Files
Obsidian/MyBestNanobot/Nanobot实现的录音会议总结.md
coco 8b94d76799 a
2026-07-21 13:57:15 +08:00

3.3 KiB
Raw Permalink Blame History

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?