PLAUD, mijn eigen verwerking en Apple Notes Ik kocht een recorder om gesprekken makkelijk vast te leggen. De verwerking erna bouw ik zelf, tot aan een notitie die ik wil teruglezen. Over dit artikel Ik gebruik een PLAUD-adapter voor mijn eigen meeting-memory-pipeline rond OpenClaw. De beschrijving van 5 oktober 2026 onderscheidt vier PLAUD-imports van de bredere verwerkingstellers. Whisper, sprekerscheiding, identificatie en extractie hebben aparte taken. Apple Notes is de beoogde leesplek; een volledige PLAUD-trace naar het getoonde notitieformaat ontbreekt nog. Op 18 oktober beschrijf ik ook mijn opgeloste synchronisatieprobleem. Ik had een herstart overgeslagen; toen ik de telefoon alsnog herstartte, werkte de verbinding weer. Mijn eigen beschrijving van de correctieroute op 18 oktober 2026: lexicale nabijheid en zinsbouw, passende RAG/KG-context, sprekerfingerprints en een laatste correctieronde met Luna. Geen onafhankelijk gemeten kwaliteitsresultaat. Ik kocht een PLAUD om gesprekken makkelijk op te nemen. Een knop indrukken en verder praten. Wat er daarna met de inhoud gebeurt, wil ik zelf kunnen bepalen: hoe de opname wordt verwerkt, waar ik de notitie lees en hoe ik haar later terugvind. Daarvoor heb ik een PLAUD-adapter aangesloten op mijn eigen meeting-memory-pipeline rond OpenClaw. Dit is een onderdeel van [mijn Second Brain](/articles/second-brain/). Apple Notes is de plek waar ik de uitkomst wil lezen; mijn eigen kennislaag bewaart de bronnen en verbanden. Bij deze versie. De technische voorbeelden hieronder komen uit de beschrijving van 5 oktober 2026. Ze laten vier PLAUD-imports en onderdelen van de verdere verwerking zien. Een volledige trace van één van die opnames naar de getoonde Apple Note ontbreekt nog. Op 18 oktober heb ik mijn ervaring met een inmiddels opgelost synchronisatieprobleem toegevoegd. Opnemen en synchroniseren PLAUD laat opnames, transcripties en samenvattingen exporteren. Ik gebruik die overdracht om zelf een transcriptiemodel of andere verwerking te kunnen kiezen.2 De herstart die ik had overgeslagen Op een gegeven moment bleven mijn opnames op mijn telefoon staan. In de cloud verschenen ze niet. Ik zocht het verderop in de verbinding en had mijn telefoon nog niet opnieuw opgestart. Eigenwijs, want ik verwachtte weinig van die stap. Toen ik dat alsnog deed, werkte de synchronisatie weer. Kennelijk hield achtergebleven cache van een VPN die ik tijdelijk had gebruikt de verbinding tegen. Na de herstart konden mijn opnames weer synchroniseren. Update 18 oktober 2026: de synchronisatie werkt weer. Van PLAUD naar mijn verwerkingswachtrij De PLAUD-ingang heet PlaudCliProvider in bin/openclaw_meeting_memory.py. Mijn wrapper openclaw-meeting-memory biedt onder meer sync, resume, scheduled, status en render-note. Dit zijn mijn commando’s; de officiële PLAUD-CLI heeft een eigen commandocontract.13 bin/openclaw-meeting-memory --help bin/openclaw-meeting-memory status De status van 5 oktober 2026, 10:55:05 CEST is een momentopname. Ik lees de bronimport en de verdere verwerking afzonderlijk:1 { "plaud": { "recordings_seen": 4, "recordings_ingested": 4, "recordings_pending": 0, "recordings_failed": 0 }, "meeting_memory": { "recordings_downloaded": 27, "meetings_complete": 17, "processing_backlog": 78, "transcription_backlog": 3, "diarization_backlog": 23, "rag_backlog": 10, "kg_backlog": 10, "failed_jobs": 1 } } Onder plaud staan vier geïmporteerde opnames. De 27 downloads en 17 afgeronde meetings onder meeting_memory horen bij de bredere pipeline en gaan dus over een andere verzameling. processing_backlog telt jobs met pending, retry of blocked in openclaw.meeting_processing_jobs. Eén meeting kan meerdere jobs hebben. De 78 jobs zijn geen 78 vergaderingen. De tellers per verwerkingsstap laten zien waar werk wacht.1 De launchd-agent ai.openclaw.meeting-memory voert scheduled periodiek uit. Een lock voorkomt overlappende synchronisaties. Bij sync_already_running controleer ik eerst of de actieve worker nog bezig