FEATURES_SV.md

Funktioner

Transkribering

• Filuppladdning - Dra och släpp eller bläddra efter ljud-/videofiler (MP3, MP4, WAV, WebM, M4A)
• Inspelning i webbläsaren - Spela in direkt från webbläsaren med visualisering av ljudnivå i realtid
• Val av ljudkälla - Välj mellan tillgängliga mikrofoner eller fånga systemljud/skrivbordsljud via skärmdelning
• Livetranskribering - WebSocket-baserad realtidstranskribering som strömmar segment medan du talar
• Svensk taligenkänning - whisper.cpp med KB-LAB:s svenska modeller, Metal GPU-accelererat på Apple Silicon
• Vokabulärpriming - Ange domänspecifika termer för att förbättra transkriberingsnoggrannheten för namn, facktermer och förkortningar
• Standardvokabulär - Ange globalt vokabulär i inställningar som automatiskt tillämpas på alla nya transkriberingar
• Automatisk ljudextrahering - FFmpeg konverterar alla format till 16 kHz mono WAV

Talaridentifiering

• Pyannote.audio 3.1-diarisering - Automatisk talarseparering med konfigurerbart min/max antal talare
• Introduktionsbaserad identifiering - LLM analyserar iterativt mötesinledningar för att extrahera talarnamn
• Röstavtrycksmatchning - SpeechBrain ECAPA-TDNN-inbäddningar med cosinuslikhet för att koppla namn till röster
• Beständiga röstprofiler - Spara röstavtryck för automatisk igenkänning av talare mellan möten
• Hantering av röstprofiler - Lista, radera och aktivera/avaktivera röstprofilmatchning i Inställningar > Preferenser
• Löpande medelvärdeinbäddningar - Profilnoggrannheten förbättras med varje möte allteftersom inbäddningar medelvärdesberäknas
• Reservetikettering - Talare märks som "Deltagare 1", "Deltagare 2" när inga introduktioner upptäcks
• Livtilldelning av talare - Provisorisk centroidbaserad talardetektering under liveinspelning
• Poleringspass - Efterbearbetning med sammanslagning av talare och LLM-driven namngivning

Redigering av transkript

• Inline-textredigering - Klicka på ett segment för att redigera transkriptionstexten
• Omtilldelning av talare - Flytta segment till en annan talare
• Namnbyte av talare - Byt namn på vilken identifierad talare som helst
• Anpassning av talarfärg - Tilldela egna färger för visuell åtskillnad
• Sammanslagning av talare - Slå ihop två talare till en, alla segment konsolideras
• Bevarande av originaltext - Håller reda på original kontra redigerad text

Ljuduppspelning

• Synkroniserad uppspelning - Klicka på ett segment för att hoppa till den punkten i ljudet
• Spela vid hovring - Håll muspekaren över tidsstämplar för att visa uppspelningsknapp för omedelbar uppspelning
• Automatisk rullning - Transkriptet följer uppspelningspositionen automatiskt
• Tidsstämplar - MM:SS-tidsstämplar visas på varje segment

Export

• SRT - Undertextformat med tidskoder och talaretiketter
• WebVTT - Webbvideoformat med rösttaggar
• Ren text - Talargrupperat transkript med sektionsrubriker
• Markdown - Formaterat med talarrubriker och tidsstämplar
• JSON - Strukturerad data för programmatisk användning
• DOCX - Microsoft Word-dokument med formaterade rubriker
• PDF - Professionell PDF med stilren layout och metadata

Åtgärder (LLM-analys)

• Anpassat åtgärdsbibliotek - Skapa återanvändbara LLM-promptar (sammanfatta, åtgärdslista m.m.)
• Kör mot valfritt möte - Exekvera åtgärder på färdiga transkript
• Resultathistorik - Bläddra bland tidigare åtgärdsresultat per möte
• Resultatexport - Ladda ner åtgärdsresultat som TXT, MD, DOCX eller PDF
• Realtidsstatus - WebSocket-uppdateringar för pågående/färdiga/misslyckade åtgärder

Kryptering

• Lösenordsskydd - Kryptera transkriptsegment med PBKDF2-nyckelderivering + Fernet-kryptering
• Valfri kryptering av åtgärdsresultat - Välj att även kryptera åtgärdsresultat
• Upplåsningsflöde - Lösenordsverifiering före dekryptering
• Visuella indikatorer - Låsikoner på krypterade möten

Modellkonfiguration

• Förinställningssystem - JSON-baserade modellförinställningar i mappen model_presets/
• Uppgiftsbaserad tilldelning - Olika modeller för transkribering, livetranskribering, analys och åtgärder
• Flera LLM-leverantörer - OpenRouter (Claude Sonnet 4 m.fl.) och lokal Ollama (Qwen 3 8B, Gemma 3 m.fl.)
• Flera Whisper-modeller - Medium (högre kvalitet) och small (snabbare, för live) varianter
• Inställnings-UI - Konfigurera modelltilldelningar från webbgränssnittet
• Beständiga inställningar - Tilldelningar sparas i storage/settings.json

Liveinspelning

• WebSocket-strömning - Ljudsnuttar skickas till servern var 4:e sekund som kompletta WebM-filer
• Realtidssegment - Transkriptionsresultat visas medan du talar
• Inspelningsrad - Visar förfluten tid, ljudnivåer och stoppkontroll
• Automatisk slutbehandling - Fullkvalitetsbearbetning startas automatiskt efter att inspelningen stoppats
• Progressiv talarförfining - Talarnamn förbättras i bakgrunden genom poleringspass

Sökning

• Fulltextsökning - Sök genom alla mötestranskript från startsidan
• PostgreSQL GIN-index - Snabb textsökning med to_tsvector och ILIKE-fallback
• Resultat grupperade per möte - Sökresultat organiserade per möte med matchande segment
• Klicka för att navigera - Hoppa direkt till ett matchande segment i valfritt möte

Selektiv ombearbetning

• Omdiarisering - Kör om talarseparering utan att transkribera om (behåller transkript, omtilldelar talare)
• Omidentifiering av talare - Kör om talaridentifiering utan att transkribera eller diarisera om
• Full ombearbetning - Hela pipelinen från början
• Bevarande av redigeringar - Manuellt redigerade segment bevaras vid ombearbetning

Preferenser

• Standardvokabulär - Globala vokabulärtermer som tillämpas på alla nya transkriberingar
• Röstprofiler av/på - Aktivera eller avaktivera röstprofilmatchning per organisation
• Hantering av röstprofiler - Lista och radera sparade röstprofiler med bekräftelse

Användargränssnitt

• Mötesöversikt - Lista över alla möten med statusmärken, längd och antal talare
• Fulltextsökning - Sök genom alla transkript direkt från startsidan
• Tre inmatningslägen - Flikar för Ladda upp, Spela in och Live i dialogen för ny transkribering
• Realtidsförlopp - Steg-för-steg-förloppsindikator under bearbetning
• Ombearbetningsmeny - Dropdown med omdiarisering, omidentifiering och full ombearbetning
• Mörkt tema - Genomgående mörkt UI i slate/violett
• Responsiv layout - Sidopanel med talare/åtgärder, huvudområde för transkript

Teknik

• FastAPI-backend med asynkront WebSocket-stöd
• React + TypeScript + Vite-frontend med Zustand för tillståndshantering
• PostgreSQL för beständig lagring
• Redis + Celery för bakgrundsbearbetning
• FFmpeg för ljud-/videokonvertering
• whisper.cpp (nativ binär) för transkribering
• pyannote.audio för diarisering
• SpeechBrain för röstavtryck