vegard 024a91e1b3 Dokumentasjon: arkitekturvurdering — sikkerhet, backup, kostnad, nye forslag

Oppdaterer dokumentasjon basert på tre eksterne arkitekturvurderinger:

- RLS Leak Hunter med CI-test og audit-trigger (migration_safety.md)
- pgvector-migrasjon flyttet til Lag 2, WAL-arkivering med pgBackRest (ARCHITECTURE.md, produksjon.md)
- Off-site backup med rclone, Docker cgroups for workers (ARCHITECTURE.md, produksjon.md)
- Kostnadskontroll i AI Gateway: workspace-budsjett, auto-fallback (ai_gateway.md)
- Gjeste-token sikkerhetsdybde: ClamAV, rate limiting, auto-revoke (den_asynkrone_gjesten.md)
- SpacetimeDB fase 1-vurdering: PG LISTEN/NOTIFY som mellomsteg (synkronisering.md)
- Kritiske events (Aha-markører) flushes umiddelbart (synkronisering.md)
- Ekstern helsesjekk, observability-utvidelser (ARCHITECTURE.md)
- Tre nye forslag: Contradiction Detector, Auto-Highlight Reel, Audience Voice Memo

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

2026-03-15 03:56:21 +01:00

2.4 KiB

Raw Blame History

Forslag: Auto-Highlight Reel (Post-innspilling)

Innsats: Middels | Wow-faktor: Høy

Idé

Etter innspilling analyserer Podcastfabrikken transkripsjonen for humor, emosjonelle topper, sterke meninger og "punchlines". AI genererer automatisk 5-10 klipp (15-45 sek) med:

Tidsstempler (start/slutt) i originalt opptak
Foreslått teksting (fra transkripsjon, formatert for sosiale medier)
Auto-generert thumbnail-tekst (det sterkeste sitatet)
Foreslått hashtags basert på kunnskapsgraf-tags

Klippene havner i en "Highlights"-channel i workspace-chatten for review, med ett-klikk godkjenning og auto-posting via sosial publisering.

Hvorfor

Podcast-klipp er den viktigste vekstmotoren, men manuell klipping er tidkrevende
Bygger på eksisterende Whisper-transkripsjon + jobbkø + AI Gateway
Kombinert med sosial publisering-forslaget gir dette en komplett "innspilling → distribusjon"-pipeline
Differensiator: ingen annen podcast-plattform gjør dette automatisk med kvalitetskontroll

Bygger på

Podcastfabrikken (Whisper SRT + AI-metadata — allerede spesifisert)
Auto-Clipper (eksisterende forslag — dette er post-innspilling-versjonen)
Jobbkø (highlight_extract-jobb, kjøres etter whisper_postprocess)
AI Gateway (sidelinja/resonering for klipp-vurdering)
Caddy byte-range (klipp serveres som range-requests mot original MP3)
Sosial publisering (eksisterende forslag — ett-klikk posting)

Forskjell fra Auto-Clipper

Auto-Clipper kjører live under innspilling og fanger øyeblikk i sanntid. Auto-Highlight Reel kjører etter innspilling og har tilgang til hele transkripsjonen — kan dermed finne narrative buer og tematiske høydepunkter som bare er synlige i kontekst.

Dataklassifisering

Klipp-metadata (tidsstempler, teksting, score): Kritisk (PG)
Klipp-lydfiler: Avledet (kategori 3) — genereres on-demand fra original MP3 + tidsstempler
Highlight-forslag (før godkjenning): Flyktig (TTL 30 dager)

Åpne spørsmål

Scoring: hva gjør et øyeblikk "klippverdig"? Humor, nyhet, kontrovers, emosjon?
Videostøtte: trenger vi waveform-video med teksting for TikTok/Shorts, eller holder lyd + bilde?
Skal AI-en foreslå rekkefølge/gruppering av klipp til en "highlight reel" (2-3 min sammenklipp)?
Kan den lære av hvilke klipp redaksjonen godkjenner over tid (feedback loop)?

2.4 KiB Raw Blame History