AI Record

Ghi chú cuộc họp & đọc-chép giọng nói — chạy cục bộ trên máy bạn.

100% Local (nghe · chữ · dịch · tách người · tóm tắt Qwen) RTX 4070 · Windows Cloud chỉ khi bạn tự đổi provider

1Giới thiệu

AI Record là ứng dụng desktop cục bộ: khi bạn họp online (Teams/Zoom/Meet…) hoặc chỉ muốn tự nói, nó thu âm thanh của máy, chuyển thành văn bản thời gian thực, dịch câu tiếng nước ngoài sang tiếng Việt, tách người nói, và (khi bạn muốn) Tóm tắt / Phân tích bằng AI — mặc định chạy trên model Qwen 2.5-7B local (qua Ollama), riêng tư và offline.

• Hai nút thu: Record (ghi & lưu như thường) và Listening — chế độ tạm thời, KHÔNG lưu: bấm MỘT lần là bắt đầu nghe, bấm lần nữa là dừng. Vẫn nghe → chữ → dịch → Tóm tắt/Phân tích được, nhưng không ghi gì xuống đĩa, dùng để biến giọng nói thành chữ rồi copy đi nơi khác. Chế độ này cắt câu nhanh hơn (im lặng 350 ms, cắt cưỡng bức 6 s thay vì 15 s) nên chữ hiện gần như tức thì, vẫn đúng như Record vì dùng y hệt model nhận dạng.
• Hai chế độ nguồn: Meeting (thu cả loa + mic) và Dictation (chỉ mic — đọc-chép ý tưởng dài).
• Ba tab AI: Transcript (luôn chạy realtime), Summary (gom nhóm ý, giữ nguyên cách diễn đạt ~ định dạng lại), Analyze (phân tích tổng quan + câu hỏi/rủi ro cốt lõi). Summary/Analyze chạy khi bạn bấm vào tab — lần đầu nạp model (~10–20 s), sau đó nhanh; transcript vẫn cập nhật ngầm.
• Chọn & sao chép: chữ trong transcript bôi đen được (highlight rồi Ctrl+C), có nút Copy (chỉ chữ / kèm tên người); nút “Văn bản ⇄ Hội thoại” đổi giữa dạng hội thoại (dòng theo người nói) và dạng văn bản liền một khối.
• Riêng tư: âm thanh không bao giờ rời khỏi máy. Nghe/chữ/dịch/tách người = local; với Qwen mặc định thì cả Tóm tắt/Phân tích cũng local.
• Đầu ra: mặc định chỉ lưu bản .md dễ đọc; tuỳ chọn kèm .txt, .mp3 (audio) và bản tóm tắt AI — chọn qua nút lưu (biểu tượng save) trên thanh công cụ hoặc trong Settings.

2Cài đặt & Khởi chạy

Cài một lần

git clone https://github.com/ducnguyen221/ai-record
cd ai-record
powershell -ExecutionPolicy Bypass -File setup.ps1              # venv + torch CUDA + thư viện
powershell -ExecutionPolicy Bypass -File scripts\setup-ollama.ps1   # tuỳ chọn: Qwen local cho tab Summary/Analyze
python -m ai_record                                            # hoặc double-click shortcut trên Desktop

setup.ps1 tạo môi trường .venv + cài torch CUDA + toàn bộ thư viện. Lần đầu tải ~4–6 GB model. Bước setup-ollama.ps1 là tuỳ chọn nhưng cần cho tab Summary/Analyze ở provider mặc định (Qwen local): nó cài Ollama (winget) nếu thiếu + pull qwen2.5:7b. Bỏ qua nếu bạn chỉ dùng provider cloud (Claude/Codex/Gemini) trong Settings.

Mỗi lần dùng

• Double-click nút “AI Record” trên Desktop (chạy im lặng, không cửa sổ terminal), hoặc
• Chạy run.ps1 (bản có console để xem log khi cần).

Đóng cửa sổ hoặc bấm ✕ Thoát = dừng sạch, phiên đang ghi được lưu lại.

3Hướng dẫn sử dụng

Settings đáng chú ý

4Cơ chế hoạt động

Một tiến trình Python chạy pipeline sản-xuất-tiêu-thụ; STT được ưu tiên tuyệt đối, phần dịch/tách người chạy sau và “vá” vào câu đã hiện.

5Model & độ nặng khi chạy

6Chi phí: Local vs Cloud

Tab Summary/Analyze mặc định cũng là local; chỉ khi bạn tự đổi sang provider cloud thì văn bản mới rời máy:

→ Giữ mặc định Qwen local (hoặc không bấm Summary/Analyze), toàn bộ ứng dụng là local tuyệt đối.

7Rủi ro & an toàn

• 🔑 Secret an toàn: HF token / Gemini key lưu trong Windows Credential Manager (không plaintext).
• 🔐 Đăng nhập AI theo máy: app không nhúng thông tin đăng nhập nào và không lưu/đọc/chia sẻ chúng. Claude/Codex chạy qua CLI cục bộ (mỗi CLI tự giữ đăng nhập của nó qua Settings → Kết nối AI), Gemini dùng key trong keychain OS, Ollama offline — cài app sang máy khác không rò rỉ gì từ máy này.
• 🚫 Không lưu khi cần: chế độ Listening không ghi bất cứ gì xuống đĩa — không có gì “ở lại” để lo rò rỉ.
• 🌐 Server nội bộ: chỉ 127.0.0.1, có token per-launch + kiểm Origin → tiến trình lạ khó chạm.
• ✅ Không có: driver kernel, quyền admin, telemetry, “gọi về nhà”. Là app Python userland thuần.

