synops/docs/features/lydmeldinger.md

Feature: Lydmeldinger & Diktering

Filsti: docs/features/lydmeldinger.md

1. Konsept

En mobil-first talefeature med tre moduser som dekker spekteret fra kjappe chatmeldinger til langt feltopptak. Grunnprinsippet er det samme: du snakker inn i telefonen, og systemet gjør noe nyttig med det. Forskjellen er hva som er output.

Modus	Typisk lengde	Output	Master-format	Lagring
Voice-to-text	<30 sek	Rå transkripsjon i meldingsfeltet	Tekst	Ingen (lyden kastes)
Lydmelding	<10 min	Lydfil + transkripsjon for søk	Lyd	media_file + node i grafen
Diktering	1–30 min	AI-ryddet tekst (strukturert notat)	Tekst	Node i grafen

Voice-to-text er en del av chat-featuren (se docs/features/chat.md, seksjon 8). Denne specen dekker de to tyngre modusene.

2. Lydmelding-modus

2.1 Brukerflyt

1. Bruker åpner lydmelding-modus (via FAB-knapp, hurtigtast eller fra en channel).
2. Trykker record. Nettleseren fanger lyd via MediaRecorder API (WebM/Opus).
3. Kan valgfritt velge kontekst: et Tema, en Aktør, eller "Usortert".
4. Ved stopp lastes lydfilen opp til SvelteKit (streaming for store filer).
5. Filen lagres som media_file i mediamappen (/srv/synops/media/voice/).
6. En whisper_transcribe-jobb opprettes i jobbkøen for å gjøre opptaket søkbart.
7. Transkripsjonen lagres som metadata på noden — lydfilen forblir master.

2.2 Datamodell

Lydmeldingen er en node i Kunnskapsgrafen (node_type = 'melding', message_type = 'voice_memo'):

nodes (node_type = 'melding')
  → messages (channel_id, message_type = 'voice_memo', body = transkripsjon, metadata = { duration, transcription_status })
  → message_attachments → media_files (lydfilen)

Lydmeldinger kan:

• Sendes i en channel (som vedlegg til en melding)
• Leve fristående i en personlig "Innboks"-channel
• Knyttes til Temaer/Aktører via graph_edges (manuelt eller AI-foreslått)

2.3 Triagering

Redaksjonen trenger en flate for å gå gjennom nye lydmeldinger:

• Lytt, tagg med Temaer/Aktører
• Marker for bruk i episode (kobles til Kanban/Kjøreplan)
• Forkast / arkiver
• Denne flaten er en filtrert visning av "Innboks"-channelen, ikke et eget system

2.4 Bruk i podcast

Lydmeldinger markert for bruk kan trekkes inn i Podcastfabrikkens pipeline. Lydfilen er allerede i media-mappen — den kan klippes inn i en episode direkte.

3. Dikteringsmodus

3.1 Brukerflyt

1. Bruker åpner dikteringsmodus (mobil-first, men fungerer på desktop).
2. Snakker fritt — kan være flere minutter. Visuell indikator viser at opptak pågår.
3. Ved stopp opprettes to jobber i jobbkøen (sekvensielt):
   • whisper_transcribe — rå transkripsjon (medium + initial_prompt for kvalitet)
   • dictation_cleanup — AI rydder i teksten
4. Brukeren ser resultatet: rå transkripsjon og AI-ryddet versjon side om side.
5. Kan redigere den ryddede versjonen før lagring.
6. Lagres som et notat (node i grafen). Lydfilen slettes etter vellykket transkripsjon.

3.2 AI-opprydding (dictation_cleanup)

AI Gateway (sidelinja/rutine) prosesserer transkripsjonen med instruksjon om å:

• Fjerne fyllord, gjentakelser og ufullstendige setninger
• Strukturere i avsnitt med overskrifter der det gir mening
• Bevare talerens mening og tone — ikke omskrive til "AI-språk"
• Foreslå #Tema- og @Aktør-tags basert på innholdet

3.3 Datamodell

Dikterte notater er meldinger i en channel:

nodes (node_type = 'melding')
  → messages (channel_id, message_type = 'text', body = ryddet tekst, metadata = { raw_transcript, source: 'dictation' })

Metadata bevarer rå-transkripsjonen slik at brukeren alltid kan se hva som faktisk ble sagt.

3.4 Målkanal

Brukeren velger hvor notatet havner:

• Personlig notat-channel — default, kun synlig for brukeren selv
• Tema-channel — delt med redaksjonen som et innspill
• Direkte til en annen bruker — som en asynkron "talemelding i tekstform"

4. Felles infrastruktur

4.1 Opptak (klient)

Begge moduser bruker samme opptakskomponent i SvelteKit:

• MediaRecorder API med WebM/Opus
• Visuell feedback (lydnivå-indikator, varighet)
• Modus-velger: Lydmelding / Diktering
• Kontekst-velger: Tema, Aktør, eller Usortert

4.2 Opplasting

SvelteKit håndterer filopplasting strømmende. For korte klipp (<2 min) kan opplasting starte umiddelbart etter stopp. For lengre opptak bør det vises en fremdriftsindikator.

4.3 Whisper

Begge moduser bruker live transkripsjonspipelinen (se docs/features/live_transkripsjon.md) i batch-modus via jobbkøen. Modellvalg:

• Lydmelding: small (rask, transkripsjonen er sekundær — lyden er master)
• Diktering: medium + initial_prompt (kvalitet prioritert — teksten er master)

4.4 Personlig "Innboks"-channel

Ved brukeropprettelse opprettes en privat channel per bruker for usorterte lydmeldinger og notater. Config:

{
  "threads": false,
  "mentions": false,
  "attachments": true,
  "research_clips": false,
  "ttl_days": null
}

5. Dataklassifisering (ref. docs/arkitektur.md 2.2)

Data	Kategori	Detaljer
Lydfiler (voice memos)	Kritisk (backup)	Unikt råmateriale — lyden er innholdet, kan brukes direkte i podcasten
Diktert tekst (ryddet)	Kritisk (PG)	Brukerens innhold
Rå transkripsjon	Avledet	Kan regenereres fra lydfil
Lydfil fra diktering	Flyktig (TTL)	Lyden er kun et transportformat for teksten — slettes etter at brukeren har godkjent den ryddede teksten. Spart diskplass, og unngår å lagre halvformulerte tanker som lyd.

6. Jobbtyper

Jobbtype	Modellalias	Beskrivelse
whisper_transcribe	—	Eksisterende jobbtype, gjenbrukes
dictation_cleanup	sidelinja/rutine	AI-opprydding av transkripsjon

7. Instruks for Claude Code

• Opptakskomponenten skal være en gjenbrukbar Svelte-komponent med modus-prop (voice_memo / dictation).
• Lydfiler lagres i media/voice/ — aldri i databasen.
• Diktering: slett lydfilen først etter at brukeren har godkjent den ryddede teksten.
• voice_memo er en ny message_type — utvid enum i migrasjonen.
• Personlig innboks-channel opprettes automatisk for nye brukere.
• Tilgang styres via node_access-matrisen.