Sunum Brief'i

Meeting Transcriber Özellikleri

Uygulamaya dön

Meeting Transcriber Uygulaması: Özellikler, Kapsam ve Sunum Notları

1. Ürün Tanımı

Meeting Transcriber, toplantı kayıtlarını konuşmacı bazlı yazılı transkripte dönüştüren, ardından toplantı içeriğini analiz ederek özet, görevler ve takip aksiyonları üretebilen bir toplantı zeka uygulamasıdır.

Uygulama özellikle Türkçe toplantılar için tasarlanmıştır. Hem manuel yüklenen ses kayıtlarını hem de Google Meet üzerinden bot ile alınan toplantı kayıtlarını işleyebilir.

Çözüm on-premise / kurum içinde çalışacak şekilde kurulmuştur. Ses kayıtları, transkriptler, analiz çıktıları ve konuşmacı ses imzaları kurum altyapısında tutulur; böylece hassas toplantı verilerinin dış sistemlere taşınması azaltılır.

Temel vaadi:

Toplantı sonrası "kim ne söyledi, hangi kararlar alındı, kime hangi görev düştü?" sorularını otomatik olarak yanıtlayan bir sistem.

2. Ana Kullanım Senaryoları

2.1. Kayıt Yükleyerek Transkript Alma

Kullanıcı mevcut bir toplantı ses kaydını sisteme yükler. Sistem kaydı işler, konuşmacıları ayırır ve konuşmacı etiketli transkript üretir.

Bu senaryo özellikle şu durumlar için uygundur:

2.2. Google Meet Bot ile Otomatik Kayıt

Sistem Google Meet toplantılarına bot olarak katılabilir. Bot toplantıdaki sesleri kaydeder, toplantı bitince kaydı işlenmek üzere sıraya alır.

Bu senaryo şunları sağlar:

2.3. Google Calendar Entegrasyonu

Opsiyonel olarak Google Calendar ile entegre çalışabilir. Bot, takvimdeki uygun toplantıları takip eder ve toplantı zamanı geldiğinde otomatik katılabilir.

Bu sayede:

3. Temel Özellikler

3.1. Türkçe Konuşma Tanıma

Sistem Türkçe toplantı kayıtlarını yazıya dökebilir. Whisper tabanlı ASR altyapısı kullanır ve model dili Türkçeye sabitlenmiştir. Bu, otomatik dil algılama hatalarını azaltır.

Öne çıkanlar:

3.2. Konuşmacı Bazlı Transkript

Uygulama sadece metin üretmez; konuşmaları kimin söylediğini de ayırmaya çalışır.

Çıktı örneği:

Ege Alşan - 00:01:12
Bu toplantıda Google Meet botunun kayıt kalitesini değerlendireceğiz.

Murat Kurtuluş - 00:01:18
Bence önce kişi bazlı ayrıştırmayı test etmemiz lazım.

Bu özellik sayesinde kullanıcı:

3.3. Konuşmacı Tanıma / Voiceprint

Sistemde konuşmacılar önceden kaydedilebilir. Kullanıcı bir kişiyi sisteme ekler, o kişinin kısa bir ses örneği üzerinden ses imzası oluşturulur.

Bu sayede sistem, yeni toplantılarda konuşmacıların kim olduğunu tahmin edebilir.

Kapsam:

3.4. Google Meet Çoklu Ses Kaydı

Meet bot akışında sistem mümkün olduğunda katılımcı seslerini ayrı track'ler veya kişi bazlı dosyalar halinde kaydeder. Bu, tek bir karma ses dosyasına göre daha iyi konuşmacı ayrıştırma sağlar.

Bu özellik özellikle şunları hedefler:

3.5. Ses Oynatma ve Transkript Eşleşmesi

Toplantı ses dosyaları sistemde saklanır. Transkriptteki zaman bilgileri sayesinde kullanıcı ilgili konuşma bölümüne geri dönebilir.

Sunumda şöyle anlatılabilir:

Kullanıcı sadece metni okumaz; ihtiyaç duyduğu anda ilgili ses anına geri dönebilir.

3.6. Toplantı Arama

Sistem toplantı kayıtları ve transkriptler üzerinden arama yapabilir. Kullanıcı eski toplantılarda geçen kelimeleri, konuları veya kişileri bulabilir.

