关于小奥录音 OddMinutes小奥录音是一个开源的智能音频会议系统支持实时录音、AI 转录、智能摘要生成和音字联动功能也支持导入已有的音频进行转录、总结。跟 Meetily 一样支持全链路私有化部署完全离线运行。Slogan让会议的每一分钟都被听见、被记录、被理解 —— OddMinutes 小奥录音项目地址https://github.com/oddmeta/oddminutes文档地址https://oddmeta.net/docs/oddminutes/安装pip install oddminutes运行oddminutesWeb前端: http://localhost:9011最近两个周末一边改 OddASR一边陆陆续续的用 OddASR 再来一点点完善小奥录音的各项功能今天向pypi发布了个阶段性的版本v0.1.10。然后这里汇总一下与上个版本相比做的一些修改、调整与完善简单讲的话主要就是围绕实时字幕、导出功能、说话人识别、AI纪要等核心体验进行了一些升级。具体看下面。一、新功能1. 实时字幕上线500ms 超低延迟结合最新版 OddASR小奥录音加入了实时字幕功能首字时延低至500ms字幕风格参照主流音乐播放器支持拖动调整字幕显示位置默认不启用可在系统设置中手动开启录音控制面板新增「显示字幕」按钮一键控制字幕显隐2. 导出功能全新重构导出功能经过彻底重设计点击导出按钮后弹出选择框可自由勾选导出内容音频文件、会议文本、AI摘要导出前自动检查数据库中是否已有对应的 PDF 文件智能判断是否需要重新生成勾选的导出文件自动打包成ZIP提供下载文件名用会议名称中文文件名兼容导出的 PDF 新增页眉小奥录音 Logo Slogan、页脚副标题与官网地址PDF 支持水印包含产品标识与导出时的登录用户信息防泄漏更安心导出接口必须登录后才能操作3. 说话人能力增强利用最新版本的 OddASR对说话人分离功能进行了一些优化可指定本会议中最多有多少人发言包括自动检测说话人的最大数据和实际分离的数量同时转写后生成的说话人0说话人1说话人2也可支持在界面上修改名字并支持同一说话人修改后在整个会议里批量改名更新。说话人名字编辑转录文本界面双击说话人即可编辑名字若某说话人修改了名字会提示是否将本会议中所有相同说话人的名称一并替换界面与数据库同步更新离线说话人分离人数配置根据 OddASR 接口支持可指定本会议中最多有多少人发言offlinePresetSpkNum/offlineMaxNumSpks需要配合OddASR v2.5.5 才能支持要体验此功能需先升级一下 OddASR。pipinstall-Uoddasr4. AI 纪要全面升级这些功能都是我自己这几天使用中一点点完善的有的问题是受限于硬件配置受限于大模型最大上下文AI摘要的时候切片进行摘要然后再合并成一个完整的摘要。AI摘要滑动窗口可配置块大小 5000、重叠 1000、步进 4000 三个参数可在系统设置中调整并持久化AI摘要面板全新改版从卡片列表样式重设计为正式的报告/纪要文档样式包含报告头部会议名、生成时间、元信息与精致排版支持打印/PDF 导出启动自动初始化模板启动时自动检测 AI 摘要模板是否存在缺失时自动补全初始化数据5. 用户体系接入这个功能的主要目的是想保护一下数据原先的时候没有用户、权限的管理启动了OddMinutes后就直接可以看到所有会议感觉这样不太安全也没有什么隐私所以就顺手给加了个简易的用户认证子系统。所有数据表加入user 属性所有业务 API会议、录音、转写、摘要等现在均需要携带有效的 Token才能访问正在评估中国电信 API 数据结构规划新版本适配只是看到了一个中国电信的API文档感觉有点意思但是没实际需求所以做不做什么时候做要看心情二、体验优化一些勉强可以称得上优化的调整。