is.1 Hoe ik de opname verwerk OpenClaw levert de gateway en uitvoeringsinfrastructuur. De adapter en meeting-memory-logica eromheen zijn mijn eigen werk.10 In STAGES heeft iedere stap een eigen taak:1 STAGES = ('audio', 'transcript', 'diarization', 'identity', 'extraction', 'rag', 'kg') process_meeting(store, meeting_id, item, provider, ...) verbindt opslag, meetingreferentie, opname en bronprovider. Het maken en opslaan van een Apple Note valt buiten deze tuple.1 Transcriptie: wat is er gezegd? De beschreven worker gebruikt transcribe(self, audio), whisper-cli en ggml-medium.bin, met automatische taalkeuze en JSON-uitvoer. whisper.cpp kan Whisper lokaal uitvoeren op Apple Silicon.14 Sprekers scheiden: wanneer spreekt welke stem? Daarvoor staat nemotron3 ingesteld. Nemotron 3 Diarization levert tijdsegmenten en sprekerlabels.15 Sprekers herkennen: bij wie hoort een stem? Dat volgt apart via speaker-enroll, speaker-confirm en speaker-link-contact. Een stemprofiel, een bevestigde match en een contactkoppeling zijn drie stappen. Zonder voldoende zekerheid blijft de spreker onbekend.16 Extractie: welke samenvatting, besluiten en mogelijke acties volgen uit het gesprek? De vastgelegde configuratie gebruikt chatgpt_via_codex_cli. De CLI draait op mijn Mac; de modelverwerking vindt daarmee niet offline plaats.1 Deze verdeling helpt me fouten terug te zoeken. Een verkeerd woord vraagt om een andere correctie dan een zin die aan de verkeerde persoon is toegeschreven. 18 oktober: corrigeren met woorden, onderwerp en spreker Mijn correctieroute begint met een deterministische lexicale zoekstap. Ik kijk naar woorden die dicht bij elkaar staan, zinsbouw en mogelijke alternatieven. Die kandidaten vul ik aan met relevante context uit mijn RAG- en kennisgraaflaag.11 Daarna volgt een laatste ronde met Luna om te beoordelen wat waarschijnlijk gezegd is. Daarbij gebruik ik context die past bij het gespreksonderwerp en de geïdentificeerde sprekers. Een stemfingerprint helpt om een spreker bij volgende opnames weer te herkennen en de bijbehorende informatie terug te vinden.11 Dat is mijn huidige werkwijze, niet een gemeten nauwkeurigheidsscore. Informatie uit een eerdere bron mag een uitspraak helpen duiden, maar mag niet als nieuw gesproken tekst worden toegevoegd. Een twijfelachtige passage moet terug te controleren blijven in de opname. Teruglezen in Apple Notes Apple Notes gebruik ik al om notities te lezen en aan te vullen. Ik wil daar ook een gesprek terugvinden, zonder voor de uitkomst van mijn eigen software steeds een apart dashboard te openen. render_note(store, meeting_id) maakt de notitieweergave. Het voorlopige formaat bevat deze onderdelen:17 > Gesprek Datum, tijd en duur. > > Deelnemers Herkende en nog onbekende sprekers. > > Voorlopige samenvatting De tussenstand zolang de verwerking loopt. > > Transcript en meetingreferentie Terug naar de opname en bijbehorende context. Dit is de veldindeling van een meetingnotitie. De inhoud blijft privé. Om de volledige route voor PLAUD te controleren, moet ik dezelfde opname-ID nog van import tot transcript, Note en kennisrecords volgen.17 Een notitie in iCloud kan daarna naar mijn andere Apple-apparaten synchroniseren, als Notes daar met hetzelfde Apple Account is ingeschakeld. Een notitie onder “Op mijn Mac” blijft lokaal. Een wijziging in Notes moet bovendien opnieuw door mijn eigen ingestie worden verwerkt voordat mijn database, embeddings en graph zijn bijgewerkt.8 Eerdere gesprekken erbij halen Als iemand zegt “we houden de eerdere indeling aan”, wil ik het besluit kunnen terugvinden waar die zin naar verwijst. Daarom wil ik vóór de extractie relevante passages uit eerdere meetings, notities en projecten ophalen. Sinds de stand van 5 oktober is die terugweg toegevoegd aan mijn correctieroute: eerst lexicale kandidaten, daarna passende RAG- en KG-context en een laatste ronde met Luna. Onderwerp en sprekeridentificatie helpen bepalen welke eerdere informatie erbij hoort.11 In de notitie moet ik kunnen