# 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
APP_WEBSOCKET_PATH=/ws
APP_WEBSOCKET_SECURE=false

# Webhook-Token: bei gesetztem Wert muss der Absender X-Webhook-Token mitsenden.
APP_WEBHOOK_TOKEN=
# MongoDB-Adresse aus Sicht des Backends bzw. Containers.
SPRING_MONGODB_URI=mongodb://192.168.180.25:27017/swyxweb?serverSelectionTimeoutMS=2000

# 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