discover · compare · collections · requirements · contribute · feed · watching · stats · help with your tokens
baigong-ai/Tingji · source
Snapshot 0 · 2026-11-04T12:47:28Z · Python ·
Content fingerprint
0fa4f0110009d66a344cb16d0b1ba7e2ca2785ed06854dcf8b28e7ff478ce93aGitHub description at capture
听记 (Tingji) — 本地会议录音转写与纪要，FunASR + LLM，数据不出本机。Local meeting transcription & minutes, runs entirely offline.
README at capture
[English](README.en.md) | 中文
# 听记 (Tingji)
> 本地会议录音转写与纪要：把录音丢进去，自动得到原文、整理稿和会议纪要。数据全程留在你自己的电脑上。
>
> **English**: Tingji is a local, offline meeting transcription & minutes tool — drop in a recording and get the raw transcript, a cleaned-up version, and structured meeting minutes, with speaker diarization. Nothing leaves your machine. See [README.en.md](README.en.md).
基于 [FunASR](https://github.com/modelscope/FunASR)（语音识别 + 说话人分离 + 标点恢复）与大语言模型整理。适合**会议、访谈、讲座**等长音频；跨平台（macOS / Windows WSL2 + GPU），识别无需联网。
## 特性
- **说话人自动区分**：基于 CAM++ 音色聚类，自动分清"谁在说话"，可改成真实名字并同步到所有视图与导出；cam++ 偶尔把多人并一人 / 一人拆两人，可**手动合并说话人**或**逐句改归属（含拆出新说话人）**，纯元数据重映射、不动音频不重跑 ASR
- **发言人时间轴**：顶部一条按累计发言时长的比例色条，一眼看出谁说得多；点击定位该说话人第一句，播放时高亮当前说话人
- **逐句时间戳**：点任意句定位音频（不强制播放），播放时当前句自动高亮 + 滚动跟随
- **纪要时间戳回跳**：决议 / 待办 / 待讨论每条可带 `[m:ss]` 时间戳，点击直接跳回音频现场，“这真是会上定的吗”一键核对；整理稿小节标题同样带发言开始时间，导出纪要时时间戳内联保留
- **个人笔记层**：把鼠标移到任意原句上点 ✎ 写自己的批注，笔记锚定句子、独立存储，**重新整理永不覆盖**；总结页顶部「我的笔记」按时间汇总，点击跳回锚定句；也支持不锚定句子的全局笔记；纪要导出可附「个人笔记」一节
- **议题时间轴**：说话人条下方第二条时间轴，把会议切成「背景 / 提出问题 / 讨论 / 结论 / 行动 / 闲聊」的议题段，点击跳到该议题开头、播放时高亮当前议题；LLM 生成初值，人可校正（改名 / 改阶段 / 调边界 / 删段），手动改过后重新整理不会覆盖
- **原文↔整理对照**：左右双栏按时间戳精确关联，hover 高亮、点击跳转音频、播放同步
- **手动校对 + 热词 + 倍速/跳静音**：双击句子纠正识别错误（可顺手改说话人归属、加入热词）；音频条支持 0.75×–2× 倍速与"跳静音"（自动跳过句间空隙），校对更快
- **批量上传**：一次拖入多个录音文件批量转录，首页队列逐个显示进度，识别按队列依次进行、转换与整理跨文件并行
- **一键整理**：把口语化的原文整理成通顺文字，再生成结构化会议纪要（概述 / 决议 / 待办 / 待讨论）；整理前可选总结模板、填会议背景与常用术语
- **总结模板**：内置普通会议 / 周会 / 访谈采访 / 项目管理，也可自定义（背景、常用词语、总结方向 / 内容 / 框架），不同会议侧重不同
- **实时日志**：进度条 + ASR 设备（GPU 型号）/ 模型 / 分段耗时；超过 15 秒无更新会警告，一眼看出是否卡住
- **LLM 自由选**：本地 Ollama，或任何 OpenAI 兼容 API（GLM / DeepSeek / 通义 / Kimi / OpenAI …）
- **全 Web 配置**：数据目录、LLM、热词、总结模板都在网页里配，不用改文件