转录文本分段优化按句号、问号、感叹号智能分段避免同一人超长语音堆挤成超大段落编辑模式重构编辑按钮移动到每个 segment悬浮时显示支持逐段编辑编辑未保存的内容会在界面标出编辑后播放定位修复编辑状态下点播放文字位置重新计算准确定位到当前片段音频收发日志优化音频收发与流式转写 WebSocket 状态日志更清晰通知历史优化标题中增加会议名称方便快速定位Tailwind 本地化将 CDN 引入的 Tailwind 改为本地资源离线环境也可用静音裁剪开关音频转 MP3 后是否去首尾静音改为配置项控制三、Bug 修复使用中发现的一堆杂七杂八的问题一个个修复了一下。静音裁剪过度剪切修复裁剪导致大量有效音频内容被误剪的问题FFmpeg 7.x 兼容处理音频进度条无法拖动新增修复功能重新编码 MP3 修复 VBR 头信息与 seek 表解决浏览器播放进度条定位不准的问题AI 摘要无法重新生成修复生成一半服务端退出后无法再次生成的问题Linux 版本号异常修复 Linux 环境下检测到版本号为 0.0.0 的问题系统通知错误修复修改系统配置时通知标题误显示为会议名称的问题会议标题更新更新标题前先判断是否有变化避免无效触发四、工程与部署打包优化构建 wheel 时排除编译临时文件__pycache__/.pyc避免 “is not a supported wheel on this platform” 等跨平台安装报错版本检查新增自动检测新版本功能从 PyPI 获取最新版本方便及时更新五、下期预告中国电信 API 版本适配别期待做不做看心情持续打磨实时字幕与导出体验感谢大家的关注与支持有任何问题或建议欢迎留言反馈 Slogan让会议的每一分钟都被听见、被记录、被理解 —— OddMinutes 小奥录音项目地址https://github.com/oddmeta/oddminutes文档地址https://oddmeta.net/docs/oddminutes/ 小奥录音更新：实时字幕500ms、说话人分离优化、导出pdf、加入安全认证等
关于小奥录音 OddMinutes小奥录音是一个开源的智能音频会议系统支持实时录音、AI 转录、智能摘要生成和音字联动功能也支持导入已有的音频进行转录、总结。跟 Meetily 一样支持全链路私有化部署完全离线运行。Slogan让会议的每一分钟都被听见、被记录、被理解 —— OddMinutes 小奥录音项目地址https://github.com/oddmeta/oddminutes文档地址https://oddmeta.net/docs/oddminutes/安装pip install oddminutes运行oddminutesWeb前端: http://localhost:9011最近两个周末一边改 OddASR一边陆陆续续的用 OddASR 再来一点点完善小奥录音的各项功能今天向pypi发布了个阶段性的版本v0.1.10。然后这里汇总一下与上个版本相比做的一些修改、调整与完善简单讲的话主要就是围绕实时字幕、导出功能、说话人识别、AI纪要等核心体验进行了一些升级。具体看下面。一、新功能1. 实时字幕上线500ms 超低延迟结合最新版 OddASR小奥录音加入了实时字幕功能首字时延低至500ms字幕风格参照主流音乐播放器支持拖动调整字幕显示位置默认不启用可在系统设置中手动开启录音控制面板新增「显示字幕」按钮一键控制字幕显隐2. 导出功能全新重构导出功能经过彻底重设计点击导出按钮后弹出选择框可自由勾选导出内容音频文件、会议文本、AI摘要导出前自动检查数据库中是否已有对应的 PDF 文件智能判断是否需要重新生成勾选的导出文件自动打包成ZIP提供下载文件名用会议名称中文文件名兼容导出的 PDF 新增页眉小奥录音 Logo Slogan、页脚副标题与官网地址PDF 支持水印包含产品标识与导出时的登录用户信息防泄漏更安心导出接口必须登录后才能操作3. 