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

101 lines
3.3 KiB
Markdown

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?