8So sánh model tóm tắt local & tư vấn

Lưu ý Ollama là “trình chạy”, không phải model. Chất lượng do model quyết định. Bảng dưới cho RTX 4070 12 GB, transcript tiếng Việt xen Nhật/Anh:

Cài Qwen local (provider mặc định)

Qwen là provider mặc định — chỉ cần cài Ollama + model một lần:

powershell -ExecutionPolicy Bypass -File scripts\setup-ollama.ps1   # cài Ollama + pull qwen2.5:7b
# đã là mặc định; muốn đổi model: AI Record → Settings → Summarization → Ollama model
# muốn dùng cloud: Settings → provider = Claude CLI / Codex CLI / Gemini

Mở rộng model & cài trên máy khác

App có sẵn catalog model (ai_record/summarizer_models.json, mặc định qwen2.5:7b) + công cụ để chọn/mở rộng/cập nhật:

• Chọn trong app: Settings → Summarization → dropdown Ollama model (hiện ✓ model đã tải, đánh dấu mặc định) + ô Custom… cho tag bất kỳ. Máy khác chỉ cần chọn cỡ hợp GPU của nó, default vẫn Qwen.
• Cài / mở rộng (máy bất kỳ):

  .\scripts\setup-ollama.ps1                    # cài Ollama (winget) nếu thiếu + pull qwen2.5:7b
  .\scripts\setup-ollama.ps1 -Model qwen2.5:14b   # hoặc tag khác

• Research cập nhật model: python scripts\research-models.py — liệt kê model đã cài, dò registry Ollama tìm tag mới theo từng dòng, gợi ý lệnh ollama pull (chạy được cả khi offline). Hoặc nhờ AI Record agent research bằng web để cập nhật catalog theo nhu cầu.

9Nơi lưu dữ liệu

Mỗi phiên = một thư mục theo thời gian tại:

<app>\records\<YYYYMMDD-HHMMSS>-<tiêu-đề>\
   ├─ transcript.md        (dễ đọc — luôn lưu)
   ├─ transcript.jsonl      (bản máy đọc)
   ├─ summary.md            (khi bạn bấm Lưu tóm tắt)
   ├─ transcript.txt        (nếu bật)
   └─ audio_*.mp3 / .wav    (nếu bật giữ audio)

Nút 📁 trong app mở thẳng thư mục này. Log chạy: %LOCALAPPDATA%\ai-record\ai-record.log. Ở chế độ Listening không có thư mục phiên nào được tạo — không transcript, không audio, không summary.

10Lưu ý & sự cố đã biết

Cần nhớ khi dùng

• Cập nhật mã nguồn xong phải khởi động lại app. Giao diện (HTML/JS/CSS) được nạp lúc mở app; từ nay app gửi kèm chỉ thị no-store nên mở lại là chắc chắn lấy bản mới — trước đây trình duyệt nhúng có thể giữ bản cũ khiến “sửa rồi mà không thấy đổi”.
• Nút ngôn ngữ trên thanh công cụ chỉ đổi cho phiên đang chạy. Đóng app mở lại là quay về Ngôn ngữ mặc định trong Settings. Muốn cố định lâu dài thì đặt ở Settings, đừng đặt ở nút.
• Listening không lưu bất cứ thứ gì. Dừng nghe thì chữ vẫn còn trên màn hình để copy, nhưng đóng app là mất — không có thư mục phiên nào để mở lại.
• Ghim ngôn ngữ khi bị nhận nhầm. Whisper đoán ngôn ngữ cho từng câu, nên câu ngắn dễ bị nhảy sang tiếng khác. Ghim một ngôn ngữ là whisper bỏ hẳn bước đoán.
• Listening không quay màn hình / camera. Cần quay video thì dùng Record.

Đã sửa: cửa sổ nhảy lung tung trên màn hình phụ

Triệu chứng: ở màn hình phụ, bấm vào thanh tiêu đề là cửa sổ dịch đi một khoảng (trái, phải hoặc xuống dưới) tuỳ chỗ bấm; màn hình chính thì không sao.

Nguyên nhân: màn phụ của máy đang để tỉ lệ 125%, còn thư viện cửa sổ (pywebview) tự tính vị trí trong trang web rồi áp một hệ số phóng lấy từ màn hình chính lúc khởi động. Đo được: kéo 4 px thì cửa sổ dịch 483 px trên màn phụ, trong khi màn chính dịch đúng 4 px; ra lệnh đưa cửa sổ tới (2600, 300) thì nó nằm ở (3250, 375) — mọi toạ độ bị nhân 1,25.

Đã sửa: app không dùng cơ chế kéo của thư viện nữa mà tự bám theo con trỏ chuột thật bằng API hệ điều hành (toạ độ pixel vật lý, không dính tỉ lệ màn hình). Kiểm chứng bằng chuột thật: kéo 60×30 thì cửa sổ dịch đúng 60×30 trên cả hai màn hình.

Đổi nhẹ cách dùng: giờ kéo cửa sổ bằng khoảng trống trên thanh tiêu đề (chỗ không có nút). Trước đây nhấn lên cả nút cũng kéo được — và chính điều đó làm một cú bấm nút trở thành một cú kéo, khiến cửa sổ nhảy. Bấm nút giờ chỉ là bấm nút.

Lưu ý còn lại: trên màn 125% cửa sổ trông to hơn so với màn 100% — đó là hành vi đúng của Windows (chữ và nút cũng to lên tương ứng), không phải lỗi.