Örnek kullanım:

4. Yapay Zeka Analiz Özellikleri

Transkript üretildikten sonra analiz katmanı local LLM / yerel yapay zeka modeli ile çalışır. Bu aşama toplantı metnini kurum içi ortamda daha işlenebilir iş çıktısına dönüştürür.

4.1. Toplantı Özeti

Sistem toplantının genel özetini çıkarabilir.

Özet şunları kapsayabilir:

4.2. Görev ve Aksiyon Maddeleri

Toplantıdan görevler çıkarılabilir.

Her görev için şu alanlar desteklenir:

Örnek:

Görev: Google Meet bot kayıt akışını test et
Sorumlu: Murat Kurtuluş
Veren: Ege Alşan
Tarih: Belirtilmedi

4.3. Kararlar ve Sonraki Adımlar

Toplantıdaki kararlar ve takip adımları ayrıştırılabilir.

Sunum diliyle:

Sistem toplantıyı yalnızca arşivlemez; toplantıdan sonra ne yapılması gerektiğini görünür hale getirir.

4.4. Yeniden Analiz

Var olan bir toplantı transkripti üzerinden analiz tekrar çalıştırılabilir. Bu, prompt veya analiz kalitesi geliştirildikçe aynı transkriptten daha iyi çıktı alınmasını sağlar.

Analiz sürecinde OpenAI gibi harici servisler yerine kurum içinde çalışan local model yaklaşımı vurgulanır. Bu sayede toplantı içeriği, özetler ve görev çıkarımları kurum kontrolündeki altyapıda işlenir.

5. Toplantılara Sor: Yapay Zeka ile Soru-Cevap

Uygulamada ayrı bir "Sor" bölümü bulunur. Bu bölümde kullanıcı, tamamlanmış toplantıları seçerek yapay zeka ile doğrudan konuşabilir ve toplantı içerikleri hakkında soru sorabilir.

Bu özellik klasik aramadan farklıdır. Kullanıcı yalnızca bir kelime aramaz; doğal dilde soru sorar ve sistem toplantı transkriptlerinden anlamlı bir cevap üretir.

5.1. Toplantı Seçerek Soru Sorma

Kullanıcı soru kutusunda @ ile bir veya daha fazla toplantı seçebilir. Ardından seçili toplantıların içeriği hakkında soru sorabilir.

Örnek sorular:

5.2. Birden Fazla Toplantı Üzerinden Soru-Cevap

Sor modülü yalnızca tek toplantıyla sınırlı değildir. Kullanıcı birden fazla toplantıyı seçerek bu toplantılar arasında karşılaştırmalı veya bütüncül sorular sorabilir.

Örnek kullanım:

Bu yapı, toplantı arşivini pasif bir kayıt deposu olmaktan çıkarıp sorgulanabilir bir bilgi tabanına dönüştürür.

5.3. Kaynaklı ve İzlenebilir Cevaplar

Sor bölümünde verilen cevaplar kaynak bilgisiyle birlikte dönebilir. Sistem, cevabın hangi toplantıdaki hangi konuşma anına dayandığını gösterebilir.

Kaynak bilgileri şunları içerebilir:

Bu sayede kullanıcı AI cevabına körü körüne güvenmek zorunda kalmaz; cevabın dayandığı transkript anına geri dönebilir.

5.4. Takip Soruları ve Sohbet Akışı

Sor modülü çok turlu konuşmayı destekler. Kullanıcı ilk sorudan sonra bağlamı koruyarak takip soruları sorabilir.

Örnek:

Kullanıcı: Bu toplantıda alınan kararlar neler?
AI: Üç ana karar alındı...
Kullanıcı: Bunlardan hangileri Murat'ı ilgilendiriyor?
AI: Murat'ı ilgilendiren kararlar şunlar...

Bu özellik özellikle uzun toplantılarda hızlı bilgi çıkarımı için değerlidir.

5.5. Sunum İçin Konumlandırma

Sunumda bu özellik şu şekilde anlatılabilir:

Kullanıcı artık toplantı kayıtlarını tek tek okumak zorunda kalmaz. Toplantı arşivine soru sorar ve sistem cevapları kaynaklarıyla birlikte getirir.

Bu modülün sunduğu değer:

6. Takip ve Onay Akışları

6.1. Lider Review Akışı

Toplantıdan sonra toplantı liderine review/onay e-postası gönderilebilir. Lider, çıkarılan görevleri ve analizleri kontrol edebilir.

