Case study: Diktafon

Cíl: hlasové poznámky, které se dají použít. Ne jen “nahrávka”, ale segmenty, přepis a shrnutí tak, aby šlo rychle dohledat pointu.

Kontext

• PWA: instalovatelná appka do telefonu/desktopu bez App Store
• přepis přes OpenAI Whisper (gpt-4o-transcribe)
• sumarizace po segmentech i celé session (GPT‑4o mini)

Design rozhodnutí (a proč)

• Segmenty: raději více krátkých částí než jedna dlouhá nahrávka (lepší orientace a export)
• Wake Lock: během nahrávání se displej nesmí uspávat (API + fallbacky)
• Export do Markdown: nejrychlejší “portable” výstup pro další práci
• Oddělení FE/BE: frontend React/Vite, backend FastAPI (snadná iterace)

Největší pasti

• mobilní prohlížeče a audio recording edge cases → řešení: jednoduché stavy + jasné chyby
• latence přepisu/sumarizace → řešení: dělit práci na segmenty a průběžně zobrazovat výsledek
• bezpečnost API → řešení: bearer token + rate limiting

Důkazy / provozní signály

• nasazení backendu i frontendu (Railway)
• vizuální ukázky UI přímo na project stránce (screenshoty)

Co bych udělal dál

• persist sessions do DB (aby restart backendu nesmazal sezení)
• lepší “search” přes segmenty (embeddings / full‑text)