实现一个会议总结,日常演讲总结和周报总结的产品 1、基于浏览器,使用web技术,实现录音功能, 2、用户点击开始按钮:服务端实时接收客户端的录音语言 3、用户点击完成后,服务器将存储的音频文件,通过开源代码或者工具,将音频文件转成文字 4、服务将转换的文字内容,发送给大模型,并给出总结的类型(会议,日常,周报等) 全程基于标准Web技术+开源工具,无付费、无插件。 --- # 一、浏览器端录音实现 1. 使用浏览器**原生 MediaRecorder API**,获取麦克风权限后直接录音 2. 输出通用音频格式(webm/wav),兼容性覆盖主流现代浏览器 3. 录音完成后通过**FormData + HTTP POST**上传到服务端 # 二、服务端接收与存储 1. 服务端(Node/Java/Python 任选)提供上传接口 2. 接收前端上传的音频二进制流 3. 按文件形式**持久化存储**到服务器本地磁盘或对象存储 # 三、开源工具音频转文字 1. 选用**Vosk**(轻量离线开源、支持中文) 2. 服务端读取已存储的音频文件 3. 调用开源模型做**语音转文字(ASR)** 4. 输出文本结果,存库 # 四、大模型文字总结 1、将文字内容,发送给大模型 2、总结的内容,通过前端页面递交给用户 --- 这是笔误:**录完后再上传** 。 我的要求是:** 用户点击开始按钮:服务端实时接收客户端的录音语音 ** 。 我们先实现前面这一部分业务: 通过web录音,录音能够存储下来: 1、通过手机浏览器打开录音的页面,3个按钮,一个开始,一个结束,一个回放。 点击开始,录音。 点击结束,完成录音。 点击回放,播放刚刚录制的录音。 (回放能不能实现?) 你在/home/ubuntu/nanocode下面完成这个项目,做好前后分离。 以上这一部分需求,有没有问题? --- --- ## **✅ HTTPS 服务已启动!** ### **📱 iPhone 访问地址:** ``` https://129.211.173.87:8891 ``` --- ### **⚠️ iPhone 首次访问设置(重要!)** 由于使用的是自签名证书,iPhone 会显示"不安全",需要手动信任: **步骤:** 1. 在 Safari 中打开 `https://129.211.173.87:8891` 2. 会显示 **"此连接不是私密的"** 3. 点击 **"显示详细信息"** 4. 点击 **"访问此网站"** 或 **"继续"** 5. 如果提示证书问题,去 **设置 → 通用 → 关于本机 → 证书信任设置** → 信任该证书 **或者简单方法:** - 直接点击 **"高级"** → **"继续访问 129.211.173.87"** --- ### **🔧 服务状态** | 服务 | 状态 | 地址 | |------|------|------| | HTTP | ✅ 运行 | http://129.211.173.87:8890 | | HTTPS | ✅ 运行 | **https://129.211.173.87:8891** ← 用这个 | --- **现在用 iPhone Safari 访问 `https://129.211.173.87:8891`,点击"继续"后应该就能录音了!** 测试完告诉我结果 🐈 --- 很好,能够录音和回放了。下面做第二阶段的功能测试,语音转文字。 1、用户点击 **结束录音** ,服务器端调用 语音转文字的功能(先不存储,等一下我们下一阶段的功能实现) 2、转换的文字推送到前端?追加到刚刚的录音软件?还是让用户点击另外一个按钮,发起请求? 你的建议?