- **导出** `.md` / `.docx`（整理版）、`.md` / `.docx`（纪要，只拿四段总结）、`.txt` / `.srt`（原文，可选是否带说话人 / 时间戳）
- **实时流式转写**：会议中直接开麦直播；会议中断线（机器睡眠、标签页挂起、网络抖动）页面自动重连，服务端 10 分钟宽限期内无缝续录，断档处补静音保持时间轴连续；停止后原文与录音**立即**落盘，后台自动二次识别升级为带准确时间戳与说话人分离的精稿，随后进入与上传模式一致的校对 → 整理 → 总结流程；标准模式（内置引擎，全平台开箱即用）；增强模式（GPU 引擎）暂不提供，实时页已只保留标准模式
- **历史会议管理**：给会议打标签 + 按标签筛选、对已处理完的会议改名、删除可选「移到回收站」或「完全删除」；回收站里可一键恢复或彻底删除
- **纪要二次编辑**：整理版和会议总结都能手动修改再保存（总结支持四段结构化逐段编辑，也支持纯 markdown）
- **卡死任务恢复**：服务重启导致任务卡住时，详情页点「恢复任务」一键续跑；也可装 cron 每小时自动巡检
- **本地运行**：录音与结果都存在你自己的机器，不上传任何服务器
## 功能一览
围绕一段录音，听记给你四样东西：
**说话人自动分离 + 发言比例时间轴。** 顶部彩色横条按累计发言时长显示比例，一眼看出谁说得多；点说话人改成真名，改完同步到所有视图和导出。
**逐句时间戳，双击就改。** 点任意句定位音频，播放时当前句自动高亮 + 滚动跟随；识别错了双击直接改，可顺手加进热词，下次更准。
**四段结构化会议纪要。** 整理完的总结自动拆成「概述 / 决议 / 待办 / 待讨论」，比一锅 Markdown 看着清楚；模型偶尔不吐严格 JSON 时回退成纯文本，不影响用。
**纪要能回现场，笔记不会丢（v0.7）。** 纪要每条决议、待办后面跟一个 `[m:ss]` 时间戳，点一下直接跳回那句话的音频现场；鼠标移到原文任意句上点 ✎ 写批注，笔记存在独立的 `notes.json` 里，重新整理纪要也不会覆盖它；顶部新增议题时间轴，一眼看清这场会怎么走过来的（提出问题 → 讨论 → 结论 → 行动），点任意议题段回到现场，分段不满意可以手动改。
**原文↔整理对照。** 左右双栏按时间戳对齐，hover 高亮、点击跳转音频、播放同步；整理偶尔会改原意，对照能快速核对。
整理前可配总结模板（普通会议 / 周会 / 访谈采访 / 项目管理，也可自定义），点「开始整理」时会先弹框让你选模板、填会议背景与术语。
处理日志记录各阶段耗时（详情页顶部展示总时长），落盘后重启可查。
## 环境要求
- macOS / Linux / Windows（WSL2）
- Python 3.11，用 [uv](https://github.com/astral-sh/uv) 管理
- ffmpeg（macOS：`brew install ffmpeg`；Linux：`sudo apt install ffmpeg`）
- Git LFS（用于预下载模型）
- 首次启动会下载约 1.3 GB FunASR 模型
- Windows 用户请看 [WSL2 + GPU 部署指南](docs/wsl-deploy.md)
## 快速开始
```bash
git clone https://github.com/baigong-ai/Tingji.git
cd Tingji
cp config.yaml.example config.yaml
cp .env.example .env # api 模式时填入 LLM_API_KEY
bash scripts/download_models.sh # 预下载模型（推荐）
./run.sh
```
浏览器打开 `http://127.0.0.1:8000`。
> 启动后会显示局域网地址，同一网络下的其他设备（手机/平板）也能打开使用。
### 常驻后台运行
```bash
./run.sh -d # 后台运行（脱离终端，PID 写入 logs/tingji.pid，日志写入 logs/tingji.out）
./run.sh --status # 看是否在跑
./run.sh --stop # 停止
```
适合长时间挂在 Mac/Linux 上当本地转写服务用。「设置 → 服务」里还能改监听端口/host（改完需重启生效，改之前点「检测端口」，冲突会用 `lsof` 标出占用进程）。
#### 任务中断自动恢复（可选）
服务重启时正在处理的任务会卡在中间状态。除了详情页手动点「恢复任务」，还可以装一个每小时巡检的 cron 自动续跑（实时录音中断的会议，录音已落盘的会自动恢复识别，未能保存的标记为失败）：
```bash
crontab -l | { cat; echo '17 * * * * cd /path/to/Tingji && .venv/bin/python scripts/resume_tasks.py >> logs/resume.log 2>&1'; } | crontab -
