Transkrypcja spotkań

Moduł transkrypcji spotkań pozwala rejestrować przebieg rozmów i generować z nich transkrypcję ze znacznikami czasu. Speedwave przechwytuje dźwięk bezpośrednio na twojej maszynie (w systemie hosta aplikacji Desktop) i przetwarza go lokalnie za pomocą silnika whisper.cpp, więc nagrania nigdy nie opuszczają twojego komputera. Kontener, w którym działa Claude, nie ma dostępu do urządzeń audio.

Wersja beta

Funkcja znajduje się obecnie w fazie beta i wymaga włączenia odpowiedniego przełącznika. Wygenerowaną transkrypcję w języku polskim należy traktować jako wersję roboczą.

Źródła dźwięku i przetwarzanie

Przy każdym nagraniu można wybrać jedno z trzech źródeł dźwięku: całe spotkanie (dźwięk systemowy i mikrofon w osobnych kanałach), wyłącznie dźwięk systemowy lub wyłącznie mikrofon. Moduł Silero VAD odcina fragmenty ciszy, zapobiegając halucynacjom modelu Whisper w momentach braku mowy. W trakcie nagrywania wskaźnik poziomu prezentuje natężenie sygnału wejściowego: osobny pasek dla spotkania i osobny dla mikrofonu użytkownika. Zapis zawiera znaczniki czasu, lecz nie oznacza wypowiedzi poszczególnych osób (ich identyfikację można zlecić Claude w oknie czatu).

Włączanie i konfiguracja

1. Przejdź do Ustawienia -> Funkcje beta i włącz opcje beta, aby odsłonić zakładkę Transkrypcja spotkań.
2. W sekcji Ustawienia -> Transkrypcja spotkań pobierz dwa modele, które Speedwave dobiera do Twojego sprzętu (tabela poniżej). Pobrane pliki są weryfikowane sumą SHA-256, łączny limit pobierania wynosi 12 GiB, a przekierowania prowadzą wyłącznie do zaufanych serwisów (Hugging Face, GitHub i ich sieci CDN). Od tej chwili transkrypcja działa całkowicie w trybie offline.
3. W zakładce Transkrypcja spotkań wybierz język nagrania (polski lub angielski, funkcja nie korzysta z automatycznego wykrywania) i kliknij Start.

Sprzęt	Model na żywo	Model końcowy
Mac (Metal) lub Windows z osobną kartą graficzną (Vulkan)	large-v3-turbo, około 1,5 GiB	large-v3, około 2,9 GiB
Zintegrowana karta graficzna lub sam procesor	small, około 0,5 GiB	large-v3-turbo, około 1,5 GiB

Panel sterowania pokazuje używaną akcelerację: Metal (GPU), Vulkan (GPU), Vulkan (integrated GPU) lub CPU.

Podgląd na żywo i transkrypcja końcowa

W trakcie nagrywania model podglądu na żywo wyświetla automatycznie przewijany tekst roboczy. Po zatrzymaniu nagrania model końcowy przetwarza cały zarejestrowany materiał od nowa i zastępuje wersję roboczą. Jeśli brakuje modelu końcowego, przetwarzanie końcowe przeprowadza model na żywo, a interfejs wyświetla odpowiednie ostrzeżenie. Ukończone nagranie można w każdej chwili wznowić. Jeśli transkrypcja końcowa zakończy się błędem (np. przy pustym pliku audio), sesja otrzymuje status failed: <reason>, a tekst z podglądu na żywo pozostaje zachowany.

Odznaczenie opcji live transcript sprawia, że do momentu zatrzymania rejestrowany jest wyłącznie strumień audio, co pozwala odciążyć procesor w trakcie spotkania. W systemie macOS oraz na komputerach z dedykowaną kartą graficzną opcja ta jest domyślnie włączona, a Speedwave zapamiętuje Twój wybór. W trakcie rejestracji ikona w zasobniku systemowym oraz zakładka w menu bocznym sygnalizują aktywne nagranie, a sama zakładka pozostaje widoczna nawet przy wyłączonych funkcjach beta.

Przekazywanie transkrypcji do Claude

Transkrypcja pozostaje na Twoim komputerze, dopóki nie zdecydujesz o jej przekazaniu. Opcja Send to new chat otwiera nową sesję czatu, natomiast Add to current chat dołącza tekst do aktualnie otwartej rozmowy. Transkrypcja trafia do composera jako załącznik wraz z sugerowanym promptem, który możesz swobodnie edytować. Żadne dane nie są wysyłane do modelu, dopóki nie zatwierdzisz wiadomości. Do dostawcy LLM przesyłany jest wyłącznie tekst: nagranie audio nigdy nie opuszcza stacji roboczej.

Przechowywanie nagrań

Każde nagranie zapisywane jest w katalogu ~/.speedwave/transcripts/<id>/ w postaci plików audio.wav oraz transcript.json. Dostęp do nich jest ograniczony do Twojego konta systemowego; pliki nie są szyfrowane na dysku i nie podlegają automatycznemu usuwaniu. Strumień audio jest zapisywany na dysku na bieżąco w trakcie nagrywania, a podgląd na żywo buforuje w pamięci jedynie krótki fragment.

Funkcja transkrypcji wymaga systemu macOS 14.4 lub nowszego. W systemie Windows dźwięk systemowy jest przechwytywany za pośrednictwem API WASAPI. W systemie macOS pierwsze nagranie wywołuje prośbę o uprawnienia do mikrofonu, które w razie potrzeby można zresetować poleceniem tccutil reset Microphone pl.speedwave.desktop.audio-capture.

Więcej informacji o przetwarzaniu danych znajdziesz w rozdziale Dane i prywatność.