vegard
024a91e1b3
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>
39 lines
2.4 KiB
Markdown
39 lines
2.4 KiB
Markdown
# 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)?
|