小奥录音 OddMinutes - 您的音频会议小助手

开源的智能音频会议系统，支持实时录音、AI 转录、智能摘要生成和音字联动功能，也支持导入已有的音频进行转录、总结。

使用步骤

1. 配置你自己的ASR和LLM服务器，只要支持OpenAI接口的都行。ASR推荐用我的 OddAsr私有部署，LLM推荐用Ollama私有部署或者是任意公有云的。
2. 导入已有的会议音频，进行转写，并生成会议纪要、会议总结、会议待办事项。
3. Windows系统上，支持系统托盘，方便快速管理和操作小奥录音

功能特性

• 🎙️ 麦克风 + 系统音频双轨录制 - 支持同时录制麦克风和系统音频，带自动增益控制(AGC)
• 📝 AI 实时转录 - 对接 OddASR 服务，支持字级时间戳输出
• 🤖 智能摘要生成 - 支持 Ollama/OpenAI/Claude/Groq 多种 LLM 提供商
• 🔗 音字联动 - 点击文字跳转到音频对应位置，播放时高亮当前文字
• 📤 多格式导出 - 支持 TXT、Markdown、JSON 格式导出
• 🔍 全文搜索 - 支持转录内容搜索
• ⏱️ 录音暂停/恢复 - 支持录音过程中暂停和恢复
• 🎨 多主题支持 - 提供现代亮色、科技暗色、温暖办公、专注暗色四种主题
• 🔔 通知系统 - 支持桌面通知和通知历史管理
• 📋 系统托盘 - Windows 系统托盘集成，支持快捷操作

快速安装

# 基础安装
pip install OddMinutes

# Windows 用户（包含系统托盘和快捷键支持）
pip install OddMinutes[windows]

# 启动程序
OddMinutes

首次运行时，程序会自动初始化数据库并创建用户数据目录。

技术架构

┌─────────────────────────────────────────────────────────────┐
│                        前端 (HTML/CSS/JS)                    │
│  - 会议列表管理                                              │
│  - 录音控制面板（电平监测）                                   │
│  - 转录内容展示（音字联动）                                    │
│  - AI 摘要展示                                               │
│  - 笔记编辑                                                  │
│  - 主题切换                                                  │
│  - 通知系统                                                  │
└──────────────────────┬──────────────────────────────────────┘
                       │ HTTP / WebSocket
┌──────────────────────▼──────────────────────────────────────┐
│                      Django 后端                             │
│  ┌─────────┐ ┌──────────┐ ┌────────────┐ ┌──────────┐       │
│  │  core   │ │ meetings │ │ recording  │ │summary   │       │
│  │ 首页/    │ │ 会议CRUD │ │ 音频录制   │ │ AI摘要   │       │
│  │ 路由    │ │ 搜索/导出 │ │ 电平监测   │ │ 模板配置  │       │
│  └─────────┘ └──────────┘ └────────────┘ └──────────┘       │
│  ┌──────────────┐ ┌───────────┐ ┌──────────────┐            │
│  │ transcription│ │ system_app│ │   Channels   │            │
│  │ ASR转录      │ │ 系统设置  │ │ WebSocket    │            │
│  │ 音频上传     │ │ 通知/更新 │ │ 实时电平推送  │            │
│  └──────────────┘ └───────────┘ └──────────────┘            │
└──────────────────────┬──────────────────────────────────────┘
                       │ HTTP API
┌──────────────────────▼──────────────────────────────────────┐
│                    外部服务依赖                               │
│  ┌──────────────┐         ┌──────────────────┐             │
│  │   OddASR     │         │   Ollama/OpenAI  │             │
│  │ (语音识别)    │         │    (LLM 摘要)    │             │
│  │ 127.0.0.1:9002│        │ localhost:11434  │             │
│  └──────────────┘         └──────────────────┘             │
└─────────────────────────────────────────────────────────────┘

