meeting-transcript-extract

Última actualización: 2026-04-24

/meeting-transcript-extract — Teams transcript extractor via CDP

Objetivo

Capturar transcripciones de reuniones en Teams web sin depender de permisos de descarga VTT. Funciona para reuniones donde el usuario fue organizador O simplemente asistente. Resuelve el gap de SharePoint Stream player cuando devuelve "elemento no existe" para reuniones ajenas.

Pre-requisitos

1. Browser-daemon ejecutándose (verificar con scripts/ensure-daemons-auth.sh).
2. Cuenta autenticada:
   • Puerto 9222 → cuenta1.
   • Puerto 9223 → cuenta2.
3. Tab de Teams abierto en teams.microsoft.com/v2/ con sesión activa.

Invocación

# Listar chats disponibles (dry-run)
python scripts/extract-teams-transcripts.py --port 9223 --out-dir /tmp/test

# Procesar todos los chats de reunión
python scripts/extract-teams-transcripts.py \
  --port 9223 \
  --out-dir projects/{slug}_main/{slug}-monica/meetings/raw \
  --batch

# Procesar un chat específico (match diacritic-insensitive)
python scripts/extract-teams-transcripts.py \
  --port 9223 \
  --out-dir projects/{slug}_main/{slug}-monica/meetings/raw \
  --substring "Demo OCV"

Pipeline técnico

1. List chats: expandir sección Chats del tree en Teams, scroll progresivo, filtrar por chats que empiecen con [ o Revisi (reuniones).
2. Click chat: double-click programático via Input.dispatchMouseEvent.
3. Buscar botón Transcripción: si no aparece, probar Ver resumen primero (activa el Recap pane que a veces expone la transcripción).
4. Esperar iframe xplatplugins.aspx: el Recap de Teams carga la transcripción en este iframe del tenant owner. El iframe es target CDP independiente (type=iframe).
5. Scroll iframe + dedupe: encontrar el container con mayor scrollHeight-clientHeight, scroll por clientHeight*0.85 cada paso, capturar innerText y deduplicar líneas. Parar en 3 stalls consecutivos o end-of-scroll.
6. Save: {out-dir}/YYYYMMDD-teams-{slug}.transcript.txt con header (title + extracted timestamp).

Estados de salida por reunión

• ok — transcripción capturada y guardada.
• chat_not_found — el chat no aparece en la vista.
• no_transcript_btn — la reunión no tiene grabación / transcripción disponible.
• no_transcript_after_resumen — click en Ver resumen no expuso el botón.
• empty — iframe accesible pero sin texto útil (<100 chars).

Limitaciones conocidas

• Chats Daily recurrentes: solo se captura la última reunión recap; para anteriores hay que scrollear el historial del chat (no implementado).
• Reuniones >30 días: pueden haberse purgado de Teams.
• Tenant URLs: se infieren del iframe. Los valores reales NUNCA se hardcodean.
• Teams migrado a teams.cloud.microsoft: si el browser usa esta URL sin navegación explícita a /v2/, el chat list puede estar vacío. Forzar navegación a teams.microsoft.com/v2/.

Integración con /project-update

En Fase 2 (Digestión), invocar post-digest de emails para los chats de meeting con actividad nueva en los últimos 7 días. El skill meeting-digest puede consumir los .transcript.txt generados.

Anti-patrones

• NUNCA hardcodear tenant URLs, user principals, o identidades. Descubrir empíricamente.
• NUNCA asumir permisos: si el click devuelve no_transcript_btn, marcar como processed con status; no reintentar.
• NUNCA inventar dominios.

Validación 2026-04-24

8 transcripciones capturadas en una pasada (~384 KB texto):

• Reuniones propias del usuario: OK vía SP Stream directo.
• Reuniones con el usuario como asistente: OK vía Teams iframe (breakthrough — SharePoint Stream directo denegaba acceso, Teams iframe lo expone vía Recap).
• Reuniones sin grabación: detectadas y skipped con status no_transcript_btn.