сервера и без реальных секретов (используются env-заглушки).
Проверка в CI: джоба openapi сверяет снапшот с кодом (git diff --exit-code) — если API изменился, а схему не перегенерировали, сборка краснеет.
Внеконтрактные флоу: docs/api-contract.md описывает то, чего нет в OpenAPI by design — presigned-загрузку/скачивание, исходящий вебхук, два endpoint'а MinIO, HMAC-контур доверия и автономные режимы.

Метод	Путь	Описание
`POST`	`/tasks`	Создать задачу. multipart: ровно один источник — `audio` (file) / `video` (file) / `video_url` (form) / `s3_key` (form, ссылка на загруженный в MinIO объект под `uploads/`; для него ещё `media`: `audio`\|`video`); опционально `slides` (file) и `no_slides` (form, bool). Возвращает `{"task_id": "<hex>"}`.
`POST`	`/uploads`	Выдать presigned PUT URL для загрузки исходника платформой в `uploads/`. Тело: `{filename}`. Ответ: `{key, url, expires_in}`. `409`, если `S3_PUBLIC_ENDPOINT` не задан.
`GET`	`/tasks/{id}`	Статус задачи: `{task_id, stage, progress_pct, error, error_code, result_path, usage}`. `result_path` — S3-префикс папки результата (`results/<task_id>/`). `error_code` — машинный код ошибки (enum, `null` вне ошибочного статуса). `usage` — разбивка расхода ресурсов по стадиям и моделям (см. ниже).
`GET`	`/tasks/{id}/transcript?format=srt\|txt`	Транскрипт (SRT или plain text).
`GET`	`/tasks/{id}/result`	Готовый ZIP (`application/zip`), собирается НА ЛЕТУ из объектов под `results/<task_id>/` и стримится клиенту (MinIO клиенту не виден; дефолт для консоли/автономии).
`GET`	`/tasks/{id}/result-url`	Presigned GET URL на ZIP результата: `{url, expires_in}`. ZIP собирается во временный объект `results-tmp/<task_id>/<uuid>.zip` (его чистит lifecycle MinIO / DELETE). Опц. параметр `filename` зашивается в `Content-Disposition` (имя `<filename>.zip`). `409`, если `S3_PUBLIC_ENDPOINT` не задан; `404`, если результат не готов.
`DELETE`	`/tasks/{id}`	Идемпотентно удалить задачу: чистит объекты в MinIO (весь префикс `results/<task_id>/`, временные `results-tmp/<task_id>/` и связанный `uploads/`-исходник) и строку в БД. Повтор на уже удалённую/неизвестную задачу → `204`.
`GET`	`/health`	Healthcheck.

Коды ответов

POST /tasks: 200 — успех; 400 — не ровно один источник, video_url без http/https-схемы, media не audio/video или s3_key вне uploads/.
POST /uploads: 200 — {key, url, expires_in}; 409 — S3_PUBLIC_ENDPOINT не задан.
GET /tasks/{id}: 200 — статус; 404 — задача не найдена.
GET /tasks/{id}/result-url: 200 — {url, expires_in}; 409 — S3_PUBLIC_ENDPOINT не задан; 404 — результат не готов.
GET /tasks/{id}/transcript:
- 400 — format не srt/txt: {"error":"invalid_format","allowed":["srt","txt"]}
- 404 — задачи нет: {"error":"task_not_found"}
- 409 — упало на транскрибации: {"error":"transcribe_failed","detail":"..."}
- 202 — ещё не готово: {"status":"in_progress","stage":...,"progress":...}
- 200 — готово (SRT-файл или plain text).
GET /tasks/{id}/result: 200 — ZIP; 404 — результат не готов / файл не найден / задачи нет.
DELETE /tasks/{id}: 204 — задача и её объекты удалены (идемпотентно, в т.ч. на неизвестную задачу).