```
脚本自己从 `config.yaml` 读端口 / SSL / 数据目录，自定义过配置也能直接用。
#### 模型闲置自动卸载
常驻时最吃内存的是 FunASR 那 4 个模型。听记会在**闲置一段时间后把它们从内存里卸掉**，下次来活再自动加载，这样挂着不动时占用大幅下降。
**什么时候触发卸载**（必须同时满足）：
1. 模型当前已加载
2. 没有转录在进行（`is_busy=False`）
3. 没有任何任务在排队或跑（pending / converting / asr_running / 整理 / 总结 都不算空闲）
4. 距上次 ASR 活动时间 ≥ 阈值（默认 **30 分钟**，可在「设置 → 服务」改，**保存即生效**不用重启；设 0 = 从不卸载）
后台监视器每 60 秒查一次，所以最坏会多等 60 秒。急着释放可手点「设置 → 服务 → 立即释放模型」。
**两个平台的回收效果**（同一段 `test_cn.wav`，阈值 1 分钟实测）：
| 指标 | Mac mini M4 | WSL2 + RTX 4060 Ti |
|---|---|---|
| ASR 完成后 RSS | 1556 MB | 3521 MB |
| 卸载后 RSS | 1275 MB | 1843 MB |
| **RSS 净回收** | ~281 MB（**18%**） | **1678 MB（48%）** |
| GPU 显存回收 | —（无独立显卡） | 2222 → 948 MiB（**57%**） |
**为什么平台差距这么大**：两个独立因素叠加
- **占用端**：WSL 走 CUDA 会把 CUDA runtime / cuDNN / cuBLAS 一坨库 + CUDA context 加载进进程，所以 ASR 时占用比 Mac（MPS，运行时由系统托管）高一倍多。模型本身两台机器一样大，差距在 GPU 后端依赖。
- **回收端**：Linux glibc 的 `free()` 配合 `malloc_trim(0)` 会把页**真正还给操作系统**（外加 `torch.cuda.empty_cache()` 还 GPU 显存）；macOS 的 malloc free 之后**不主动还页**，`ps` RSS 几乎不掉，但内存其实空出来了能被本进程复用。所以 Mac 上数字看着不动，实际进程内部已经可用。
判定"卸载有没有生效"别看 Mac 的 RSS 数字，看「设置 → 服务」的模型状态字段，或日志里的 `FunASR models unloaded (idle)`。
## 项目状态（v0.7.1）
核心链路可用：上传 → 识别（带说话人分离 + 时间戳）→ 校对 → 一键整理 + 结构化纪要（条目带时间戳）+ 议题时间轴 + 个人笔记；历史会议支持标签、改名、删除与回收站恢复；实时流式转写（标准模式）。
**v0.7.1 新增（实时保存可靠性）**：
- **会议结束立刻见稿**：实时记录停止或断线后，录音与流式原文**立即**落盘展示；系统在后台继续跑离线二次识别（期间状态显示「识别中」），完成后页面自动刷新为带准确时间戳与说话人分离的精稿，校对 / 整理 / 总结流程不变
- **修复「会议结束后一直显示实时中、页面无内容」**：此前要先等离线二次识别（含模型冷加载数分钟，GPU 停滞时可达十分钟以上）全部跑完才更新会议状态，期间看起来像记录丢失，识别卡死则状态永久卡住；现在状态与耗时识别解耦，秒级落定
- **失败有兜底**：二次识别失败或超时保留流式稿，详情页点「恢复任务」可重跑；服务重启中断的实时会议，录音已落盘的自动从磁盘恢复识别，不再一律报「录音丢失」
**v0.7 新增（会后消费层：追溯、笔记、议题）**：
- **纪要时间戳**：整理稿小节标题带 `[m:ss]` 发言时间锚点，纪要决议 / 待办 / 待讨论条目带可点击时间戳 chip，一键回跳音频现场；导出纪要时时间戳内联保留。模型输出不了带时间的 JSON 时自动降级为普通条目，旧会议数据照常渲染
- **个人笔记层**：原句 hover 出 ✎ 入口写锚定批注（也可写不锚定的全局笔记），独立 `notes.json` 存储，**重新整理不覆盖**；总结页顶部「我的笔记」折叠区按时间汇总、点击跳回锚定句；纪要导出可附「个人笔记」一节（`notes=false` 关闭）
- **议题时间轴**：说话人条下方新增议题分段条（背景 / 提出问题 / 讨论 / 结论 / 行动 / 闲聊 六种阶段配色），点击跳转、播放高亮当前议题、hover 预览该段首句；LLM 生成初值，可手动改名 / 改阶段 / 调边界 / 删段，手动修改后重新整理不再自动覆盖；长会按约 25 分钟窗口分段生成再合并边界；也可在详情页单独生成或重新生成