项目结构

OddMinutes/
├── OddMinutes/              # Python 包入口（用于 PyPI 安装）
│   ├── __init__.py          # 包初始化
│   ├── launcher.py          # 命令行启动器入口
│   ├── manage.py            # Django 管理命令（引导用）
│   └── .env.example         # 环境变量示例（引导用）
├── core/                    # 核心模块（首页、基础模型）
│   ├── models.py            # BaseModel 抽象基类
│   ├── views.py             # 首页和会议详情视图
│   ├── urls.py              # 路由配置
│   ├── audio_utils.py       # 音频转换工具（WAV→MP3）
│   └── management/commands/init_defaults.py  # 初始化命令
├── meetings/                # 会议管理模块
│   ├── models.py            # Meeting、TranscriptSegment、SummaryProcess、MeetingExport
│   ├── views.py             # 会议 CRUD、搜索、导出、清理
│   ├── urls.py              # 路由配置
│   └── serializers.py       # DRF 序列化器
├── recording/               # 录音模块
│   ├── models.py            # RecordingSession、RecordingCheckpoint、AudioDevice
│   ├── views.py             # 录音控制 API
│   ├── urls.py              # 路由配置
│   ├── consumers.py         # WebSocket 电平推送消费者
│   └── routing.py           # WebSocket 路由
├── transcription/           # 转录模块
│   ├── models.py            # TranscriptionJob、TranscriptionConfig
│   ├── views.py             # 转录 API（文件转录、重新转录、上传）
│   ├── urls.py              # 路由配置
│   ├── oddasr_client.py     # OddASR OpenAI 兼容客户端
│   ├── consumers.py         # WebSocket 实时转录消费者
│   └── routing.py           # WebSocket 路由
├── summary/                 # AI 摘要模块
│   ├── models.py            # SummaryTemplate、AIModelConfig、SummaryLanguagePreference
│   ├── views.py             # 摘要生成 API
│   ├── urls.py              # 路由配置
│   └── ai_processor.py      # AI 摘要处理器（支持多提供商、chunk 分段处理）
├── system_app/              # 系统设置模块
│   ├── models.py            # SystemSettings、UpdateInfo、NotificationLog
│   ├── views.py             # 系统设置、通知、更新检查 API
│   ├── urls.py              # 路由配置
│   ├── tray_icon.py         # 系统托盘图标
│   └── shortcuts.py         # 快捷键支持
├── meeting_minutes/         # Django 项目配置
│   ├── settings.py          # 项目配置
│   ├── urls.py              # 全局路由
│   ├── asgi.py              # ASGI 入口（支持 WebSocket）
│   ├── static/              # 静态资源
│   │   ├── css/style.css    # 样式文件
│   │   ├── js/app.js        # 前端逻辑
│   │   ├── images/          # 图片资源
│   │   └── favicon.ico      # 网站图标
│   └── templates/           # HTML 模板
│       └── core/
│           ├── index.html   # 主页面
│           └── meeting_detail.html  # 会议详情页
├── media/                   # 媒体文件存储（音频文件）
├── logs/                    # 日志文件
├── docs/                    # 文档目录
├── .env                     # 环境变量配置
├── .env.example             # 环境变量示例
├── requirements.txt         # Python 依赖
├── launcher.py              # 根目录启动脚本
├── launcher_packaged.py     # 打包后使用的启动脚本
├── manage.py                # Django 管理命令
├── oddminutes_config.py     # 全局配置加载模块
├── pyproject.toml           # PyPI 打包配置
├── OddMinutes.spec          # PyInstaller 打包配置
└── pack.bat / pack_whl.bat  # 打包脚本

外部服务依赖

1. OddASR 语音识别服务

安装 OddASR 服务

pip install oddasr

运行 OddASR 服务

oddasr-server

必需 - 用于音频转录，提供 OpenAI 兼容的 /v1/audio/transcriptions 接口。

• 默认地址：http://127.0.0.1:9002
• 配置文件：.env 中的 ODDASR_HOST 和 ODDASR_PORT
• 支持 verbose_json 响应格式，返回段级和字级时间戳

2. Ollama / LLM 服务

可选 - 用于 AI 摘要生成。

• 默认地址：http://localhost:11434（Ollama）
• 支持提供商：Ollama（本地）、OpenAI、Claude、Groq
• 通过 pydantic-ai-slim 库统一调用

3. FFmpeg

必需 - pydub 依赖 FFmpeg 进行音频格式转换。

安装与运行

环境要求

• Python 3.12+
• FFmpeg（需添加到系统 PATH）
• OddASR 服务（运行中）
• Ollama（可选，用于本地 LLM 摘要）

PyPI 安装（推荐）

# 基础安装
pip install OddMinutes

# Windows 用户（包含系统托盘和快捷键支持）
pip install OddMinutes[windows]

启动程序

OddMinutes

首次运行时，程序会自动完成以下操作：

• 自动安装缺失的依赖
• 初始化数据库（自动执行 migrate）
• 创建用户数据目录（位于 %APPDATA%\Local\OddMeta\OddMinutes 或 ~/.local/share/OddMeta/OddMinutes）
• 复制必要的配置文件