Учёт расхода ресурсов (`usage`)

Ответ GET /tasks/{id} содержит поле usage — JSON с разбивкой потраченных ресурсов по стадиям и моделям (стадия × модель). Это ядро движка, а не платформенная фича, поэтому видно всем клиентам, включая консольный режим. Накапливается инкрементально по мере прохождения стадий: на failed/interrupted содержит частично накопленное.

transcribe — {audio_seconds, provider, model}.
structurize, video_slides — {provider, by_model: {<model>: {prompt, output, calls}}} (стадия video_slides присутствует только если слайды извлекались из видеоряда).
total — сводка: {audio_seconds, gemini_prompt, gemini_output, source, slides_origin}, где source — audio|video, а slides_origin — none|document|video_extracted.

Вебхук на терминальные события (опционально)

Если задан PLATFORM_CALLBACK_URL, на каждое терминальное событие лекции (done/failed/interrupted) движок шлёт одну исходящую POST — fire-and-forget, с коротким таймаутом и без ретраев. Без PLATFORM_CALLBACK_URL движок работает автономно как раньше (поллинг GET /tasks/{id} всегда доступен).

Тело тонкое — {task_id, status, error, error_code} (status: done|failed|interrupted; ключи error/error_code присутствуют всегда, вне ошибочного статуса — null); полное состояние (usage, result_path) платформа добирает через GET /tasks/{id}. Тело подписывается HMAC-SHA256 секретом LECTURELOG_WEBHOOK_SECRET, подпись — в заголовке X-Webhook-Signature.

Хранилище и загрузка через MinIO

Исходники и результаты лежат в S3-совместимом хранилище (MinIO): исходники — под uploads/, результат — папкой results/<task_id>/ (отдельные объекты output/... + нейтральное дерево structure.json); единый ZIP не хранится, а собирается на лету при скачивании. Временные ZIP от /result-url складываются под results-tmp/<task_id>/. Возможны два сценария.

Автономный (дефолт): исходник передаётся multipart-файлом в POST /tasks, результат забирается стримом через GET /tasks/{id}/result. MinIO наружу не выставлен, presigned-ссылки не нужны — так работает консольный клиент.
С платформой: платформа берёт presigned PUT через POST /uploads, грузит объект в uploads/ напрямую в MinIO, затем создаёт задачу через POST /tasks с s3_key; готовый результат отдаётся presigned GET через GET /tasks/{id}/result-url. Активно только при заданном S3_PUBLIC_ENDPOINT.

Клиентский скрипт

Вместо сырых curl-запросов удобнее пользоваться scripts/submit_task.py — клиентом на чистой стандартной библиотеке (без внешних зависимостей). Базовый URL берётся из переменной окружения LECTURELOG_URL или флага --base (по умолчанию http://localhost:8000/api/v1).

# аудио (+ опционально слайды) -> печатает task_id
python scripts/submit_task.py submit --audio lecture.mp3 --slides slides.pdf

# видео (слайды извлекаются из видеоряда автоматически)
python scripts/submit_task.py submit --video lecture.mp4
python scripts/submit_task.py submit --video-url "https://youtu.be/abc"
python scripts/submit_task.py submit --video-url "https://x.com/i/status/2078106556634124335"

# видео без слайдов
python scripts/submit_task.py submit --video lecture.mp4 --no-slides

# разовый статус
python scripts/submit_task.py status <task_id>

# опрашивать статус, пока задача не завершится (done/failed)
python scripts/submit_task.py poll <task_id>

# скачать готовый ZIP
python scripts/submit_task.py result <task_id> -o out.zip

# забрать транскрипт (srt|txt)
python scripts/submit_task.py transcript <task_id> --format txt

Если API поднят не на localhost, укажите адрес:

export LECTURELOG_URL=http://my-host:8000/api/v1
# или разово:
python scripts/submit_task.py --base http://my-host:8000/api/v1 status <task_id>

