vegard a5985ef3f8 Dokumentasjon, erfaringslogg, migrasjoner og infra-oppdateringer

- Omorganiser docs/: konsepter, features, infra og proposals i egne mapper
- Ny docs/erfaringer/ med lærdommer fra chat-implementering (Svelte 5, SpacetimeDB, adapter-mønster)
- Oppdater ARCHITECTURE.md: Lag 1 status, ny §10 Erfaringslogg, SpacetimeDB i lokal dev
- Oppdater synkronisering.md med implementeringsstatus og designvalg
- Oppdater lokal.md med SpacetimeDB og AI Gateway
- Utvid PG-skjema med channels, messages, media_files, message_revisions
- Legg til seed_dev.sql, migration_safety.md, .env.example
- Nye feature-specs: chat, kanban, whiteboard, live_ai, lydmeldinger m.fl.
- Nye konsept-specs: studioet, møterommet, redaksjonen, den asynkrone gjesten m.fl.
- SpacetimeDB og AI Gateway i docker-compose.dev.yml
- collect-docs.sh inkluderer erfaringer/

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

2026-03-15 01:40:14 +01:00

1.4 KiB

Raw Blame History

Forslag: Ghost Host (AI Text-to-Speech i Studio)

Idé

Under innspilling kan programlederne trykke "Ghost Host"-knappen. AI-en genererer en kort kommentar (10-15 sek) basert på kunnskapsgrafen og tidligere episoder, og spiller den av med syntetisk stemme direkte i LiveKit-rommet.

"Vegard, du sa akkurat 'det er jo helt bananas', men i episode 17 sa du det samme om vindkraft — skal vi sette inn et klipp?"

Hvorfor

Tar live AI-assistenten fra passiv (tekst-popup) til aktiv (snakker med i rommet)
Kan gi ikoniske podcast-øyeblikk
Unik feature som ingen andre podcast-plattformer har

Bygger på

Live AI-assistent (faktoid-oppslag, NER)
Kunnskapsgrafen (faktoider, segmenter)
LiveKit (lydstrøm)
AI Gateway (tekst-generering)

Ny avhengighet

Text-to-Speech (TTS) — dette krever ny infrastruktur:
- Ekstern: ElevenLabs API (kan rutes via LiteLLM?)
- Lokal: Piper TTS, Coqui TTS, eller Tortoise-TTS (Docker-container)
- Vurdering: Lokal TTS passer bedre med self-hosted-filosofien, men kvaliteten er vesentlig lavere enn ElevenLabs

Åpne spørsmål

Stemme: nøytral syntetisk stemme, eller voice clone av en vert? (etiske implikasjoner)
Latens: kan vi generere tekst + TTS + injisere i LiveKit under 3 sekunder?
Godkjenning: bør det spilles av direkte, eller vises som "Ghost Host vil si noe" med play-knapp?
Kill switch: hva om den sier noe feil live? Trenger en "avbryt"-knapp

1.4 KiB Raw Blame History