使用场景

会议记录整理：用户上传会议录音，系统自动生成会议摘要和完整文本记录。

远程会议要点提取：用户上传远程会议的录音，系统提供会议关键点摘要。

会议决策和行动项总结：用户上传会议录音，系统帮助用户快速识别会议中的决策和行动项。

产品特色

音频到文本转换：使用whisper.cpp将音频文件转换为文本。

文本摘要：使用Ollama服务器上的模型对文本进行摘要。

支持多种模型：支持不同的Whisper模型（基础版、小型、中型、大型V3）以及Ollama服务器上的任何可用模型。

翻译功能：允许将非英语音频翻译成英语。

Gradio界面：提供用户友好的Web界面，用于上传音频文件、查看摘要和下载文本。

要求Python 3.x环境：确保Python环境的兼容性和稳定性。

FFmpeg（用于音频处理）：确保音频文件格式的兼容性。

Whisper.cpp（用于音频到文本转换）：确保音频文件可以被准确转换。

Ollama服务器（用于文本摘要）：确保文本摘要的准确性和效率。

Gradio（用于Web界面）：确保用户界面的友好性和易用性。

Requests（用于处理Ollama服务器的API调用）：确保API调用的稳定性和效率。

使用教程

步骤1：克隆仓库到本地。

步骤2：运行设置脚本，安装所有必要的依赖项（包括Python虚拟环境、whisper.cpp、FFmpeg和Python包），并运行应用程序。

步骤3：访问应用程序。完成设置和执行后，Gradio会提供一个URL（通常是http://127.0.0.1:7860）。在Web浏览器中打开此URL以访问会议摘要器界面。

步骤4：上传音频文件。点击音频上传区域并选择任何支持的格式（例如.wav、.mp3）的音频文件。

步骤5：提供额外的上下文（可选）。为了更好的摘要，可以提供额外的上下文（例如，“关于人工智能和伦理的会议”）。

步骤6：选择Whisper模型。从可用的Whisper模型（基础版、小型、中型、大型V3）中选择一个进行音频到文本的转换。

步骤7：选择摘要模型。从Ollama服务器提供的可用选项中选择一个模型。

步骤8：查看结果。上传音频文件后，你将获得由选定模型生成的摘要文本。