zien welke informatie uit dit gesprek komt en welke uit een oudere bron. Een eerder besluit kan de achtergrond verklaren. Het wordt daardoor geen uitspraak uit de nieuwe opname. De CLI heeft ook retention en forget-context. Ruwe audio bewaren en een meeting als context blijven gebruiken zijn afzonderlijke keuzes. Een lokale bewaartermijn verwijdert geen eventuele kopie bij PLAUD.1 De vergelijking die ik nog wil doen Ik heb een openbaar gesprek van Steve Jobs en Bill Gates van ongeveer 81 minuten geselecteerd voor een vergelijking tussen PLAUD en mijn eigen verwerking. Daarmee kan ik hetzelfde materiaal gebruiken zonder een klantgesprek te publiceren.9 Ik wil dezelfde passages beoordelen op transcriptiefouten, sprekerwisselingen, overlap en uitspraken die de samenvatting erbij verzint. Bij een interview hoort bijvoorbeeld niet vanzelf een actielijst. Ook inputversie, modellen, hardware, wachttijd en verwerkingstijd moeten bij de vergelijking staan. Die beoordeelde vergelijking is er nog niet. Dit artikel bevat de opzet, geen winnaar of kwaliteitsscore. De opname en het volledige transcript worden hier niet verspreid.9 Waar ik verder aan werk De recorder en mijn eigen verwerking hebben allebei onderhoud nodig. De overgeslagen herstart was daar een nogal gewone herinnering aan. De contextcorrectie gebruik ik inmiddels. Wat ik hier nog wil laten zien, is een volledige trace van één opname: van import tot transcript, notitie en later terugvinden. Ook de beoordeelde vergelijking staat nog open. De bredere opzet staat in [het artikel over mijn Second Brain](/articles/second-brain/). Bronnen en toelichting [1] Eigen implementatie: code-ingangen en statusvelden https://www.dewind.me/articles/assets/plaud-apple-notes/evidence/implementation-receipt.json Status van 5 oktober 2026, 10:55:05 CEST, met code-ingangen en Notes-metadata. De vier PLAUD-imports staan los van de bredere pipelinecijfers. [2] PLAUD: export recordings, transcripts and summaries https://support.plaud.ai/hc/en-us/articles/50835453223705-Export-recordings-transcripts-and-summaries PLAUD-documentatie over het exporteren van opnames en tekstresultaten. [3] PLAUD: CLI https://support.plaud.ai/hc/en-us/articles/57751026815257-Plaud-CLI Documentatie van de leveranciers-CLI. De wrappercommando’s in dit artikel zijn mijn eigen code. [4] ggml-org: whisper.cpp https://github.com/ggml-org/whisper.cpp Lokale Whisper-uitvoering en de CLI voor onder meer Apple Silicon. [5] NVIDIA: Nemotron 3 Diarization https://huggingface.co/nvidia/Nemotron-3-Diarization Modelkaart voor tijdsegmenten met sprekerlabels. [6] NVIDIA NeMo: Speaker Recognition https://docs.nvidia.com/nemo-framework/user-guide/24.07/nemotoolkit/asr/speaker_recognition/intro.html Versiegebonden documentatie over embeddings, sprekeridentificatie en verificatie. [7] Meetingnotitie: veldindeling en bronafbakening https://www.dewind.me/articles/assets/plaud-apple-notes/evidence/notes-observation.nl.md Veldindeling uit geïndexeerde meetingnotities. Het formaat is gedeeld zonder de privé-inhoud. [8] Apple: iCloud configureren voor Notities https://support.apple.com/guide/icloud/set-up-notes-mm8685520792/icloud iCloud-notities synchroniseren tussen apparaten met hetzelfde Apple Account. [9] Benchmark: testkeuze en beoordelingsplan https://www.dewind.me/articles/assets/plaud-apple-notes/evidence/benchmark-plan.nl.md Het gekozen vergelijkingsmateriaal en de geplande beoordeling. Er zijn nog geen scores of gemeten verwerkingstijden gepubliceerd. [10] OpenClaw: Gateway architecture https://docs.openclaw.ai/concepts/architecture Gateway en uitvoeringsinfrastructuur van OpenClaw. [11] Eigen toelichting · 18 oktober 2026 https://www.dewind.me/articles/assets/plaud-apple-notes/evidence/owner-confirmation-20261018.nl.txt Mijn eigen beschrijving van de correctieroute op 18 oktober 2026: lexicale nabijheid en zinsbouw, passende RAG/KG-context, sprekerfingerprints en een laatste correctieronde met Luna. Geen onafhankelijk gemeten kwaliteitsresultaat.