Podcast2Markdown

将播客音频智能转换为结构化 Markdown 文章。

功能特性

• 🎙️ 本地音频转录：使用 whisper.cpp 本地推理，支持 CUDA GPU 加速
• 🤖 AI 文章生成：调用 Minimax API 自动整理转录内容为结构化 Markdown
• 📄 Markdown 导出：一键下载生成的文章为 Markdown 文件
• ⚡ 异步处理：任务队列管理，支持进度跟踪

技术栈

• 前端: Next.js 14 + Tailwind CSS
• 后端: Next.js API Routes (Node.js)
• 数据库: SQLite + Prisma ORM
• 语音转录: whisper.cpp (本地 CUDA 加速)
• 文章生成: Minimax (MiniMax-M2.7)

快速开始

1. 环境要求

• Node.js 18+
• Git
• C/C++ 编译工具 (CMake)
• 可选: NVIDIA GPU + CUDA Toolkit (用于 GPU 加速)

2. 安装依赖

npm install

3. 编译 whisper.cpp

Windows (PowerShell):

# 自动构建（推荐）
powershell ./scripts/build-whisper.ps1

# 指定模型大小
powershell ./scripts/build-whisper.ps1 large   # 大模型（3.1GB，高质量）
powershell ./scripts/build-whisper.ps1 small   # 小模型（466MB，快速）

# CPU 版本（无 GPU）
powershell ./scripts/build-whisper.ps1 -CPU

构建脚本会自动下载模型文件。

4. 配置环境变量

创建 .env 文件：

# Whisper 本地转录配置
WHISPER_MODEL_PATH=whisper.cpp/models/ggml-large-v3.bin
WHISPER_USE_CUDA=1

# MINIMAX API（文章生成）
MINIMAX_API_KEY=your_minimax_api_key
MINIMAX_API_BASE=https://api.minimaxi.com/v1

# 数据库
DATABASE_URL="file:./dev.db"

5. 初始化数据库

npx prisma generate
npx prisma db push

6. 启动开发服务器

npm run dev

访问 http://localhost:3000

使用说明

1. 上传音频：在首页选择音频文件（支持 MP3、WAV、M4A 等格式）
2. 等待转录：系统自动调用 whisper.cpp 进行转录，显示进度
3. 查看结果：转录完成后自动调用 Minimax 生成 Markdown 文章
4. 下载文章：点击"下载 Markdown"按钮导出文件

项目结构

src/
├── app/
│   ├── api/           # API 路由
│   │   ├── upload/    # 音频上传
│   │   ├── transcribe/# 提交转录任务
│   │   ├── task/      # 查询任务状态
│   │   ├── generate/  # 重新生成文章
│   │   └── export/    # Markdown 导出
│   ├── layout.tsx     # 根布局
│   └── page.tsx       # 首页（上传+结果展示）
├── lib/
│   ├── prisma.ts      # Prisma 客户端
│   ├── whisper.ts     # whisper.cpp 调用封装
│   └── minimax.ts     # Minimax API 调用
└── types/
    └── index.ts       # 类型定义

whisper.cpp/           # whisper.cpp 源码和编译输出
├── build/            # 编译后的二进制
├── models/           # 模型文件
└── samples/          # 测试音频

scripts/               # 构建脚本
├── build-whisper.ps1 # Windows 构建脚本
└── build-whisper.sh  # Unix 构建脚本

常用命令

命令	说明
npm run dev	启动开发服务器
npm run build	构建生产版本
npm run whisper:build	构建 whisper.cpp
npm run build:addon	编译 Node.js 原生插件
npx prisma studio	打开数据库管理界面
npx prisma db push	同步数据库 schema

文档

• 设计文档 - 功能设计和技术架构
• 实现文档 - 详细实现说明
• 部署指南 - 部署和配置说明

许可证

MIT