独立实践 / 录音转写与摘要工作台
把长录音,
变成可核对的资料。
本机 Local Beta · 0.3.1 / schema 5
自建本地工作台,连接开源识别引擎与本地模型。源码尚未公开;本页展示工程链路和范围,不提供公网转写服务。
SYSTEM MAP / 工程链路
- 导入与冻结配置输入哈希、模型、声道与热词组成处理指纹
- 分块处理与恢复保存块状态和原始响应,重试复用完成块
- 回听与人工校对原稿、修订、说话人候选与逐字段保护
- 引用、笔记与导出保存内容生成交付,部分和过期结果显式标记
01这是什么
长录音处理的难点,不止是得到一份文字。中断后怎么续跑,改过的文字会不会被覆盖,摘要究竟用了哪些段落,同样影响这份资料能否继续使用。
Ethan Local Tingwu 是我搭建的 Mac 本地转写、回听、校对与引用整理工作台。项目从本地原型持续迭代到单机 Beta;我负责把识别、任务状态、人工修改、分析与交付接成可检查的流程。
- 使用情境
- 整理访谈、长音频和个人资料;先保留原始内容,再进行回听、校对与引用整理。
- 技术组成
- Python 后端、网页工作台、Whisper.cpp / Metal、本地分析服务与独立的数据存储。识别模型和推理框架来自开源生态,不是本人训练。
- 运行范围
- 本机日常入口已应用 0.3.1-local-beta / schema 5;没有公开源码仓库,也没有对外托管的上传服务。
02看结果
现有本地原型已具备以下处理路径。本页不连接我的本机服务,不接收访客的录音。
导入并决定是否创建新版本
相同原音哈希默认打开已有录音;需要重识别时显式创建新版本。热词、声道和引擎配置随任务冻结,避免旧结果混入新设置。
观察任务,取消后继续
长录音分块处理,保存源区间、解码帧数、原始 ASR 响应哈希和提交状态。取消后保留已完成块,恢复时复用,而不是从零开始。
回到声音,逐项修订
点击文字或引用定位播放器,全文搜索覆盖保存内容。文字、说话人、起止时间、备注和核对状态可分别修改;保留原稿,支持撤销重做。
整理后导出当前保存版本
逐字稿可导出 MD、TXT、JSON、SRT、VTT;保存内容支持 PDF、DOCX 与归档。归档保留引用和修订记录,不打包原录音或声纹向量。
这里展示的是工程说明,不是识别效果演示。未经授权的真实录音、逐字稿和私人导出未作为作品素材公开。
03我做了什么
我把可恢复性、人工修改和结果来源放在同一套数据流程里。
- 任务层
backend/longform.py规划分块、指纹与覆盖;backend/worker.py执行任务、保存检查点并复用完成块。输入哈希与处理参数参与缓存判断,保留每个块的来源证据。- 校对层
- 用字段保护、拆句来源追踪和撤销记录区分识别原稿与人工保存内容;对应回归覆盖任务会话、字段锁和分段修改。
- 分析层
backend/llm.py逐窗处理保存片段,记录输入覆盖和引用索引。缺块不称整场完成,失败保留旧纪要和本次部分结果。- 交付层
backend/content_exports.py根据当前保存版本导出,区分部分、过期和完整状态;日志按白名单脱敏。
这些是工作台与流程实现的贡献。ASR 引擎、声学编码器和本地模型是集成依赖,不能把模型本身的能力算成本人自研。
04关键选择
用任务指纹换可恢复性
只用文件名不足以识别处理结果。同一录音的模型、热词或声道改变后应成为明确的新版本;旧任务保留原策略,不在后台重算。
让建议停在“候选”
默认快速读稿不自动认人;多人路线保留匿名声学候选。相似度不当作身份概率,不自动猜姓名,也不建立跨录音实名声纹库。
输入覆盖与语义质量分开
逐窗消费全部保存片段,只能证明输入被处理。摘要是否忠实、遗漏了什么,仍需对照原文和声音;覆盖完整不等于零错误。
本地处理也要管好运行边界
清理按进程所有权判断,避免误停其他模型实例;升级保留备份与恢复路径。源码安装包不附带模型权重和完整运行库。
05成果与限制
当前状态:本机可运行的 Local Beta,尚未作为通用安装成品验收。
- 本轮核对
- 2026-11-10 只读健康回读为 0.3.1-local-beta、schema 5、local_only=true、mature_quality_accepted=false;ASR / LLM 依赖可用。未在本轮重新执行推理或项目全套回归。
- 历史记录
- 2026-10-31 Mac 应用记录记载 415 项机械回归通过、9 项真实 Metal / CLI 短音频 smoke,以及浏览器和取消恢复检查。数字只属于当时版本和环境,不是今天的重跑结果。
- 待人工复核
- 自然录音的文字、术语、说话人和摘要质量缺可信人工金标,当前不可给出准确率结论。真实重叠、相似声音和候选碎片化仍有风险。
- 待环境验收
- 干净 Mac 安装、Safari、Word 原生分页、签名公证、其他系统与多设备使用尚未全面验证。
机械回归、依赖可用和输入覆盖均不能代替自然语音质量验收。
06深入查看
公开材料整理了模块职责、版本状态和下一步验收方法,便于先讨论是否适合具体资料流程。源码和私人数据未随网站发布。
维护记录依据现有 README、Mac 应用记录及相关模块核对,日期为 2026-11-10。此案例只更新作品集表达,没有修改转写、说话人或摘要的 AI 行为。
WORK TOGETHER / 合作入口
从一个真实流程,明确下一步交付。
带上当前输入、使用环境和期望产物,一起确认自动处理、人工核对和验收的范围。