Команды

Команда	Аргументы	Что делает
`submit`	ровно один из `--audio <файл>` / `--video <файл>` / `--video-url <url>`; опционально `--slides <файл>`, `--no-slides`	Создаёт задачу из аудио/видео и опциональных слайдов. Печатает `task_id`.
`status`	`<task_id>`	Разовый запрос статуса задачи, печатает JSON-ответ.
`poll`	`<task_id>`, `--interval <сек>` (по умолч. 3)	Опрашивает статус с заданным интервалом, пока задача не завершится (`done`/`failed`).
`result`	`<task_id>`, `-o/--output <файл>` (по умолч. `result.zip`)	Скачивает готовый ZIP с конспектом на диск.
`transcript`	`<task_id>`, `--format srt\|txt` (по умолч. `srt`)	Печатает транскрипт в stdout (можно перенаправить в файл).

Общий флаг --base <url> доступен у всех команд и переопределяет базовый URL API.

Конфигурация

Переменные окружения (см. .env.example):

Переменная	Назначение
`TRANSCRIBE_PROVIDER`	STT-провайдер: `groq` (по умолчанию) или `deepgram`.
`GROQ_API_KEYS`	Ключи Groq через запятую; обязательны только для провайдера `groq`.
`DEEPGRAM_API_KEY`	Ключ Deepgram; обязателен только для провайдера `deepgram`.
`DEEPGRAM_BASE_URL`	Официальный HTTPS endpoint Deepgram.
`DEEPGRAM_MODEL`	Модель Deepgram (по умолчанию `nova-3`).
`DEEPGRAM_LANGUAGE`	Язык Deepgram (по умолчанию `ru`).
`DEEPGRAM_DETECT_LANGUAGE`	Автоопределение доминирующего языка (`true`/`false`). При `true` фиксированный `DEEPGRAM_LANGUAGE` не отправляется.
`DEEPGRAM_UTT_SPLIT`	Порог паузы utterance в секундах (по умолчанию `0.8`).
`OPENROUTER_API_KEY`	Ключ OpenRouter; LLM-вызовы идут через BYOK Google AI Studio.
`OPENROUTER_BASE_URL`	Base URL OpenRouter (по умолчанию `https://openrouter.ai/api/v1`).
`VIDEO_TARGET_RESOLUTION`	Целевое разрешение URL-видео: `144..4320` либо `best`; по умолчанию `720`.
`LLM_MODELS_*`	Приоритетные списки моделей по этапам структуризации (fallback при 429).
`LLM_CONCURRENCY_*`	Параллельность вызовов LLM по этапам.
`LLM_EFFORT_*`	Reasoning effort по этапам структуризации (по умолчанию `low`).
`FRAMES_ENABLED`	Вкл./выкл. стадии отбора кадров из видео (`video_slides`). По умолчанию `true`.
`LLM_MODELS_VIDEO_SLIDES`	Приоритетный список VLM-моделей для QC кадров (fallback при 429).
`LLM_EFFORT_VIDEO_SLIDES`	Reasoning effort для QC кадров (по умолчанию `low`).
`LLM_MODELS_FRAMES_CLASSIFY`	Приоритетный список VLM-моделей для классификации режимов видео.
`LLM_EFFORT_FRAMES_CLASSIFY`	Reasoning effort для классификации режимов (по умолчанию `medium`).
`DATABASE_URL`	Async-URL Postgres (`postgresql+asyncpg://...`).
`S3_INTERNAL_ENDPOINT`	Endpoint MinIO для движка внутри docker-сети (напр. `http://minio:9000`).
`S3_PUBLIC_ENDPOINT`	Опц. публичный хост для presigned-ссылок наружу. Не задан → presigned не выдаётся (`/uploads` и `/result-url` отдают 409), работает только стрим.
`S3_BUCKET`	Бакет хранилища лекций.
`S3_ACCESS_KEY`	Access key MinIO/S3.
`S3_SECRET_KEY`	Secret key MinIO/S3.
`S3_REGION`	Регион S3 (по умолчанию `us-east-1`).
`S3_PRESIGN_EXPIRY`	TTL presigned-ссылок в секундах (по умолчанию `3600`).
`MAX_CONCURRENT_TASKS`	Сколько лекций обрабатывать одновременно.
`PLATFORM_CALLBACK_URL`	Опц. URL для вебхука на терминальные события. Не задан → движок работает автономно.
`LECTURELOG_WEBHOOK_SECRET`	Секрет для HMAC-SHA256 подписи тела вебхука (заголовок `X-Webhook-Signature`).

