Audio Note Taker

语音笔记助手：录音自动转文字并整理成结构化笔记，支持说话人识别，自动总结要点和行动项

audio-note-taker - 语音笔记助手

智能语音笔记助手——自动将录音转成结构化文字笔记。

适用场景

• 🎙️ 会议记录：自动转录会议内容，提炼行动项
• 🎓 讲座笔记：课堂/讲座录音转文字，自动整理要点
• 📰 采访整理：语音采访转文字稿，快速生成报道素材
• 💼 工作复盘：项目复盘录音 → 结构化记录
• 📝 日常笔记：快速语音记录 → 文字存档

核心功能

• ✅ 高精度转写：基于 OpenAI Whisper API，支持多种语言
• ✅ 结构化输出：自动划分段落，识别关键信息
• ✅ 智能摘要：提取核心观点、决策、待办事项
• ✅ 说话人区分：可选说话人识别和标记
• ✅ Markdown 格式：输出易读、易编辑的笔记
• ✅ 多种输入：支持音频文件或直接录音

快速开始

基础转写

bash

audio-note-taker /path/to/recording.m4a
# 输出：recording_notes.md

指定主题和格式

bash

audio-note-taker /path/to/meeting.mp3 \
  --title "2026-Q1 产品规划会" \
  --language zh \
  --output meeting_notes.md

启用说话人识别

bash

audio-note-taker /path/to/interview.wav \
  --detect-speakers true \
  --output interview_transcript.md

生成深度摘要（需配置 LLM）

bash

audio-note-taker /path/to/lecture.mp3 \
  --summarize true \
  --extract-action-items true \
  --output lecture_summary.md

参数说明

参数	类型	默认	说明
input	路径	必填	音频文件路径（支持 mp3, m4a, wav, ogg 等）
--title	字符串	自动生成	笔记标题
--language	代码	auto	音频语言（en, zh, ja, auto 等）
--output	路径	{input}_notes.md	输出文件路径
--detect-speakers	布尔	false	是否识别不同说话人
--summarize	布尔	false	生成摘要（需 OPENAI_API_KEY）
--extract-action-items	布尔	false	提取行动项
--model	字符串	whisper-1	Whisper 模型（whisper-1）
--format	字符串	markdown	输出格式（markdown, txt, json）

环境变量

变量名	说明	必填
OPENAI_API_KEY	OpenAI API 密钥	✅
OPENAI_BASE_URL	自定义 API 地址（可选）	❌
NOTE_TAKER_MODEL	摘要模型（默认 gpt-4-turbo）	❌

输出内容示例

markdown

# 会议记录：2026-Q1 产品规划会
**时间**：2026-03-15 14:00-15:30  
**地点**：线上  
**参会人**：张三、李四、王五

---

## 📝 会议纪要

### 讨论要点

1. Q1 产品上线延期原因分析
2. Q2 核心功能优先级排序
3. 资源分配调整

### ✅ 决议事项

- [x] 确定 Q2 三大核心功能
- [x] 批准额外 2 名开发人力
- [x] 下周三前发布详细排期

### 📋 待办事项

| 负责人 | 任务 | 截止时间 |
|--------|------|---------|
| 张三 | 完成 PRD 文档 | 2026-03-18 |
| 李四 | 技术方案评审 | 2026-03-20 |
| 王五 | 资源配置协调 | 2026-03-17 |

---

## 📄 完整转录（可折叠）

<details>
<summary>展开查看完整对话</summary>

[14:00] 张三：大家好，我们今天...
[14:05] 李四：关于延期，我觉得...
...
</details>

与其他技能集成

• social-publisher：将会议纪要直接整理成公众号/小红书文章
• summarize：对长录音先提取关键信息，再生成摘要
• wechat-formatter：将会议纪要快速格式化为公众号可发内容

技术细节

• 使用 OpenAI Whisper API 进行语音转文字
• 可选集成 GPT 模型进行摘要和行动项提取
• 支持中英文混合识别
• 音频预处理：自动降噪、格式转换（通过 ffmpeg）
• 输出 UTF-8 编码，支持中文排版

安装依赖

bash

# 系统依赖
apt install -y ffmpeg

# Python 依赖（自动安装）
pip install openai>=1.0.0

许可证

MIT