启动参数

# 指定端口
OddMinutes --port 9012

# 不自动打开浏览器
OddMinutes --no-browser

# 显示控制台窗口（调试模式）
OddMinutes --debug

开发安装（从源码）

git clone https://github.com/oddmeta/OddMinutes.git
cd OddMinutes

# 安装开发依赖
pip install -r requirements.txt

# 安装 Windows 额外依赖（Windows 用户）
pip install pywin32 keyboard pynput

# 配置环境变量
copy .env.example .env

编辑 .env 文件，设置关键配置：

# Django 配置
DJANGO_SECRET_KEY=your-secret-key-here
DEBUG=True
ALLOWED_HOSTS=localhost,127.0.0.1

# OddASR 配置（必需）
ODDASR_HOST=127.0.0.1
ODDASR_PORT=9002

# Ollama 配置（可选，用于本地 LLM）
OLLAMA_HOST=http://localhost:11434

# 音频配置
AUDIO_SAMPLE_RATE=16000
AUDIO_CHANNELS=1
AUDIO_CHUNK_DURATION=5

# 会议设置
AUTO_CLEANUP_DAYS=7
MAX_AUDIO_FILE_SIZE=500

# 开发模式：指定数据目录
ODDMINUTES_DATA_DIR=.

初始化数据库

python manage.py migrate
python manage.py init_defaults

启动服务

# 使用启动脚本（推荐，自动处理依赖和配置）
python launcher.py

# 或使用调试模式
python launcher.py --debug

# 或直接运行开发服务器
python manage.py runserver 127.0.0.1:9011

服务启动后访问：http://127.0.0.1:9011

用户数据目录

通过 PyPI 安装后，用户数据和配置文件存储在以下位置：

• Windows: %APPDATA%\Local\OddMeta\OddMinutes 或 C:\Users\<用户名>\AppData\Local\OddMeta\OddMinutes
• Linux: ~/.local/share/OddMeta/OddMinutes
• macOS: ~/Library/Application Support/OddMeta/OddMinutes

该目录包含：

• .env - 环境变量配置文件
• db.sqlite3 - SQLite 数据库文件
• media/ - 音频文件存储目录
• logs/ - 日志文件目录

配置说明

环境变量	默认值	使用模块	说明
DJANGO_SECRET_KEY	django-insecure-change-me	全局	Django 安全密钥
DEBUG	True	全局	调试模式
ALLOWED_HOSTS	localhost,127.0.0.1	全局	允许的主机
ODDASR_HOST	127.0.0.1	transcription	OddASR 服务主机
ODDASR_PORT	9002	transcription	OddASR 服务端口
OLLAMA_HOST	http://localhost:11434	summary	Ollama 服务地址
AUDIO_SAMPLE_RATE	16000	recording	音频采样率
AUDIO_CHANNELS	1	recording	音频通道数
AUDIO_CHUNK_DURATION	5	recording	音频块持续时间（秒）
AUTO_CLEANUP_DAYS	7	meetings	自动清理天数
MAX_AUDIO_FILE_SIZE	500	全局	最大音频文件大小（MB）
ODDMINUTES_DATA_DIR	自动检测	全局	开发模式数据目录

API 接口

会议管理 /api/meetings/

方法	路径	说明
GET	/api/meetings/	获取会议列表
POST	/api/meetings/	创建新会议
GET	/api/meetings/{id}/	获取会议详情
PUT/PATCH	/api/meetings/{id}/	更新会议信息
DELETE	/api/meetings/{id}/	删除会议
POST	/api/meetings/{id}/export/	导出会议（支持 txt/md/json）
POST	/api/meetings/search/	搜索转录内容
POST	/api/meetings/cleanup/	清理旧会议
PATCH	/api/meetings/transcript-segments/{id}/	更新转录片段

录音控制 /api/recording/

方法	路径	说明
POST	/api/recording/start/	开始录音
POST	/api/recording/pause/	暂停录音
POST	/api/recording/resume/	恢复录音
POST	/api/recording/stop/	停止录音
GET	/api/recording/status/	获取录音状态
POST	/api/recording/upload-chunk/	上传音频块

转录服务 /api/transcription/

方法	路径	说明
POST	/api/transcription/transcribe/	转录音频文件
POST	/api/transcription/retranscribe/	重新转录
POST	/api/transcription/upload/	上传音频并转录
GET	/api/transcription/status/{id}/	获取转录任务状态
GET/POST	/api/transcription/config/	获取/设置转录配置
GET	/api/transcription/oddasr-status/	检查 OddASR 服务状态

AI 摘要 /api/summary/

方法	路径	说明
POST	/api/summary/generate/	生成会议摘要
GET	/api/summary/status/{id}/	获取摘要状态
POST	/api/summary/regenerate/	重新生成摘要
GET/POST	/api/summary/templates/	获取/创建摘要模板
GET/POST/PUT/DELETE	/api/summary/model-config/	AI 模型配置管理
GET/POST	/api/summary/language-preferences/	语言偏好设置
POST	/api/summary/stream/	流式生成摘要（SSE）

