Gesprächsaufnahmen mit lokalem Whisper und LLM verarbeiten

.env.example

@@ -0,0 +1,27 @@
+# Lokale Projektkonfiguration: als .env speichern.
+# .env bleibt außerhalb von Git und Docker-Build-Kontext.
+
+# SwyxWeb-Port auf dem Docker-Host
+SWYXWEB_PORT=8080
+
+# SwyxWeb -> Whisper im selben Container (nur intern, kein zusätzlicher Host-Port).
+APP_TRANSCRIPTION_BASE_URL=http://127.0.0.1:8765
+
+# CPU-Threads für die lokale Transkription. Das Modell ist im Docker-Image enthalten.
+WHISPER_THREADS=4
+
+# SwyxTray-Adresse aus Sicht des Browsers am Arbeitsplatz
+APP_WEBSOCKET_HOST=127.0.0.1
+APP_WEBSOCKET_PORT=17654
+
+# Zusammenfassung über eine OpenAI-kompatible Chat-Completions-API.
+# URL und Modell gemeinsam setzen; beide leer lassen für reine Transkription.
+# Basis-URL inkl. /v1, z. B. https://api.openai.com/v1
+# oder http://host.docker.internal:1234/v1 für ein LLM auf dem Docker-Host.
+LLM_BASE_URL=
+LLM_MODEL=
+# Optional bei lokalen Servern ohne Authentifizierung.
+LLM_API_KEY=
+LLM_TIMEOUT_SECONDS=120
+# Lange Transkripte werden in Abschnitten zusammengefasst und anschließend zusammengeführt.
+LLM_CHUNK_CHARS=12000