说话人能力增强利用最新版本的 OddASR对说话人分离功能进行了一些优化可指定本会议中最多有多少人发言包括自动检测说话人的最大数据和实际分离的数量同时转写后生成的说话人0说话人1说话人2也可支持在界面上修改名字并支持同一说话人修改后在整个会议里批量改名更新。说话人名字编辑转录文本界面双击说话人即可编辑名字若某说话人修改了名字会提示是否将本会议中所有相同说话人的名称一并替换界面与数据库同步更新离线说话人分离人数配置根据 OddASR 接口支持可指定本会议中最多有多少人发言offlinePresetSpkNum/offlineMaxNumSpks需要配合OddASR v2.5.5 才能支持要体验此功能需先升级一下 OddASR。pipinstall-Uoddasr4. AI 纪要全面升级这些功能都是我自己这几天使用中一点点完善的有的问题是受限于硬件配置受限于大模型最大上下文AI摘要的时候切片进行摘要然后再合并成一个完整的摘要。AI摘要滑动窗口可配置块大小 5000、重叠 1000、步进 4000 三个参数可在系统设置中调整并持久化AI摘要面板全新改版从卡片列表样式重设计为正式的报告/纪要文档样式包含报告头部会议名、生成时间、元信息与精致排版支持打印/PDF 导出启动自动初始化模板启动时自动检测 AI 摘要模板是否存在缺失时自动补全初始化数据5. 用户体系接入这个功能的主要目的是想保护一下数据原先的时候没有用户、权限的管理启动了OddMinutes后就直接可以看到所有会议感觉这样不太安全也没有什么隐私所以就顺手给加了个简易的用户认证子系统。所有数据表加入user 属性所有业务 API会议、录音、转写、摘要等现在均需要携带有效的 Token才能访问正在评估中国电信 API 数据结构规划新版本适配只是看到了一个中国电信的API文档感觉有点意思但是没实际需求所以做不做什么时候做要看心情二、体验优化一些勉强可以称得上优化的调整。转录文本分段优化按句号、问号、感叹号智能分段避免同一人超长语音堆挤成超大段落编辑模式重构编辑按钮移动到每个 segment悬浮时显示支持逐段编辑编辑未保存的内容会在界面标出编辑后播放定位修复编辑状态下点播放文字位置重新计算准确定位到当前片段音频收发日志优化音频收发与流式转写 WebSocket 状态日志更清晰通知历史优化标题中增加会议名称方便快速定位Tailwind 本地化将 CDN 引入的 Tailwind 改为本地资源离线环境也可用静音裁剪开关音频转 MP3 后是否去首尾静音改为配置项控制三、Bug 修复使用中发现的一堆杂七杂八的问题一个个修复了一下。静音裁剪过度剪切修复裁剪导致大量有效音频内容被误剪的问题FFmpeg 7.x 兼容处理音频进度条无法拖动新增修复功能重新编码 MP3 修复 VBR 头信息与 seek 表解决浏览器播放进度条定位不准的问题AI 摘要无法重新生成修复生成一半服务端退出后无法再次生成的问题Linux 版本号异常修复 Linux 环境下检测到版本号为 0.0.0 的问题系统通知错误修复修改系统配置时通知标题误显示为会议名称的问题会议标题更新更新标题前先判断是否有变化避免无效触发四、工程与部署打包优化构建 wheel 时排除编译临时文件__pycache__/.pyc避免 “is not a supported wheel on this platform” 等跨平台安装报错版本检查新增自动检测新版本功能从 PyPI 获取最新版本方便及时更新五、下期预告中国电信 API 版本适配别期待做不做看心情持续打磨实时字幕与导出体验感谢大家的关注与支持有任何问题或建议欢迎留言反馈 Slogan让会议的每一分钟都被听见、被记录、被理解 —— OddMinutes 小奥录音项目地址https://github.com/oddmeta/oddminutes文档地址https://oddmeta.net/docs/oddminutes/