- **增强模式（GPU sidecar）暂不提供**：实时页移除引擎选择器，只保留标准模式；后端仍拒绝 `sidecar` 选中（直连 API 亦然）
**v0.5 新增（稳定性 + 回收站 + 纪要编辑）**：
- **回收站管理**：首页「回收站」弹窗可查看 / 一键恢复 / 彻底删除（v0.3 的"可找回"补齐了界面）
- **纪要二次编辑**：整理版与会议总结都能手动修改保存；总结支持概述 / 决议 / 待办 / 待讨论四段逐段编辑，也支持纯 markdown
- **卡死任务恢复**：详情页「恢复任务」按钮一键续跑；`scripts/resume_tasks.py` 每小时 cron 自动巡检（自动读 config.yaml 的端口 / SSL / 数据目录）
- **稳定性修复**：重试后任务进度永远停在"排队中"并阻塞模型闲置卸载的 bug、实时转写时标点模型阻塞所有 HTTP 请求、整理中断导致状态卡死、`meta.json` 原子写 + 容错（一个损坏文件不再搞挂整个列表）、meeting_id 路径穿越加固
- **安全**：说话人名注入 XSS 修复；增强模式（GPU sidecar）后端同步禁止选中（后改为暂不提供，见 v0.7）
**v0.4 新增（实时流式转写）**：
- **实时流式转录**：会议中开麦直播，停止后自动落成 `audio_live.wav` + `raw.json`，直接进入「待整理」状态，后续校对 / 整理 / 总结流程与上传模式完全一致
- **标准模式**：内置 FunASR 流式引擎（`paraformer-zh-streaming`），macOS / WSL / Linux 通用，无需额外配置
- **增强模式（GPU 引擎）**：原计划转发到 Fun-ASR-Nano vLLM GPU sidecar（方言 / 口音 / 远场识别更准）；因部署门槛高，v0.7 起从前端移除、暂不提供（后端 `app/stream.py` 保留实现）
- **统一入口**：首页「实时记录」标签进入实时页
**v0.3 已完成（历史会议管理）**：
- **标签 + 筛选**：给会议打多个标签，列表上方按标签快速筛选（多选并集），行内标签 chip 点一下也能筛
- **重命名**：已处理完的会议（待整理 / 完成 / 失败）可直接改名
- **删除二选一**：移到回收站（`data/回收站/`，文件保留可找回）/ 完全删除（永久删除）；删除前明确显示回收站路径
- **首次引导持久化**：「会议数据将存到…」确认后写入 config.yaml，换浏览器 / 清缓存不再反复弹出
**v0.2 常驻后台能力**：`./run.sh -d` 后台运行；FunASR 模型闲置自动卸载（默认 30 分钟，可配置；Mac 回收 18% / WSL+GPU 回收 48% RSS + 57% 显存）；「设置 → 服务」tab（模型状态/释放、端口/host + 冲突检测、闲置阈值）。
**v0.1 已完成**：发言人时间轴、结构化纪要（概述 / 决议 / 待办 / 待讨论 四段 JSON）、总结模板（预设 + 自定义）、整理前会议背景与常用术语、说话人改名同步所有视图与导出、md / txt / srt 导出、实时日志、固定布局。
**v0.6 已完成（离线核心）**：批量上传 + 队列、说话人手动合并 / 逐句拆分（纯元数据重映射）、整理版与纪要的 docx 导出、导出选项（是否带说话人 / 时间戳）、校对增强（倍速 + 跳静音）、pipeline 解锁（多文件转换 / 整理并行）、整理质量保障（假整理回声检测 / 思考开关 / 纠偏 prompt）。
**暂未做**：问纪要（围绕会议内容问答）、纪要组件化（表格 / 分栏 / 流程条）、静态 HTML 页面导出等会后消费层的后续能力。增强模式（GPU sidecar，方言 / 口音 / 远场更准）作为**远期目标**，当前前后端一致禁用。
## 实时转录
除「上传录音再处理」外，听记支持会议中直接开麦实时转写。停止后，录音与流式原文**立即**落盘展示，无需守在页面前等待；系统在后台继续完成带准确时间戳与说话人分离的二次识别，完成后页面自动刷新，随后进入与上传模式一致的校对 → 整理 → 总结流程。会议中连接中断（机器睡眠、标签页挂起、网络抖动）不用慌：页面自动重连，服务端把会话保留 10 分钟宽限期，恢复后无缝续录，断档处补静音保持时间轴连续；超过宽限期未重连，才把已录制内容落盘收尾。
当前只提供一种引擎：
| 模式 | 用户可见名称 | 适用平台 | 硬件要求 |
|---|---|---|---|
| **标准模式** | 内置实时引擎 | macOS / WSL / Linux | Apple Silicon M1+ 或现代 CPU，8GB+ 内存 |
- **标准模式**默认开启，所有平台可用，无需额外配置。
