Arquitetura

O ISPer é um workspace Rust com um app Tauri 2. Tudo o que envolve áudio roda no seu computador. A rede só entra em três casos: baixar modelos, checar se há versão nova e, se você configurar, mandar texto a um provedor de IA.

As peças

Peça	O que faz
`crates/isper-core`	O motor, sem interface: captura do microfone e do áudio do sistema, reamostragem, Whisper, VAD, reunião, SQLite e exportação
`crates/isper-models`	Catálogo e download dos modelos, com SHA-256 conferido
`crates/isper-diarize`	Quem falou o quê, com sherpa-onnx (segmentação pyannote e embeddings 3D-Speaker)
`crates/isper-llm`	Provedores de IA (Groq, Gemini, Claude), resumo pós-reunião e Copilot
`crates/isper-cli`	Laboratório de terminal: gravar, transcrever, medir (`bench`) e reconstruir a Biblioteca (`import`)
`apps/isper-app`	O app: `src-tauri` em Rust, com um módulo por assunto, e `ui` em HTML, CSS e JavaScript

O motor fica separado da interface para ser testado sozinho, com fontes de áudio falsas, relógio injetado e provedor de IA falso. O mesmo código atende o app e o isper-cli.

Ditado

O atalho global começa a captura do microfone (cpal).
Quando você solta o atalho, ou depois da pausa no modo mãos-livres, o áudio é convertido para 16 kHz mono e vai ao Whisper (whisper.cpp, via whisper-rs).
O texto passa pelo filtro de alucinações, pelos comandos de voz e pelo dicionário pessoal.
O ISPer cola com Ctrl+V e devolve o que estava no clipboard. O ditado entra no histórico.

Reunião

Uma thread sonda as sessões de áudio do Windows. Quando o Teams entra em chamada, o ISPer pergunta se deve gravar, ou começa sozinho no modo automático.
São dois canais: o microfone ("Eu") e o que os participantes falam. O segundo vem por loopback do WASAPI, só do Teams quando o Windows permite, com keepalive e watchdog para não travar.
Ao vivo, as legendas chegam em poucos segundos. Os dois canais vão a disco contínuos, no relógio da reunião.
Ao encerrar, o passe final roda em segundo plano (VAD Silero e beam search), e a diarização separa "Participante 1, 2…" por palavra. Ele só substitui a transcrição ao vivo quando termina inteiro.
A reunião vira um .md e linhas no SQLite. Com IA configurada, sai o resumo com decisões e tarefas.

O .md é gravado antes do banco. Se o índice se perder, isper-cli import reconstrói a Biblioteca a partir dos arquivos.

Onde ficam os dados

O quê	Onde
Configurações e banco (`isper.db`)	`%APPDATA%\ISPer`
Modelos e logs	`%LOCALAPPDATA%\com.isper.desktop`
Reuniões em Markdown	`Documentos\ISPer`
Chaves de API	Gerenciador de Credenciais do Windows

Interface

A interface é HTML, CSS e JavaScript puros, sem bundler, embutidos no executável. As fontes são locais, e a política de segurança de conteúdo (CSP) só permite o próprio app e a ponte com o Rust (IPC). Os dicionários de idioma e o tema chegam a cada janela por um script de inicialização, antes da primeira pintura.

Releases e atualização

Uma tag de versão dispara o workflow de release no GitHub Actions. Ele confere a versão contra o CHANGELOG, roda o CI inteiro e compila duas variantes: GPU (CUDA) e CPU. A release sai com SHA256SUMS.txt, SBOM e a assinatura minisign de cada instalador. O atualizador do app confere essa assinatura com a chave pública embutida antes de instalar.

Decisões registradas

Cada decisão grande tem um ADR em docs/adr/, com o contexto, o que foi escolhido e o que ficou de fora. Por exemplo:

Rust, Tauri 2 e whisper.cpp, tudo local;
IA na nuvem, só com o texto;
os dois modos de transcrição, ao vivo e passe final;
nada some sem o usuário pedir.

O pipeline de transcrição tem um documento próprio, docs/transcription-pipeline.md.

Referência da API

Todo item público do isper-core é documentado, e o CI recusa um item novo sem documentação. Para abrir a referência:

cargo doc -p isper-core --no-deps --open