Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

lecture-note-app

Plataforma auto-alojada para grabar clases y generar notas con IA. Usa Whisper para transcripción y modelos LLM locales o API externas. Arquitectura React/FastAPI en Docker Compose.

Ficha actualizada 23 sept 2026, 23:47 · upstream 23 sept 2026, 23:44 · release v1.1.0

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es lecture-note-app

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

La aplicación permite grabar conferencias desde el navegador, enviando fragmentos de audio vía WebSocket al backend FastAPI. Este procesa la transcripción en tiempo real con faster-whisper y genera notas estructuradas mediante modelos de lenguaje (Ollama por defecto o proveedores externos como OpenAI/Claude). El frontend React se comunica con el backend para mostrar transcripciones y chat interactivo.

El sistema utiliza PostgreSQL para almacenar sesiones, usuarios y metadatos, mientras que MinIO gestiona los fragmentos de audio y archivos adjuntos. Soporta gestión multiusuario con roles, autenticación por email y cuotas de almacenamiento personal. La arquitectura permite cambiar dinámicamente entre modelos locales y APIs en la nube según configuración.

El despliegue se realiza mediante Docker Compose, incluyendo servicios para base de datos, almacenamiento y la aplicación. Para acceso público seguro sin dominio propio, utiliza Tailscale con Funnel. Incluye sistema de backups encriptados nocturnos y monitorización de salud vía endpoint /health.

CASOS DE USO
  • Grabar clases o conferencias en vivo desde el navegador con transcripción automática
  • Generar notas estructuradas automáticamente cada minuto durante la grabación
  • Realizar preguntas sobre el contenido mediante chat con IA tras finalizar la clase
  • Exportar notas y audio a formatos como PDF, Markdown, Word o MP3
  • Auto-alojar la plataforma para mantener los datos privados en infraestructura propia
PUNTOS DESTACADOS
  • Transcripción local con faster-whisper optimizada para CPU/GPU
  • Proveedores de IA pluggables (Ollama, Claude, Gemini, OpenAI) sin vendor lock-in
  • Arquitectura Docker Compose completa con servicios Postgres y MinIO integrados
  • Gestión de usuarios con roles, confirmación por email y cuotas de almacenamiento
  • Backups encriptados diarios con drills de restauración automatizados
  • Exportación multi-formato para compatibilidad con herramientas externas
PRECAUCIONES
  • Requiere Tailscale para habilitar URL pública HTTPS sin dominio propio o proxy inverso
  • Alta demanda de recursos (CPU/RAM) para correr Whisper localmente en tiempo real
  • Complejidad de despliegue HIGH, no incluye Dockerfile nativo sino build manual
  • Dependencia de GPU recomendada para rendimiento óptimo en transcripción
  • Requiere configuración inicial de modelos LLM y secretos en archivo .env
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

A past lecture open in dark mode: full transcript on the left, generated notes in the middle, and the chat on the right answering a question and then a follow-up about the lectureThe same lecture in light modeThe empty workspace before recording, light modeSettings: Google Drive connected, auto-save switch and folder choiceTwo phone screens in dark mode: the lecture header with the live transcript, and the generated notesThe History drawer listing lectures with download, share, rename, keep and delete actionsSettings: provider and model choice, notes interval, storage quota, kept lectures, sign-up switchesThe sign-in page
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO20 GBalmacenamiento base
COMPLEJIDADhighnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Docker Compose detectado

Usar deploy/start.sh con Docker Compose. Mínimo 8GB RAM disponibles. Configurar Tailscale para acceso HTTPS seguro. Verificar modelos Ollama (llama3, llava) antes de iniciar. Monitorizar con GET /health. Editar deploy/.env para claves secretas y credenciales.

✓Dockerfile
✓Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsReactNode.jsFastAPIPython
SERVICIOS
PostgreSQLS3/MinIO
BASES DE DATOS
PostgreSQL
PUERTOS
51739000
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.