- name
- audio-note-taker
- description
- 语音笔记助手：录音自动转文字并整理成结构化笔记，支持说话人识别，自动总结要点和行动项
- metadata
audio-note-taker - 语音笔记助手
智能语音笔记助手——自动将录音转成结构化文字笔记。
适用场景
- 🎙️ 会议记录：自动转录会议内容，提炼行动项
- 🎓 讲座笔记：课堂/讲座录音转文字，自动整理要点
- 📰 采访整理：语音采访转文字稿，快速生成报道素材
- 💼 工作复盘：项目复盘录音 → 结构化记录
- 📝 日常笔记：快速语音记录 → 文字存档
核心功能
- ✅ 高精度转写：基于 OpenAI Whisper API，支持多种语言
- ✅ 结构化输出：自动划分段落，识别关键信息
- ✅ 智能摘要：提取核心观点、决策、待办事项
- ✅ 说话人区分：可选说话人识别和标记
- ✅ Markdown 格式：输出易读、易编辑的笔记
- ✅ 多种输入：支持音频文件或直接录音
快速开始
基础转写
audio-note-taker /path/to/recording.m4a
# 输出：recording_notes.md指定主题和格式
audio-note-taker /path/to/meeting.mp3 \
--title "2026-Q1 产品规划会" \
--language zh \
--output meeting_notes.md启用说话人识别
audio-note-taker /path/to/interview.wav \
--detect-speakers true \
--output interview_transcript.md生成深度摘要（需配置 LLM）
audio-note-taker /path/to/lecture.mp3 \
--summarize true \
--extract-action-items true \
--output lecture_summary.md参数说明
| 参数 | 类型 | 默认 | 说明 |
|---|---|---|---|
input | 路径 | 必填 | 音频文件路径（支持 mp3, m4a, wav, ogg 等） |
--title | 字符串 | 自动生成 | 笔记标题 |
--language | 代码 | auto | 音频语言（en, zh, ja, auto 等） |
--output | 路径 | {input}_notes.md | 输出文件路径 |
--detect-speakers | 布尔 | false | 是否识别不同说话人 |
--summarize | 布尔 | false | 生成摘要（需 OPENAI_API_KEY） |
--extract-action-items | 布尔 | false | 提取行动项 |
--model | 字符串 | whisper-1 | Whisper 模型（whisper-1） |
--format | 字符串 | markdown | 输出格式（markdown, txt, json） |
环境变量
| 变量名 | 说明 | 必填 |
|---|---|---|
OPENAI_API_KEY | OpenAI API 密钥 | ✅ |
OPENAI_BASE_URL | 自定义 API 地址（可选） | ❌ |
NOTE_TAKER_MODEL | 摘要模型（默认 gpt-4-turbo） | ❌ |
输出内容示例
# 会议记录：2026-Q1 产品规划会
**时间**：2026-03-15 14:00-15:30
**地点**：线上
**参会人**：张三、李四、王五
---
## 📝 会议纪要
### 讨论要点
1. Q1 产品上线延期原因分析
2. Q2 核心功能优先级排序
3. 资源分配调整
### ✅ 决议事项
- [x] 确定 Q2 三大核心功能
- [x] 批准额外 2 名开发人力
- [x] 下周三前发布详细排期
### 📋 待办事项
| 负责人 | 任务 | 截止时间 |
|--------|------|---------|
| 张三 | 完成 PRD 文档 | 2026-03-18 |
| 李四 | 技术方案评审 | 2026-03-20 |
| 王五 | 资源配置协调 | 2026-03-17 |
---
## 📄 完整转录（可折叠）
<details>
<summary>展开查看完整对话</summary>
[14:00] 张三：大家好，我们今天...
[14:05] 李四：关于延期，我觉得...
...
</details>与其他技能集成
- social-publisher：将会议纪要直接整理成公众号/小红书文章
- summarize：对长录音先提取关键信息，再生成摘要
- wechat-formatter：将会议纪要快速格式化为公众号可发内容
技术细节
- 使用 OpenAI Whisper API 进行语音转文字
- 可选集成 GPT 模型进行摘要和行动项提取
- 支持中英文混合识别
- 音频预处理：自动降噪、格式转换（通过 ffmpeg）
- 输出 UTF-8 编码，支持中文排版
安装依赖
# 系统依赖
apt install -y ffmpeg
# Python 依赖（自动安装）
pip install openai>=1.0.0许可证
MIT