- **增强模式**（GPU 引擎，面向方言 / 口音 / 远场等重场景）暂不提供：需要单独部署 Fun-ASR-Nano vLLM GPU sidecar（`ws://localhost:10095`，仅 WSL/Linux + NVIDIA 独显），门槛较高，v0.7 起实时页已移除该选项；后端仍会拒绝 `sidecar` 选中。实现保留在 `app/stream.py`，未来视需求开放。
### 局域网 HTTPS 访问（实时开麦）
浏览器只允许安全上下文（localhost 或 HTTPS）访问麦克风。若要在局域网其他机器上开麦实时转写：
1. 编辑 `config.yaml`：
```yaml
server:
ssl:
enabled: true
```
2. 重启服务，`run.sh` 会自动生成自签名证书到 `certs/cert.pem` 与 `certs/key.pem`。
3. 在局域网设备访问 `https://<服务器IP>:8000/live`。
4. 首次访问浏览器会提示证书不受信任，点击“高级”→“继续前往”即可（iOS Safari 需到 设置 → 通用 → 关于本机 → 证书信任设置 中信任该证书）。
> 自签名证书仅用于局域网，不要上传到公网或提交到 git（`certs/` 已在 `.gitignore` 中）。
## 使用流程
1. **上传录音**：拖入或选择音频文件，填写标题，点「开始转录」
2. **等待识别**：自动完成音频转换 + 语音识别，状态停在「待整理」
3. **校对原文**：在「原文」Tab 双击任意句子纠正错字（可顺手勾选「加入热词」），提升后续准确率
4. **一键整理**：点右上角「开始整理」（可先选总结模板、填会议背景与常用术语），自动生成整理稿与会议纪要
详情页顶部固定两条时间轴（发言人比例条 + 议题分段条）与工具栏（搜索、Tab），只有内容区滚动。四个 Tab：
- **原文**：带说话人配色和时间戳，点击跳转音频；hover 出 ✎ 可给这句写笔记（有笔记的句子带角标）
- **整理版**：去口语化的通顺文字，小节标题带发言开始时间
- **会议总结**：概述 / 决议 / 待办 / 待讨论（结构化四段；条目带可点击时间戳；顶部「我的笔记」折叠区；模型偶尔不吐严格 JSON 时回退成纯文本，不影响使用）
- **原文↔整理对照**：左右双栏按时间戳关联，hover 高亮、点击跳转音频、播放同步跟随
顶部可导出 `.md` / `.txt` / `.srt`；说话人 chip 点击改成真实名字。「重新整理」时会先让你选模板。
## 预下载模型（推荐）
FunASR 需要 4 个模型（ASR / VAD / 标点 / 说话人），共约 1.3 GB。直接启动也能自动下载，但 macOS 上 uv 装的 Python 是临时签名，偶发网络受限。**启动前用 `git clone` 预下载更稳**（git 是 Apple 签名，走系统网络）。
```bash
bash scripts/download_models.sh # 默认下载到 ./models/
# 或指定路径：
bash scripts/download_models.sh /path/to/models # 并在 config.yaml 改 asr.cache_dir
```
手动 clone（目录名须严格对应）：
```bash
mkdir -p models && cd models && git lfs install
git clone --depth 1 https://www.modelscope.cn/iic/speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch.git paraformer-zh
git clone --depth 1 https://www.modelscope.cn/iic/speech_fsmn_vad_zh-cn-16k-common-pytorch.git fsmn-vad
git clone --depth 1 https://www.modelscope.cn/iic/punc_ct-transformer_zh-cn-common-vocab272727-pytorch.git ct-punc
git clone --depth 1 https://www.modelscope.cn/iic/speech_campplus_sv_zh-cn_16k-common.git campp
```
## 配置
绝大多数配置都能在网页「设置」里完成（数据目录 / LLM / 热词）。需要时也可直接编辑 `config.yaml`：
| 字段 | 说明 |
|---|---|
| `asr.cache_dir` | FunASR 模型缓存目录，默认 `./models` |
| `asr.hub` | `ms`（ModelScope，默认）或 `hf` |
