从会议录音到可交互知识库的全自动管线 — 录音 → 分割 → 具名 → 纪要 → Wiki → RAG
一个全自动化管线，将会议录音经过说话人分割、身份具名、AI 纪要合并、知识库 Wiki 生成，最终呈现为 Notion 风格的 Web 知识库，支持全文搜索和 RAG 问答。
录音(.ogg) → [①扫描] → [②分割] → [③具名] → [④纪要] → [⑥Wiki] → 🌐 Web 知识库
pyannote 3-phase LLM LLM + RAG Q&A
+ FunASR 漏斗 合成 + 说话人编辑器
- 🎙️ GPU 加速说话人分割 — pyannote community-1 + FunASR Paraformer，~28x 实时
- 🏷️ 94% 说话人具名率 — 3 阶段漏斗：Plaud 标签 → 声纹传播 → LLM 推断
- 📝 结构化 AI 纪要 — 含决策表、行动项（精准分配到人）、议题要点
- 🏠 Notion 风格 Wiki — 人物档案、客户档案、决策日志、行动项看板、时间线
- 💬 RAG 知识库问答 — Bigram 中文搜索 + LLM 答案生成（带引用来源）
- 🔄 幂等自愈 — 每步独立检查输入/输出，中断后重跑不丢进度
- OS: Ubuntu 22.04+ / macOS (Apple Silicon)
- GPU: NVIDIA GPU ≥ 8GB 显存（pyannote 需要；Apple MPS 也可用）
- Python: 3.11+
- ffmpeg:
apt install ffmpeg - HuggingFace: 注册账号并接受 pyannote 模型使用协议
- LLM: Claude CLI 或 OpenAI 兼容接口
# 1. 克隆仓库
git clone https://github.com/yourname/plaud-pipeline
cd plaud-pipeline
# 2. 创建虚拟环境
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
# 3. 配置
cp config/.env.example .env
cp config/org_chart.example.md config/org_chart.md
# 编辑 .env 填入你的 LLM 配置
# 编辑 config/org_chart.md 填入你的组织架构
# 4. 丢录音进 recordings/
cp /path/to/your/meeting.ogg recordings/
# 5. 运行管线
python scripts/pipeline.py
# 6. 启动 Wiki 浏览
python scripts/wiki_server.py --port 8899
# 打开 http://localhost:8899| 步骤 | 功能 | 技术 | 输入 → 输出 |
|---|---|---|---|
| ① 扫描 | 检测新录音 | 文件系统扫描 | recordings/*.ogg → new IDs |
| ② 分割 | 说话人分割 + ASR | pyannote + FunASR (GPU) | .ogg → transcripts_diarized/*.json |
| ③ 具名 | 说话人身份识别 | 3-phase 漏斗 | diarized → transcripts_anchor_named/*.json |
| ④ 纪要 | AI 合并纪要 | LLM | named + Plaud notes → ai_notes_merged/*.md |
| ⑤ 通知 | 每日摘要推送 | Telegram Bot | → 推送消息 |
| ⑥ Wiki | 知识库生成 | Python + LLM | 纪要 → wiki/ |
| 环境变量 | 必需 | 说明 |
|---|---|---|
CLAUDE_BIN |
是 | Claude CLI 路径（默认: claude） |
TELEGRAM_BOT_TOKEN |
否 | Telegram Bot Token（不设则跳过通知） |
TELEGRAM_HOME_CHANNEL |
否 | Telegram 频道 ID |
PLAUD_DATA_DIR |
否 | 数据目录（默认: ~/plaud-knowledge-base） |
PLAUD_CONFIG_DIR |
否 | 配置目录（默认: ~/plaud-pipeline/config） |
HF_HUB_OFFLINE |
否 | 设为 1 使用离线模型缓存 |
- GPU 必需 — CPU 模式下 pyannote 极慢（>100x 实时）
- 中文 only — FunASR Paraformer 专为中文优化
- 声纹局限 — CAM++ 跨录音相似度 0.50-0.65，同录音不同人可达 0.97。不能纯靠声纹
- Plaud API — 非官方接口，见
docs/integrations/plaud.md。本仓库只提供 FolderSource
Apache License 2.0 — 详见 LICENSE