Ключи API и лимиты бесплатных тиров

Сервис поддерживает Groq и Deepgram для STT, а LLM вызывает через OpenRouter BYOK. Для Groq можно указывать несколько ключей через запятую в GROQ_API_KEYS; LLM-вызовы используют один OPENROUTER_API_KEY, а fallback идёт по приоритетному списку моделей.

Получить бесплатные ключи:

Groq — console.groq.com/keys
Deepgram — console.deepgram.com
Google AI Studio key для OpenRouter BYOK — aistudio.google.com/apikey

Groq (транскрибация, Whisper large-v3)

Ключи из GROQ_API_KEYS образуют round-robin пул.
При ответе 429 (rate limit) или 503 использованный ключ помечается «перегретым» и блокируется на 60 секунд — пул автоматически переключается на следующий доступный ключ.
Если все ключи временно заблокированы, запрос ждёт минимально необходимое время до освобождения ближайшего ключа.
Чем больше ключей — тем выше суммарная пропускная способность транскрибации.

Deepgram (транскрибация, Nova-3)

Задайте TRANSCRIBE_PROVIDER=deepgram и DEEPGRAM_API_KEY.
Файл отправляется одним потоковым запросом, без полной загрузки в память.
Каждый запрос содержит mip_opt_out=true; автоматического fallback на Groq нет.
Разрешены только официальные HTTPS endpoint'ы Deepgram. Дефолты: модель nova-3, язык ru, utt_split=0.8.
Для автоматического определения доминирующего языка задайте DEEPGRAM_DETECT_LANGUAGE=true. Для смешанной речи с переключением языков используйте DEEPGRAM_LANGUAGE=multi при выключенном автоопределении.
Временные сетевые и серверные ошибки повторяются с backoff; неподдерживаемое или повреждённое аудио классифицируется как bad_input.

LLM через OpenRouter BYOK (структуризация и VLM)

OpenRouter вызывается в режиме BYOK с провайдером google-ai-studio, без fallback на чужие провайдеры. Для каждой стадии задаётся приоритетный список моделей; при 429 конкретная модель временно ставится на cooldown, после чего клиент пробует следующую модель из списка.

Текущий набор моделей:

Модель	Роль
`google/gemini-3.6-flash`	Основная модель для критичных контентных и VLM-решений.
`google/gemini-3.5-flash-lite`	Быстрая модель для массового рендера и VLM-QC.
`google/gemini-3.5-flash`	Стабильный резерв при исчерпании лимитов новых моделей.

Лимиты Google AI Studio зависят от проекта и usage tier; актуальные RPM/RPD нужно проверять в AI Studio для проекта, чей BYOK-ключ подключён к OpenRouter.

Модели для каждого этапа задаются приоритетным списком (LLM_MODELS_*).
Для video_slides есть два списка: LLM_MODELS_FRAMES_CLASSIFY для дешёвых по количеству, но критичных решений классификатора и LLM_MODELS_VIDEO_SLIDES для QC.
Несколько Google AI Studio ключей сейчас не ротируются в core; для увеличения RPD нужно выпускать отдельный OpenRouter key/конфигурацию на окружение.

