Brevia
Asistente de reuniones local-first que transcribe, identifica oradores y genera resúmenes con IA directamente en el dispositivo. Soporta más de 30 idiomas, grabación simultánea de micrófono y sistema, y privacidad total sin enviar audio a la nube.
Ficha actualizada 24 sept 2026, 3:52 · upstream 24 sept 2026, 3:37 · release v1.2.0
Qué es Brevia
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Brevia es una aplicación de escritorio minimalista diseñada para automatizar la captura y organización de reuniones. Su arquitectura local-first prioriza la privacidad: todo el procesamiento de audio y modelos de IA se ejecutan en el dispositivo por defecto, evitando que los datos salgan del entorno local sin consentimiento explícito.
La aplicación combina un shell de Electron con un worker de Python para manejar tareas pesadas como la transcripción y el análisis de voz. Utiliza motores como sherpa-onnx para reconocimiento de voz, Pyannote para segmentación de hablantes y modelos LLM (como Qwen o llama.cpp) para generar notas estructuradas. El diseño es deliberadamente discreto, permitiendo centrarse en la reunión mientras se generan subtítulos en tiempo real.
Ofrece una biblioteca de modelos descargables bajo demanda para transcripción, refino post-reunión y traducción de subtítulos. Los usuarios pueden configurar proveedores remotos opcionales (OpenAI, Anthropic) solo para resúmenes o notas, manteniendo el audio siempre local. Soporta exportación a múltiples formatos como Markdown, PDF, JSON o SRT.
- Grabar y transcribir reuniones remotas capturando simultáneamente micrófono y sistema de audio.
- Identificar automáticamente a los participantes por voz (voiceprint) para referirseles por nombre en lugar de 'Speaker 1'.
- Generar resúmenes estructurados, decisiones y tareas pendientes utilizando modelos LLM locales o APIs externas opcionales.
- Transcribir archivos de audio existentes importados mediante la misma pipeline de reconocimiento de voz.
- Traducir subtítulos en tiempo real para conversaciones entre idiomas diferentes durante la reunión.
- Organizar notas de reuniones en workspaces y buscar contenido específico dentro de transcripciones pasadas.
- Privacidad garantizada: el audio nunca sale del dispositivo por defecto; las llamadas a APIs externas son opt-in.
- Soporte multilingüe masivo con más de 30 idiomas para transcripción y modelos específicos para chino, japonés o europeo.
- Identificación de oradores robusta utilizando Pyannote y embeddings 3D-Speaker que funcionan offline.
- Gestión eficiente de recursos: los modelos se cargan bajo demanda y no residen todos a la vez en memoria.
- Exportación flexible de datos a formatos estándar como Markdown, PDF, JSON o SRT para integración con otras herramientas.
- Interfaz minimalista con temas claro/oscuro y ventanas flotantes opcionales para mantener el foco en la reunión.
- Requiere hardware capaz de ejecutar modelos locales (ej. GPU recomendada para modelos LLM grandes como Qwen 4B).
- Configuración inicial compleja: es necesario descargar manualmente los modelos desde Settings → Model Library.
- Algunos modelos específicos tienen limitaciones de idioma, como los embeddings de oradores que soportan principalmente chino según la documentación.
- En máquinas de bajo rendimiento, se recomienda usar modelos locales más pequeños (2B) o proveedores en la nube para evitar latencia.
- La interfaz gráfica depende de Electron 43, lo que puede implicar un consumo de recursos mayor comparado con aplicaciones nativas.
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Descargar instaladores oficiales desde GitHub Releases para macOS (Apple Silicon) o Windows. En desarrollo local, requiere Node.js 22+ y Python 3.10+. Instalar dependencias con npm y pip en backend/requirements.txt. Asegurar permisos de micrófono y grabación de pantalla al primer inicio. Los datos se almacenan por defecto en ~/brevia (SQLite, audio, modelos). Para producción, verificar que el sistema operativo soporte los binarios de ffmpeg incluidos.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.