| `asr.idle_unload_minutes` | 模型闲置多久后自动卸载（分钟），默认 30；0 = 从不。可在网页「设置 → 服务」改，即时生效 |
| `llm.mode` | `api` 或 `ollama` |
| `llm.api.*` | OpenAI 兼容 API（base_url / api_key / model） |
| `llm.ollama.*` | 本地 Ollama（base_url / model / think） |
| `llm.polish_chunk_minutes` | 整理分段时长（分钟），默认 6 |
| `server.lan_token` | 默认 `false`。设 `true` 后开启**局域网访问令牌**：非本机（非 127.x）访问 `/api/*` 与 `/ws/*` 需带令牌（首次启动会生成并打印一个带 `?token=…` 的局域网地址，浏览器打开一次即记入本地，之后自动带上）。本机访问不受影响。在 `0.0.0.0` 开放给局域网时建议开启 |
`api_key` 支持 `${LLM_API_KEY}` 占位，从环境变量读取。
### LLM 示例
**Ollama 本地：**
```bash
ollama pull qwen2.5:7b && ollama serve
# config.yaml: llm.mode: ollama
```
**DeepSeek：**
```yaml
llm:
mode: api
api: { base_url: "https://api.deepseek.com/v1", api_key: "${LLM_API_KEY}", model: "deepseek-chat" }
```
**通义千问：**
```yaml
llm:
mode: api
api: { base_url: "https://dashscope.aliyuncs.com/compatible-mode/v1", api_key: "${LLM_API_KEY}", model: "qwen-plus" }
```
### 模型选择
**本地处理优先**是本项目的基本原则：识别（ASR）全程本地，整理/总结默认也走本地 Ollama，会议内容不出你的机器。在线 API 只是可选增强，适合本地模型力不从心时手动切换。
模型选哪个看你的硬件和偏好，这里不替你选，只列实测过的：
- **本地 Ollama**：`Qwen3:8b`（gguf；WSL + RTX 4060 Ti、Mac mini M4 均实测可用）
- **API（OpenAI 兼容）**：GLM、DeepSeek
思考型模型（Qwen3 系列等）的 thinking 可通过设置页「开启思考模式」开关控制（`ollama.think`，走 Ollama 原生 API 的 `think` 字段）：关闭快但小模型整理质量差（实测可能照抄原文），开启更准但更慢。**本地用 Qwen3 整理时建议开启**；思考失控返回空内容时会按失败重试并兜底保留原文。整理稿与原文几乎一致时，详情页会显示告警横幅提示更换模型或开启思考。
## 性能参考
- 81 分钟访谈（GPU：RTX 4060 Ti）：识别约 2 分钟（RTF ≈ 0.025），完整流程约 7–8 分钟
- CPU 模式：约音频时长 × 0.25（60 分钟音频 ≈ 15 分钟）
- 支持 60–90 分钟长音频（VAD 自动切片 + 分批推理）
## 已知限制
- 说话人分离基于音色聚类，设备/位置变化可能导致 ID 拆分或合并
- LLM 整理可能轻微改变原意，可用「对照」Tab 核对
- 无用户认证，仅适合本地或可信局域网运行
- 进行中的任务状态存内存，重启服务会丢失（已完成会议数据在磁盘上）
## 项目结构
```
app/
config.py 配置加载（${ENV_VAR} 展开）
audio.py ffmpeg 转换
asr.py FunASR AutoModel 封装（GPU 优先）
stream.py 实时流式引擎（标准 funasr 实现；增强 sidecar 保留但暂不提供）
llm.py 整理 + 总结（分段 + map-reduce + 条目时间戳）+ 议题分段
storage.py data/ 目录 CRUD（会议 / 笔记 / 议题 / 模板 / 日志）
tasks.py 异步 pipeline + 进度
main.py FastAPI 路由
dns_hosts.py 可选 DNS 覆盖（dns_hosts.txt 存在时生效）
static/ 首页 / 详情页 / 实时页（index / meeting / live）
data/ 会议数据（gitignore）
models/ FunASR 模型缓存（gitignore）
test/ 单元测试 + 冒烟脚本
```
## License
MIT