系统设置 /api/system/

方法	路径	说明
GET/POST	/api/system/settings/	获取/更新系统设置
GET	/api/system/check-updates/	检查更新
GET	/api/system/notifications/	获取通知列表
POST	/api/system/notifications/read/	标记通知为已读
POST	/api/system/notifications/send/	发送系统通知
POST	/api/system/onboarding/complete/	完成首次引导
GET	/api/system/info/	获取系统信息

WebSocket 接口

音频电平推送

• 路径: ws://host:port/ws/recording/level/
• 用途: 实时推送麦克风和系统音频电平数据
• 推送频率: 10 次/秒

推送数据格式:

{
  "mic_level": 0.1234,
  "system_level": 0.0567,
  "mixed_level": 0.1234,
  "peak_mic": 0.2345,
  "peak_system": 0.0890,
  "status": "recording",
  "duration": 45.5,
  "agc": {
    "enabled": true,
    "mic_gain": 1.5,
    "system_gain": 1.0,
    "target_rms": 8000
  }
}

实时转录

• 路径: ws://host:port/ws/transcription/realtime/
• 用途: 实时音频转录

数据流详解

完整流程示例

1. 创建会议 → POST /api/meetings/ → 创建 Meeting 记录（status=recording）

2. 开始录音 → POST /api/recording/start/

   • 选择麦克风设备和可选的系统音频设备
   • 前端使用 MediaRecorder API 采集音频（webm/opus 格式）
   • 实时计算音频电平，通过 WebSocket 推送到前端

3. 录音过程

   • 前端麦克风采集（48kHz, 单声道），使用 webm/opus 格式
   • 音频块通过 POST /api/recording/upload-chunk/ 上传到后端
   • 后端处理 webm 分片合并（跳过重复的 EBML 头）
   • 录音状态存储在数据库（RecordingSession 模型）

4. 停止录音 → POST /api/recording/stop/

   • 进入 "stopping" 宽限期（6秒），处理迟到的音频分片
   • 宽限期结束后，合并缓冲区数据
   • 保存到 media/audio/meetings/{date}/{filename}.webm
   • 自动转换为 MP3 格式（audio_utils.convert_audio_to_mp3）
   • 自动触发 ASR 转录
   • 更新 Meeting 状态为 completed

5. 转录音频 → POST /api/transcription/transcribe/

   • 创建 TranscriptionJob（status=processing）
   • 后台线程调用 OddASR 客户端
   • 请求格式：model=oddasr2_paraformer, response_format=verbose_json, timestamp_granularities[]=word
   • OddASR 返回包含 segments 和 words 的 JSON 数据

6. 保存转录结果

   • 解析 segments，每个 segment 包含 text、speaker、start、end、words
   • 创建 TranscriptSegment 记录，words 字段存储字级时间戳
   • 更新 Meeting 状态为 completed

7. 生成摘要 → POST /api/summary/generate/

   • 创建 SummaryProcess（status=processing）
   • 合并所有转录文本
   • 按 chunk_size=5000、overlap=1000 分段
   • 每段调用 LLM（默认 Ollama/Qwen3-8B）生成结构化摘要
   • 聚合所有 chunk 的摘要结果

8. 结构化摘要格式

   {
     "MeetingName": "会议名称",
     "People": {"title": "参会人员", "blocks": [...]},
     "SessionSummary": {"title": "会议概要", "blocks": [...]},
     "CriticalDeadlines": {"title": "关键截止日期", "blocks": [...]},
     "KeyItemsDecisions": {"title": "关键事项与决策", "blocks": [...]},
     "ImmediateActionItems": {"title": "立即行动项", "blocks": [...]},
     "NextSteps": {"title": "后续步骤", "blocks": [...]},
     "MeetingNotes": {"meeting_name": "...", "sections": [...]}
   }
   

9. 前端渲染

   • 转录内容按 speaker 合并显示
   • 每个 word 带有 data-start/data-end 属性（音字联动）
   • 音频播放时自动高亮当前 word 和 segment
   • 点击 word 跳转到对应时间点

数据库模型

核心模型关系

Meeting (会议)
├── transcriptions → TranscriptSegment[] (转录片段)
├── recording → RecordingSession (录音会话)
├── transcription_jobs → TranscriptionJob[] (转录任务)
├── summary_process → SummaryProcess (摘要处理)
└── exports → MeetingExport[] (导出记录)