Тесты

pytest

Юнит-тесты гоняют репозиторий на SQLite in-memory, а инфраструктурные зависимости (Groq/Deepgram/LLM/ffmpeg) мокаются — реальные ключи и внешние сервисы для тестов не нужны.

Линтер и форматтер

Код проверяется и форматируется через Ruff:

ruff check .          # линтер
ruff format --check . # проверка форматирования (без правок)

ruff check --fix .    # автоисправление линт-ошибок
ruff format .         # отформатировать код

Настройки правил и форматирования — в pyproject.toml (секция [tool.ruff]).

Архитектура

lecturelog/
  domain/          модели, enums, порты, исключения — без зависимостей от инфраструктуры
  application/     ProgressPlan, PipelineService (оркестрация), use-cases, PipelineWorker
  infrastructure/  реализации портов: transcribe, structurize, slides, media, export, persistence, llm
  api/             FastAPI: роуты, DTO, обработчики исключений, lifespan (composition root)
  config/          настройки через pydantic-settings
migrations/        Alembic

Поток обработки:

аудио: transcribe → slides → structurize → audio_cut → export;
видео: ingest → extract_audio → transcribe → slides → structurize → video_slides → video_cut → export (video_slides — отбор кадров, работает только если не приложен документ-слайдов и не установлен no_slides; управляется FRAMES_ENABLED).

Выбор реализаций (нарезка, источник слайдов) инкапсулирован в фабриках, а не в ветвлениях if is_video — domain не зависит от инфраструктуры, видео добавлено через реализации тех же портов. Прогресс по стадиям инкапсулирован в ProgressPlan; статус персистится в Postgres после каждого шага.

Name		Name	Last commit message	Last commit date
Latest commit History 238 Commits
.github/workflows		.github/workflows
deploy		deploy
docker		docker
docs		docs
lecturelog		lecturelog
migrations		migrations
prompts		prompts
scripts		scripts
tests		tests
.env.example		.env.example
.gitignore		.gitignore
Dockerfile		Dockerfile
LICENSE		LICENSE
README.md		README.md
alembic.ini		alembic.ini
docker-compose.yml		docker-compose.yml
pyproject.toml		pyproject.toml
uv.lock		uv.lock

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Uh oh!

Repository files navigation

LectureLog

Что умеет

Режимы слайдов

Кадры из видео (стадия `video_slides`)

Результат в Obsidian

Пример конспекта

Запуск

VPS: готовый образ из GHCR

Выпуск релиза

API

Машиночитаемый контракт (OpenAPI)

Коды ответов

Учёт расхода ресурсов (`usage`)

Вебхук на терминальные события (опционально)

Хранилище и загрузка через MinIO

Клиентский скрипт

Команды

Конфигурация

Ключи API и лимиты бесплатных тиров

Groq (транскрибация, Whisper large-v3)

Deepgram (транскрибация, Nova-3)

LLM через OpenRouter BYOK (структуризация и VLM)

Тесты

Линтер и форматтер

Архитектура

About

Releases

Packages

Contributors

Languages

Uh oh!

Folders and files

Latest commit

History

Repository files navigation

LectureLog

Что умеет

Режимы слайдов

Кадры из видео (стадия video_slides)

Результат в Obsidian

Пример конспекта

Запуск

VPS: готовый образ из GHCR

Выпуск релиза

API

Машиночитаемый контракт (OpenAPI)

Коды ответов

Учёт расхода ресурсов (usage)

Вебхук на терминальные события (опционально)

Хранилище и загрузка через MinIO

Клиентский скрипт

Команды

Конфигурация

Ключи API и лимиты бесплатных тиров

Groq (транскрибация, Whisper large-v3)

Deepgram (транскрибация, Nova-3)

LLM через OpenRouter BYOK (структуризация и VLM)

Тесты

Линтер и форматтер

Архитектура

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages

Кадры из видео (стадия `video_slides`)

Учёт расхода ресурсов (`usage`)