Bu özellik şunlar için değerlidir:

6.2. Görev Düzenleme

Toplantı görevleri sonradan düzenlenebilir. Kullanıcılar görev listesinde değişiklik yapabilir, kişi eşleştirmelerini güncelleyebilir.

6.3. Katılımcı ve E-posta Eşleştirme

Google Calendar üzerinden gelen katılımcı bilgileriyle transkriptteki konuşmacılar eşleştirilebilir. Böylece görevlerin gerçek e-posta adresleriyle ilişkilendirilmesi mümkün olur.

7. Otomasyon Özellikleri

7.1. Worker ve Kuyruk Sistemi

Toplantılar sıraya alınır ve arka planda worker tarafından işlenir.

Bu yapı sayesinde:

7.2. Otomatik Meet Katılımı

Google Calendar entegrasyonu aktifse sistem yaklaşan toplantıları izleyebilir ve uygun zamanda botu toplantıya sokabilir.

Koşullar:

7.3. Otomatik Durdurma

Meet bot, toplantının bittiğini veya katılımcı kalmadığını algılayabilir. Belirli bir bekleme süresinden sonra kaydı finalize eder.

8. Teknik Kapsam

8.1. Web Uygulaması

Next.js tabanlı web arayüzü bulunur.

Web uygulaması şunları sağlar:

8.2. Python ML Pipeline

Ayrı bir FastAPI servisi olarak çalışır. Bu servis ML işlemlerinden sorumludur.

Görevleri:

8.3. Meet Bot

Playwright tabanlı bir Google Meet botu bulunur.

Görevleri:

8.4. Yerel Veri Saklama

Demo sistem şu an local-first çalışır ve on-premise kurulum yaklaşımına uygundur.

Saklanan veriler:

8.5. On-Premise / Kurum İçi Çalışma

Sistem kurumun kendi altyapısında çalışacak şekilde kurulmuştur. Web uygulaması, Meet bot, Python ML pipeline, SQLite veritabanı, dosya depolama alanı ve model çalışma zamanı kurum içi sunucu veya yerel GPU makinesi üzerinde tutulur.

Transkripsiyon tarafında Whisper tabanlı yerel ASR altyapısı, analiz tarafında ise local LLM / yerel yapay zeka modeli kullanılır. Bu yapı, toplantı kayıtlarının ve analiz girdilerinin harici bir AI servisine gönderilmeden işlenmesini sağlar.

Bu yaklaşım özellikle şu ihtiyaçlar için değerlidir:

9. Ürünün Güçlü Yanları

9.1. Türkçe Toplantılara Odaklı

Genel amaçlı not alma araçlarından farklı olarak sistem Türkçe toplantı işleme senaryosu için optimize edilmiştir.

9.2. Konuşmacı Bazlı Çıktı

Sadece "toplantıda ne konuşuldu?" değil, "kim söyledi?" sorusuna da yanıt verir.

9.3. Hem Manuel Hem Otomatik Akış

Kullanıcı ister dosya yükler, ister Google Meet bot ile otomatik kayıt alır.

9.4. Toplantı Sonrası İş Akışı

Transkript, özet, görev, review ve e-posta eşleştirme aynı sistem içinde birleşir.

9.5. Toplantı Arşiviyle Konuşabilme

Sor modülü sayesinde kullanıcı toplantı arşivini yalnızca listeleyip aramaz; seçili toplantılarla sohbet eder, kararları ve görevleri doğal dilde sorgular.

9.6. On-Premise Çalışma

Uygulama on-premise çalışır ve toplantı verilerini kurum içinde tutar. Ses kayıtları, transkriptler, analiz sonuçları ve voiceprint verileri kurumun kendi ortamında saklanır.

Bu, özellikle gizlilik, uyumluluk ve veri egemenliği gereksinimi olan kurumlar için güçlü bir ayrışma noktasıdır.

9.7. Local Model ile AI Analizi

Özet, görev, karar ve soru-cevap akışlarında local model yaklaşımı kullanılır. Böylece toplantı içeriği harici AI servislerine taşınmadan kurum içi ortamda analiz edilir.

9.8. Modüler Mimari

Web arayüzü, bot ve ML pipeline ayrı çalışır. Bu yapı gelecekte cloud GPU, farklı ASR modeli veya farklı toplantı platformu eklemeyi kolaylaştırır.

