Ассистент для видеозвонков: локальное распознавание речи и ответы LLM по hotkey (macOS)

Используемые навыки Large Language Models (LLMs) Python Whisper AI

Описание

Во время созвона нужен быстрый доступ к структурированным ответам по контексту разговора без переключения в браузер и ручного копирования в ChatGPT.

Решение

Menubar-приложение на Python. Захват микрофона и системного звука через BlackHole, распознавание речи локально (faster-whisper) или в облаке. Транскрипт держится в памяти, мусор распознавания фильтруется. По hotkey LLM отвечает строго на последнюю реплику собеседника, опираясь на заданный контекст. Провайдеры взаимозаменяемы: DeepSeek, OpenAI, Ollama. Отдельный hotkey отправляет скриншот в vision-модель.

Результат

Один hotkey вместо ручного копипаста. Полностью локальный режим без отправки аудио наружу. Архив сессий в markdown и jsonl без сырого аудио. Тот же каркас применим к ассистентам для колл-центров, продаж и поддержки.