Telegram Chat Parser & Transcriber

Консольное приложение на Java для парсинга экспортированных чатов Telegram и автоматической расшифровки голосовых сообщений.

---

О проекте

Данный проект является открытым по лицензии MIT (Подробнее см. в файле LICENSE) в образовательных целях. Я не несу ответственности за согласие использовать мой код в рабочих целях. Образовательная разработка.

---

Основные возможности

• Парсинг HTML: Читает messages.html файлы, экспортированные из Telegram.
• Конвертация аудио: Автоматически конвертирует .ogg голосовые сообщения в формат .wav.
• Распознавание речи: Использует локальную AI-модель Whisper (large-v3-turbo) для транскрибации аудиофайлов.
• Формирование отчёта: Собирает текстовые и расшифрованные сообщения в единый итоговый .txt файл.
• Гибкий вывод: Поддерживает сохранение результата в форматах TXT и JSON.

---

Как составлять файлы result / custom_transcripts.txt

• result.txt - требуется для внедрения в парсер общего вывода данных (OutputParse.txt/json) голосовых сообщений конвертированных в текстовый формат.
• custom_transcripts.txt - требуется для добавления/изменения голосовых сообщений (в виде текста) поверх result.txt.

Файл result.txt является основным файлом готового конвертирования голосовых сообщений!

custom_transcripts.txt позволяет удобно редактировать определённые ключ -> значения поверх result.txt!

• Формат result.txt:

audio_26@17-05-2025_20-51-05.ogg: ваш_текст Ключ обязан соответствовать названию, которое было в html файле к нужному сообщению. Текст может быть любым.

• Формат custom_transcripts.txt:

Идентичен как для result.txt.

---

Конфигурация модели ИИ

• На этапе выбора языка голосовых сообщений требуется ввести название языка по стандарту ISO 639-1. К примеру: ru

• На этапе выбора самой модели требуется обратиться к репозиторию и ввести название модели в соответствии с данным образцом: ggml-large-v3-turbo.bin

---

Установка и запуск

Для работы приложения необходимо, чтобы в системе были установлены:

• Java 17 (JDK)
• Maven
• FFmpeg (для конвертации аудио)
• GCC 14

Сборка проекта: Для сборки исполняемого JAR-файла выполните в терминале в папке проекта:

bash mvn clean package

Запуск: Запустите собранный JAR-файл из командной строки:

bash java -jar target/telegram-analyzer-1.0-SNAPSHOT-jar-with-dependencies.jar

---

Используемые технологии

• Java 17
• Maven
• Jsoup - для парсинга HTML.
• JAVE2 - для конвертации аудио.
• whisper-jni - для интеграции с моделью Whisper.
• Logback - для логирования.

---

План развития

• Создание графического интерфейса (GUI) на JavaFX.
• Поддержка экспорта из других мессенджеров.
• Работа с мессенджерами через их официальные API.
• Внедрение различных ИИ моделей (для разных ресурсоёмких задач)
• Оптимизация кода