10. Mevcut Kapsam ve Sınırlar

Sunumda dürüst konumlandırma için şu sınırlar not edilebilir:

11. Sunum İçin Kısa Değer Önermesi

Meeting Transcriber, toplantı kayıtlarını kurumsal hafızaya dönüştüren, on-premise / kurum içinde çalışan bir yapay zeka uygulamasıdır. Toplantı bittiğinde yalnızca ham kayıt değil; konuşmacı bazlı transkript, özet, görevler, kararlar ve takip edilebilir aksiyonlar üretir. Analiz katmanında OpenAI yerine local model yaklaşımı kullanılır; toplantı içerikleri kurum kontrolündeki altyapıda işlenir. Kullanıcı ayrıca toplantı arşivine doğal dilde soru sorabilir ve cevapları kaynaklarıyla birlikte alabilir. Google Meet bot ve Calendar entegrasyonu sayesinde manuel kayıt alma yükünü azaltır; review akışı sayesinde AI çıktıları insan kontrolüyle güvenilir hale gelir.

12. Sunumda Kullanılabilecek Başlıklar

13. Önerilen Demo Akışı

  1. Google Meet toplantısı veya kayıt yükleme senaryosu gösterilir.
  2. Toplantı sisteme alınır ve işleme kuyruğuna düşer.
  3. İşlem tamamlanınca konuşmacı bazlı transkript açılır.
  4. Transkriptte kişi isimleri, zaman damgaları ve metin gösterilir.
  5. AI özet ve görev listesi gösterilir.
  6. Sor ekranında @ ile toplantı seçilir ve toplantı hakkında doğal dilde soru sorulur.
  7. AI cevabının kaynak toplantı anlarına bağlandığı gösterilir.
  8. Görev düzenleme veya lider review ekranı gösterilir.
  9. Eski toplantılarda arama yapılır.
  10. On-premise kurulum ve verilerin kurum içinde tutulduğu vurgulanır.
  11. Analizlerin OpenAI yerine local model ile kurum içi ortamda çalıştığı anlatılır.
  12. Son olarak otomatik Calendar/Meet bot akışı anlatılır.

14. Tek Cümlelik Ürün Tanımı

Meeting Transcriber, on-premise çalışan ve analiz için OpenAI yerine local model kullanan; Google Meet ve ses kayıtlarından konuşmacı bazlı Türkçe transkript, toplantı özeti, görevler, takip edilebilir aksiyonlar ve toplantı arşivi üzerinde kaynaklı yapay zeka soru-cevap deneyimi üreten yapay zeka destekli toplantı analiz sistemidir.

Ürünleştirme Yol Haritası

Bu doküman, mevcut demo sistemin ölçeklenebilir ve kurumsal kullanıma hazır bir ürüne dönüşmesi için gereken ana geliştirme başlıklarını kısa şekilde özetler.

1. Ölçeklenebilir Kayıt Mimarisi

Sistem aynı anda 4 toplantıya kadar kayıt alabilecek şekilde geliştirilmelidir. Her toplantı ayrı bot süreciyle yönetilmeli, kayıt durumu takip edilmeli ve toplantı kesintiye uğrasa bile veri kaybı azaltılmalıdssır.

2. Uzun Toplantı Desteği

Uzun toplantılar tek parça olarak işlenmemelidir. Ses ve transkript işlemleri segmentlere bölünmeli, böylece bellek kullanımı kontrol altında tutulmalı ve hata durumunda tüm toplantı baştan işlenmemelidir.

3. Anlık Kayıt ve Checkpoint Yapısı

Toplantı sırasında ses, konuşmacı bilgisi ve teknik metadata düzenli olarak diske yazılmalıdır. Bu yapı, tarayıcı sekmesi kapanması veya botun toplantıdan çıkarılması gibi durumlarda kayıtların kurtarılmasını kolaylaştırır.

4. Job Queue ve Worker Yönetimi

Kayıt, transkripsiyon, analiz, arama indexleme ve review işlemleri ayrı job'lar olarak yönetilmelidir. Bu sayede sistem daha izlenebilir, tekrar denenebilir ve eş zamanlı iş yüküne daha dayanıklı hale gelir.

5. Postgres ve Ürün Veri Modeli

SQLite ve büyük JSON kolonları yerine Postgres tabanlı, normalize edilmiş bir veri modeli kullanılmalıdır. Toplantılar, segmentler, transkript satırları, kelimeler, görevler, kararlar ve analiz sonuçları ayrı yapılarda tutulmalıdır.

