AI Slides Reviewer (PDF/PPTX → PNG + Audio → Text → Gemini)

Инструмент для прогона презентаций с записью голоса и автоматической обратной связью от ИИ. Загружает PDF/PPTX, рендерит слайды в PNG, записывает аудио по каждому слайду, транскрибирует (Whisper), улучшает текст (Gemini) и формирует рекомендации по каждому слайду и по всей презентации.

Архитектура

• frontend — Create React App dev‑сервер по HTTPS на 3000, проксирует API на бэкенд (см. app/frontend/package.json: proxy).
• server — FastAPI на 5000, раздаёт статику /images/... с данными сессий.
• nginx — TLS‑терминация и реверс‑прокси на 80/443, проксирует фронтенд и API.

Быстрый старт

• Требования: Docker и Docker Compose.
• Подготовьте .env (не коммитьте реальные ключи):
  • GOOGLE_API_KEY=your-key
  • AnalizePDF=false # опционально: прикладывать исходный PDF к запросам в Gemini
  • DISABLE_TRANSCRIPTION=false # опционально: отключить Whisper на слабых хостах
• Сертификаты для Nginx (если нет реальных):
  • Положите файлы в app/nginx/certs: fullchain.pem и certificate.pem.
  • Для локали можно сгенерировать самоподписанные:
    • Linux/macOS: openssl req -x509 -nodes -newkey rsa:2048 -keyout app/nginx/certs/certificate.pem -out app/nginx/certs/fullchain.pem -days 365 -subj "/CN=localhost"
• Запустите: docker-compose up --build
• Откройте: https://localhost (или ваш домен)

Возможности

• Загрузка .pdf или .pptx (PPTX → PDF через LibreOffice → PNG через Poppler/pdf2image).
• Прогон презентации с записью аудио по каждому слайду, навигация стрелками.
• Автотранскрибация (Whisper) + улучшение текста (Gemini).
• Отчёты: по слайдам (до 3 советов) и общий итог (до 5 советов).

Переменные окружения

• GOOGLE_API_KEY — ключ для google-genai (Gemini).
• AnalizePDF — если true/1/yes, при запуске рецензии сервер прикрепляет исходный PDF к запросам Gemini.
• DISABLE_TRANSCRIPTION — если true/1/yes, Whisper не запускается; полезно на хостах с ограниченной RAM/CPU.

API (основные маршруты)

• POST /upload — загрузка .pdf/.pptx; ответ: { sessionId, slides: ["/images/<sessionId>/slides/slide-1.png", ...] }.
• GET /slides/{session_id} — список PNG‑слайдов.
• POST /audio — загрузка аудио; транскодирование в mp3, опциональная транскрибация и сохранение slide-*.json.
• GET /transcript?sessionId&slideIndex — получить/сгенерировать транскрипт.
• POST /review/start — старт рецензии (mode: per-slide|full, extraInfo: произвольный текст).
• POST /review/slide — оценка одного слайда.
• GET /review/summary?sessionId — итог по всей презентации.

Данные и хранение

• Все артефакты сессии: /app/data/<sessionId> внутри server (volume server_data в docker-compose.yml:20-21).
  • slides/slide-*.png — изображения
  • audio/slide-*.mp3 и audio/slide-*.json — аудио и транскрипт
  • review/*.json — результаты AI‑оценки
• Статика доступна по /images/... (см. app/server/app.py:40).

Сетевое взаимодействие и прокси

• Nginx принимает HTTP→HTTPS и проксирует фронтенд и API:
  • Редирект 80→443 (см. app/nginx/default.conf:7).
  • Сертификаты: ssl_certificate и ssl_certificate_key (см. app/nginx/default.conf:18 и app/nginx/default.conf:19).
  • Маршрутизация API: /images, /upload|audio|transcript, /review|slides (см. app/nginx/default.conf:26, app/nginx/default.conf:39, app/nginx/default.conf:49).
  • Фронтенд: прокси на CRA https://frontend:3000 с отключенной проверкой upstream‑сертификата (см. app/nginx/default.conf:61).
• Порты/сервисы: см. docker-compose.yml:3-37.

Локальная разработка

• Фронтенд: cd app/frontend && npm i && npm start (CRA на 3000, HTTPS; прокси на API указан в app/frontend/package.json).
• Бэкенд: cd app/server && pip install -r requirements.txt && uvicorn app:app --reload --host 0.0.0.0 --port 5000.

Технологический стек (server)

• FastAPI, Uvicorn, pdf2image (Poppler), LibreOffice (soffice), ffmpeg, Whisper (openai-whisper), Google GenAI (Gemini).
• Установка системных пакетов в app/server/Dockerfile.

Примечания и советы

• На CPU Whisper работает в FP32; предупреждение FP16 подавлено.
• Если аудио ещё пишется, сервер ожидает появления файла до ~10 сек перед on‑demand транскрибацией.
• Для прод‑режима стоит собирать фронтенд (npm run build) и раздавать статику Nginx, вместо dev‑сервера CRA.
• Не храните реальные секреты в репозитории; сгенерируйте новый ключ, если .env оказался в истории.