پروپوزال محصول و فنی
حساب‌من
یک سیستم حسابداری هوشمند، مقاوم و مبتنی بر صوت که با استفاده از هسته حسابداری Actual، مدل تصمیم‌گیری Jev، فراخوانی ابزار LLM، تبدیل گفتار به متن Whisper و درگاه هوش مصنوعی 9router پشتیبانی می‌شود.
یک سیستم حسابداری هوشمند، مقاوم و مبتنی بر صوت که با استفاده از هسته حسابداری Actual، مدل تصمیم‌گیری Jev، فراخوانی ابزار LLM، تبدیل گفتار به متن Whisper و درگاه هوش مصنوعی 9router پشتیبانی می‌شود.
حساب‌من تعامل با حسابداری شخصی را حول گفتار طبیعی انسان بازطراحی می‌کند: کاربر یک دکمه را لمس می‌کند، به زبان فارسی صحبت می‌کند (مثلاً «پنجاه هزار تومن اسنپ دادم») و برنامه فوراً تراکنش را تجزیه، دسته‌بندی، اعتبارسنجی و در دفتر کل ثبت می‌کند.
تحلیل‌گر جریان Web Audio در مرورگر + MediaRecorder. آپلود سریع به اندپوینت Deepgram Nova-3 Whisper سازگار با OpenAI با اعمال فرمت‌بندی اعداد.
ای‌پی‌آی SystemOne (DiffusionGemma/OpenJev) توزیع احتمالات را برای قصد کاربر، نوع تراکنش (درآمد در مقابل هزینه) و دسته‌بندی مالی محاسبه می‌کند.
ارسال پرامپت از Jev. مدل زبانی محلی (LLM) آرگومان‌های ساختاریافته توابع را استخراج می‌کند.
پکیج سمت سرور @actual-app/api تراکنش‌های SQLite را تطبیق داده، قوانین حسابداری دوطرفه را اعمال و موجودی لحظه‌ای دفاتر را دوباره محاسبه می‌کند.
طبقه‌بندی چندگانه با تاخیر زیر یک ثانیه از طریق Codiv SystemOne برای قصد کاربر، نوع تراکنش و توزیع دسته‌بندی‌ها در یک درخواست واحد.
موتور SQLite حسابداری Actual برای حفظ دقیق حسابداری دوطرفه، قابلیت حسابرسی و محاسبه لحظه‌ای موجودی جاسازی شده است.
دریافت صدا را از پردازش جدا می‌کند. امکان ورود سریع و پشت سر هم صدا با مسیرهای پردازش موازی و نامتقارن را فراهم می‌کند.
برای ویرایش هر فیلد شناسایی‌شده ضربه بزنید؛ با تطبیق فوری دفتر کل در بک‌اند و بدون تاخیر در رابط کاربری.
ذخیره امن فایل‌های صوتی آفلاین در IndexedDB همراه با قابلیت پخش محلی و همگام‌سازی خودکار پس از اتصال مجدد به شبکه.
| بخش | انتخاب فناوری | دلیل و مزیت |
|---|---|---|
| ابزارهای فنی | Capacitor, React, Tailwind CSS | پوسته رندر شده در سرور، واکنش‌پذیری سریع در سمت کاربر، بدون سربار اجرای CSS. |
| تبدیل گفتار به متن (STT) | Deepgram Nova-3 / OpenAI Whisper API | مدل زبانی دقیق فارسی با رونویسی‌های آوایی و اولویت اعداد. |
| طبقه‌بندی قصد کاربر | Codiv SystemOne (OpenJev 0.1) | طبقه‌بندگر احتمالی با سرعت بسیار بالا که نیاز به خطوط شکننده RegEx را از بین می‌برد. |
| استخراج پارامترها | مدل زبانی محلی (سازگار با OpenAI / Gemini Flash) | استخراج ساختار Zero-shot و پیام‌های دستیار مودبانه فارسی. |
| موتور حسابداری | Actual Budget Core API (`@actual-app/api`) | متن‌باز، حریم خصوصی‌محور، دفتر کل دوطرفه محلی با SQLite. |
| ذخیره‌سازی سمت کاربر | IndexedDB (`idb-keyval`) | ذخیره‌سازی باینری با ظرفیت بالا برای فایل‌های صوتی و تاریخچه چت‌های آفلاین. |
برای استقرار کاملاً مستقل، محیط‌های ایزوله یا با حریم خصوصی سخت‌گیرانه، وابستگی‌های ابری هوش مصنوعی را می‌توان با مدل‌های محلی بهینه‌شده جایگزین کرد.
برای مدیریت کارآمد این پشته کاملاً محلی، LocalAI به عنوان یک جایگزین کامل REST API عمل می‌کند و می‌تواند تمام مدل‌ها را همزمان در یک اندپوینت یکپارچه سازگار با OpenAI میزبانی کند.
علاقه‌مند به پیاده‌سازی یا توسعه پلتفرم حسابداری صوتی حساب‌من هستید؟ بیایید در ارتباط باشیم.