6. Hızlı Arama ve İçerik Erişimi

Toplantı içeriklerine hızlı erişim için full-text search ve güçlü filtreleme eklenmelidir. Kullanıcı toplantı, konuşmacı, tarih, görev, karar ve konu başlığı üzerinden hızlıca arama yapabilmelidir.

7. "Sor" Modülü İçin Retrieval Altyapısı

Uzun transkriptlerin tamamı modele gönderilmemelidir. Soruya en ilgili toplantı parçaları bulunmalı, local modele yalnızca bu bağlam verilmelidir. Cevaplar kaynak toplantı, zaman damgası ve konuşmacı bilgisiyle desteklenmelidir.

8. Local Model ve Fine-Tuning

Analiz ve soru-cevap tarafında kurum içinde çalışan local model kullanılmaktadır. Ürünleştirme sürecinde bu model toplantı dili, şirket terminolojisi, görev çıkarımı ve karar tespiti gibi alanlarda fine-tune edilerek daha tutarlı sonuç üretmelidir.

9. Authentication ve Yetkilendirme

Kullanıcı hesapları, oturum yönetimi ve rol bazlı yetkilendirme eklenmelidir. Admin, yönetici, standart kullanıcı ve görüntüleyici gibi rollerle toplantılara erişim kontrol altına alınmalıdır.

10. Takım ve Departman Bazlı Erişim

Toplantılar kullanıcı, takım veya departman bazında paylaşılabilmelidir. Böylece her kullanıcı yalnızca yetkili olduğu toplantıları, görevleri ve analiz çıktılarını görebilir.

11. Audit Log

Sistemde yapılan önemli işlemler kayıt altına alınmalıdır. Kim hangi toplantıyı açtı, indirdi, düzenledi, sildi veya review onayı verdi gibi bilgiler izlenebilir olmalıdır.

12. Modüler Dashboard

Dashboard ürünün ana giriş ekranı olarak tasarlanmalıdır. Aktif kayıtlar, işlem kuyruğu, son toplantılar, bekleyen onaylar, görevler ve sistem durumu tek yerden görülebilmelidir. Yeni özellikler dashboard'a sonradan modüler şekilde eklenebilmelidir.

13. Sistem Sağlığı ve Monitoring

Pipeline, botlar, worker'lar, local model, GPU kullanımı, disk kullanımı ve job kuyruğu izlenebilir olmalıdır. Hata durumlarında hangi toplantının hangi aşamada kaldığı net şekilde görülebilmelidir.

14. Veri Saklama Politikaları

Ham kayıtlar, işlenmiş sesler, transkriptler ve analiz çıktıları için saklama politikaları tanımlanmalıdır. Kurum ihtiyacına göre otomatik arşivleme, silme ve disk kotası yönetimi eklenmelidir.

15. Export ve Paylaşım

Toplantı çıktıları PDF, DOCX, Markdown, JSON veya CSV olarak dışa aktarılabilmelidir. Paylaşım ve export işlemleri kullanıcı yetkilerine bağlı olmalıdır.

16. Görev ve Karar Takibi

Toplantılardan çıkan görevler ve kararlar merkezi ekranlarda takip edilebilmelidir. Kullanıcı kendi görevlerini, açık kararları ve tamamlanmamış aksiyonları toplantılardan bağımsız olarak görebilmelidir.

17. Entegrasyon Altyapısı

Gelecekte farklı sistemlerle bağlantı kurmak için API ve webhook altyapısı hazırlanmalıdır. Görevler, özetler veya kararlar dış sistemlere aktarılabilir hale gelmelidir.

18. Admin Panel

Kullanıcılar, roller, sistem ayarları, model ayarları, veri saklama politikaları ve operasyonel durum admin panelinden yönetilebilmelidir.

19. Kalite ve Güven Skorları

Toplantılar için ses kalitesi, konuşmacı ayrımı güveni ve transkript güven skoru üretilebilir. Bu skorlar kullanıcıya çıktının ne kadar güvenilir olduğu konusunda fikir verir.

20. Kısa Özet

Ürünleştirme sürecinin ana hedefi; mevcut demo yapısını güvenli, ölçeklenebilir, uzun toplantılara dayanıklı, hızlı aranabilir ve kurum içinde yönetilebilir bir toplantı zekası platformuna dönüştürmektir.