TranscriptSegment (转录片段)
├── meeting → Meeting (所属会议)
└── words → JSON (字级时间戳数据)

SummaryProcess (摘要处理)
└── meeting → Meeting (所属会议)

RecordingSession (录音会话)
├── meeting → Meeting (所属会议)
└── checkpoints → RecordingCheckpoint[] (检查点)

关键字段说明

Meeting 模型

字段	类型	说明
title	CharField	会议标题
status	CharField	状态：recording/paused/completed/processing
audio_file	FileField	音频文件路径
audio_duration	FloatField	音频时长（秒）
summary	JSONField	AI 摘要结果
notes	TextField	用户笔记
language	CharField	语言：auto/zh/en

TranscriptSegment 模型

字段	类型	说明
meeting	ForeignKey	关联会议
text	TextField	转录文本
speaker	CharField	发言人
audio_start_time	FloatField	音频开始时间（秒）
audio_end_time	FloatField	音频结束时间（秒）
duration	FloatField	片段时长（秒）
is_final	BooleanField	是否最终结果
words	JSONField	字级时间戳（OddASR verbose_json 返回）

words 字段结构（字级时间戳）

[
  {"word": "你好", "start": 0.5, "end": 0.8, "probability": 0.98},
  {"word": "世界", "start": 0.9, "end": 1.2, "probability": 0.95}
]

前端功能

音字联动

前端实现了音频播放与文字的双向联动：

1. 播放时高亮：音频播放到某个时间点，自动高亮对应的 word 和 segment
2. 点击跳转：点击某个 word，音频跳转到对应时间点并开始播放
3. 拖动同步：拖动音频进度条，自动滚动到对应的文字位置

转录编辑模式

支持对转录内容进行编辑：

• 编辑转录文本
• 修改发言人名称
• 批量保存修改

实时电平监测

通过 WebSocket 实时显示麦克风和系统音频的电平：

• 实时电平条显示
• AGC 增益信息提示
• 峰值监测

搜索功能

支持在所有会议的转录内容中进行全文搜索，返回匹配的会议列表和上下文。

主题系统

提供四种主题风格：

• modern-light - 现代亮色主题
• tech-dark - 科技暗色主题
• warm-office - 温暖办公主题
• focus-dark - 专注暗色主题

通知系统

• 桌面通知（页面不可见时）
• 通知历史记录（最多保存 200 条）
• 未读通知计数
• 标记已读/全部已读

技术栈

分类	技术
后端框架	Django 5.0.7
API 框架	Django REST Framework 3.15.2
WebSocket	Django Channels 4.1.0
ASGI 服务器	Daphne 4.1.2
数据库	SQLite（默认）
音频录制	前端 MediaRecorder API（webm/opus）
音频处理	pydub、numpy、scipy、ffmpeg-python
语音识别	OddASR（OpenAI 兼容）
AI 摘要	pydantic-ai-slim（Ollama/OpenAI/Claude/Groq）
前端	HTML5、CSS3、JavaScript（原生）
系统托盘	pystray + pywin32（Windows）

开发命令

# 启动开发服务器（使用 daphne，推荐）
python launcher.py

# 启动调试模式（显示控制台）
python launcher.py --debug

# 创建数据库迁移
python manage.py makemigrations

# 执行数据库迁移
python manage.py migrate

# 初始化默认数据（必需）
python manage.py init_defaults

# 创建超级用户
python manage.py createsuperuser

# 进入 Django Shell
python manage.py shell

# 运行测试
python manage.py test

系统托盘功能

Windows 系统托盘支持以下操作：

• 显示窗口 - 打开浏览器访问应用
• 新建会议 - 创建新的会议记录
• 开始录音 - 启动录音（自动创建会议）
• 暂停录音 - 暂停当前录音
• 恢复录音 - 恢复暂停的录音
• 停止录音 - 停止录音并处理音频
• 退出 - 停止服务并退出

注意事项

1. OddASR 服务：使用前请确保 OddASR 服务已启动并正常运行
2. FFmpeg：安装 pydub 前需确保 FFmpeg 已安装并添加到系统 PATH
3. Ollama：使用本地 LLM 生成摘要时，需先 ollama pull qwen3:8b 下载模型
4. 音频设备权限：首次使用录音功能时需授予麦克风权限
5. 系统音频录制：Windows 下录制系统音频需要启用立体声混音设备或使用虚拟音频线缆
6. 数据目录：默认数据存储在用户目录，开发时可设置 ODDMINUTES_DATA_DIR 指定项目根目录
7. 开发模式：使用 python manage.py runserver 时建议添加 --noreload 参数避免多进程状态问题

License

MIT License