SuperAPI AI 工具集

meeting-scribe

前端与建站

查看项目

更新于 10-15 20:08

技能介绍

用途:把会议音频或已转写的 .txt 变成三份产物:轻量修正的逐字稿(保留口语特征)、单文件自包含 HTML 可视化画布、含 AI 洞察章节的 Markdown 摘要。转写通过 Whisper 在本地完成,产物直接写入配置的输出位置,不在对话中完整回显。

两种模式:默认流水线(Phase 0-5),一次会议进、三份产物出;Insights 模式在用户询问跨会议的沟通模式时运行,读取已修正逐字稿语料并写一份分析报告。按意图路由,不要在一次运行中同时执行两者。

配置:加载时先读取 ~/.config/meeting-transcripts/config.json;不存在则运行首次设置并写入配置。配置包含引擎(whisperkit-cli、faster-whisper、whisper.cpp)、模型(默认 large-v3)、模型路径、转写语言、音频投放目录与归档目录、输出模式(folder 或 obsidian)、各产物输出语言、可选说话人分离等。所有机器相关设置都放在外部配置,不写进技能文件。

首次设置:检测平台并选默认引擎(Apple Silicon 用 whisperkit-cli,其他用 faster-whisper),安装引擎、按引擎格式下载模型、询问输出位置与音频目录、设置语言,然后写入配置。

说话人分离默认关闭,需显式开启;whisperkit-cli 原生支持,faster-whisper 需本地 ONNX 附加组件,whisper.cpp 不支持。分离为轮次级,标签为 A/B 而非姓名,仅在干净低重叠双人音频上验证过,不建议依赖其做归属判断。

限制:具体业务事实以用户自己的笔记为准;标点避免破折号;产物在目标位置审阅和修改。资料未提供收费、价格与效果信息。