SenseAudio 会议助手 / SenseAudio Meeting Assistant

用于构建和排查 SenseAudio 会议助手，覆盖实时会议转写、说话人区分、实时翻译、会议纪要生成、行动项提取与转录导出。Build and troubleshoot SenseAudio meeting assistants for live meeting transcription, speaker-aw...

使用这个 skill 来构建基于 SenseAudio ASR 的会议类工作流。 Use this skill to build meeting-focused workflows on top of SenseAudio ASR.

先读哪些文件 / Read First

• references/realtime-workflow.md - 实时会议的 WebSocket 转写流程 / realtime WebSocket transcription flow for live meetings
• references/offline-meeting-transcription.md - 录音文件的 HTTP 转写、说话人分离、时间戳与翻译 / HTTP transcription with diarization, timestamps, sentiment, and translation
• references/note-generation.md - 如何把转写结果整理成会议纪要、决策与行动项 / how to turn transcripts into structured meeting notes, decisions, and action items
• references/examples.md - 常见会议助手场景的最小实现示例 / minimal examples for common meeting assistant tasks

按用户需求只加载必要的参考文件，不要一次性全读。 Load only the reference file(s) needed for the user's request.

适用场景 / When To Use

当用户需要以下能力时，使用这个 skill： Use this skill when the user wants any of the following:

• 实时会议字幕或实时转写 / live meeting captions or realtime transcripts
• 带说话人区分的会议记录 / speaker-separated meeting records
• 双语会议输出或会中翻译 / bilingual or translated meeting output
• 会议摘要、决策提取、行动项整理 / meeting summaries, decisions, and action items
• 基于会议音频或识别历史构建可搜索归档 / searchable archives built from meeting audio or ASR history
• 将 SenseAudio ASR 与 LLM 摘要能力结合的会议助手 / a meeting copilot combining SenseAudio ASR with LLM summarization

能力路由 / Capability Routing

优先选择满足需求的最小实现。 Choose the smallest implementation that satisfies the request.

1. 实时会议助手 / Live meeting assistant → 读取 references/realtime-workflow.md
2. 录音会议处理 / Recorded meeting processing → 读取 references/offline-meeting-transcription.md
3. 音质预检 / Audio quality triage → 先走音频质量分析接口
4. 历史记录查询 / Historical transcript lookup → 使用识别记录查询接口
5. 纪要与行动项整理 / Structured notes and actions → 再读取 references/note-generation.md

默认工作流 / Default Workflow

1. 先判断会议模式 / Pick meeting mode:

• 直播中 / 开会中 → 使用 WebSocket 实时识别 / live meeting → WebSocket realtime ASR
• 已有录音文件 → 使用 HTTP 文件转写 / uploaded recording → HTTP transcription

2. 再选择识别模型 / Choose recognition settings:

• sense-asr-pro：默认首选，适合会议场景，支持说话人分离、时间戳、情感与翻译 / best default for meetings needing diarization, timestamps, sentiment, and translation
• sense-asr：适合需要翻译但对会议增强能力要求较轻的场景 / useful when translation is needed but meeting constraints are lighter
• sense-asr-deepthink：适合实时 WebSocket 或更偏翻译理解的场景 / suitable for realtime WebSocket or translation-heavy semantic cleanup

3. 先构造最小可用请求 / Build a minimal valid request first:

• 加上 Authorization: Bearer <SENSEAUDIO_API_KEY>
• 先只保留必填参数 / keep only required fields initially
• 只有在确实需要时再开启说话人分离、时间戳、翻译、情感分析 / add diarization, timestamps, translation, or sentiment only when needed

4. 统一转写结果结构 / Normalize transcript output:

• 保留说话人、时间戳、翻译文本、分段边界 / preserve speaker, timestamps, translation, and segment boundaries
• 先把 ASR 原始结果归一化，再进入纪要或行动项生成 / normalize ASR output before summarization

5. 最后生成会议产物 / Generate meeting artifacts:

• 会议摘要 / summary
• 关键决策 / decisions
• 带负责人和时间定位的行动项 / action items with owner and timestamp when possible
• 可导出的 Markdown 或 JSON / export-ready Markdown or JSON

实现规则 / Implementation Rules

• 严禁硬编码密钥，统一从环境变量 SENSEAUDIO_API_KEY 读取。Do not hardcode secrets; read SENSEAUDIO_API_KEY from environment variables.
• 实时会议流式识别必须满足 pcm、16000Hz、单声道、16-bit little-endian。For realtime streaming, enforce pcm, 16000Hz, mono, signed 16-bit little-endian.
• 录音会议优先使用 response_format=verbose_json，保留会议所需元数据。For recorded meetings, prefer response_format=verbose_json.
• 说话人分离只在支持的模型上使用，max_speakers 仅适用于 sense-asr-pro。Use diarization only with supported models; max_speakers is only for sense-asr-pro.
• 使用 sense-asr-deepthink 时不要传 language，只使用 target_language。Do not send language with sense-asr-deepthink; use target_language only.
• 会议纪要生成属于第二阶段，必须建立在结构化转写结果之上。Treat note generation as a second stage after transcript normalization.
• 如果用户要生产级代码，输出中要包含超时、重试、日志与失败处理。Include timeout, retry, logging, and failure handling for production code.

输出检查清单 / Output Checklist

当你给出实现方案时，至少包含： When producing implementation output, include:

1. 选用的接口与模型 / chosen endpoint and model
2. 最小可运行请求示例 / minimal request example
3. 转写结果解析方式 / transcript parsing strategy
4. 纪要 / 行动项生成方式（如用户需要） / note and action-item generation strategy if requested
5. 会议场景下的限制说明，例如音频格式、说话人分离限制、翻译行为 / meeting-specific caveats such as audio format, diarization limits, or translation behavior

常见坑点 / Common Pitfalls

• 没有说话人字段 / Missing diarization fields：确认已开启 enable_speaker_diarization=true，并使用 sense-asr 或 sense-asr-pro
• 没有字级时间戳 / No word timestamps：确认设置了 timestamp_granularities[]=word
• 实时识别报错 / Realtime failures：检查发送的是原始 PCM 数据，而不是 wav/mp3 容器字节
• DeepThink 参数报错 / DeepThink errors：移除不支持的 language 或其他不兼容参数
• 纪要质量差 / Weak meeting notes：优先基于结构化 segments 总结，不要只对整段纯文本做摘要