35 lines
1.3 KiB
Bash
35 lines
1.3 KiB
Bash
# 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
|