Un prompt peut-il remplacer Read AI ?

Construis un outil d’analyse de réunion qui calcule des statistiques basiques de temps de parole et de sentiment à partir d’une transcription, par-dessus l’approche de transcription locale façon Avoma de ce catalogue. Utilise Python avec FastAPI, whisper.cpp pour la transcription avec diarisation des locuteurs, correction manuelle, la même approche que la fiche Avoma, et un modèle d’analyse de sentiment ouvert et léger, un petit modèle transformer HuggingFace exécuté en local, pour le score de ton par segment. Après avoir transcrit et étiqueté les locuteurs d’un enregistrement, calcule : le temps de parole total par participant en pourcentage de la réunion, un graphique de timeline simple du score de sentiment sur la durée de la réunion, et un encart basique « segment le plus positif » et « segment le plus négatif ». Présente ça comme un tableau de bord résumé à côté de la transcription. Sois explicite dans le README que c’est une heuristique légère et non validée, pas un modèle d’engagement scientifiquement validé — l’analyse de sentiment sur de la parole transcrite, sans la nuance du ton de la voix, est vraiment imprécise, et la présenter comme plus autoritaire qu’elle ne l’est serait malhonnête. Ne construis pas d’enregistrement automatique déclenché par calendrier, d’analyses inter-réunions dans le temps, ni de signaux d’engagement basés sur la vidéo — c’est hors périmètre. Nécessite un hébergement pour tourner en continu, ou peut tourner sur une machine personnelle pour un usage occasionnel ; aucune clé d’API externe requise pour le modèle de sentiment local.