背景介绍
在现代办公环境中，会议已成为信息交流和决策制定的重要方式。然而，传统的会议记录方式依赖人工整理，不仅耗时费力，还容易因个人理解偏差导致信息遗漏或不准确。随着人工智能技术的发展，AI语音会议助手应运而生，能够自动将会议录音转为文字，并提取关键信息，生成结构清晰的会议纪要。
本文将介绍并实现一个AI会议助手小工具，使用Python语言开发，结合语音识别与AI文本摘要技术，实现从录音到纪要的自动化处理。项目适合中级以下开发者，预计可在1~3天内完成，具有较高的学习与实用价值。
项目目标
本项目旨在开发一个本地运行的AI会议助手工具，用户只需上传录音文件，即可：
- 将语音内容转为文字；
- 使用AI模型提取会议中的关键点（如决议、待办事项等）；
- 生成结构化的会议纪要文档（Markdown格式）。
项目涵盖语音处理、文本处理、AI模型调用和文件操作等核心技术，适合初学者和中级开发者学习与实践。
技术实现思路
1. 语音识别模块
使用 pydub 和 vosk 实现本地语音识别。pydub 用于音频格式转换（如 .mp3 转 .wav），vosk 提供离线语音识别功能，无需依赖网络服务。
2. AI关键点提取模块
使用 transformers 库中的 distilbart-cnn-12-6 模型进行文本摘要，提取会议内容中的关键信息。
3. 文件保存模块
将语音识别结果和AI提取的关键点保存为 Markdown 格式文件，便于后续阅读与编辑。
4. 命令行交互模块
通过 input() 函数与用户交互，获取录音文件路径和是否提取关键点的选项。
代码实现
以下是完整的Python代码实现，包含详细的注释说明。
# ai_meeting_assistant.py
import os
import json
from pydub import AudioSegment
import vosk
import wave
from transformers import pipeline
# 语音转文字函数
def audio_to_text(file_path):
"""
将音频文件转为文字，支持mp3和wav格式。
如果是mp3文件，先转换为wav格式。
使用vosk进行本地语音识别。
"""
# 检查文件格式，如果是mp3，转为wav
if file_path.endswith('.mp3'):
audio = AudioSegment.from_mp3(file_path)
wav_path = file_path.replace('.mp3', '.wav')
audio.export(wav_path, format="wav")
file_path = wav_path # 替换为wav文件路径
# 加载vosk模型（需要提前下载vosk-model-cn-0.22模型）
model = vosk.Model(model_name="vosk-model-cn-0.22")
wf = wave.open(file_path, "rb")
rec = vosk.KaldiRecognizer(model, wf.getframerate())
result = ""
while True:
data = wf.readframes(4000)
if len(data) == 0:
break
if rec.AcceptWaveform(data):
result += json.loads(rec.Result())["text"] + " "
result += json.loads(rec.FinalResult())["text"]
return result.strip()
# AI关键点提取函数
def extract_key_points(text):
"""
使用transformers库中的distilbart模型进行文本摘要。
返回提取的关键点内容。
"""
# 加载摘要模型（需要联网下载模型）
summarizer = pipeline("summarization", model="sshleifer/distilbart-cnn-12-6", device=0 if torch.cuda.is_available() else -1)
summary = summarizer(text, max_length=150, min_length=30, do_sample=False)
return summary[0]['summary_text']
# 保存会议纪要到文件
def save_minutes(text, summary, filename="meeting_summary.md"):
"""
将语音识别结果和关键点内容保存为Markdown格式文件。
"""
content = f"# 会议纪要\n\n## 语音转文字内容\n\n{text}\n\n## 关键点提取\n\n- {summary.replace('. ', '.\n- ')}"
with open(filename, "w", encoding="utf-8") as f:
f.write(content)
print(f"会议纪要已保存至 {os.path.abspath(filename)}")
# 主程序
def main():
# 用户输入录音文件路径
file_path = input("请输入会议录音文件路径: ").strip()
# 检查文件是否存在
if not os.path.exists(file_path):
print("文件不存在，请检查路径。")
return
# 用户选择是否提取关键点
extract_summary = input("是否提取关键点？(y/n): ").strip().lower() == 'y'
# 语音识别
print("正在识别音频内容...")
text = audio_to_text(file_path)
print("音频识别完成。")
# AI关键点提取
if extract_summary:
print("正在提取关键点...")
key_points = extract_key_points(text)
else:
key_points = ""
# 生成会议纪要
print("正在生成会议纪要...")
save_minutes(text, key_points)
if __name__ == "__main__":
main()
项目运行说明
- 安装依赖库：
pip install pydub vosk transformers torch
- 下载vosk模型：
vosk-model-cn-0.22
你可以从 Vosk官方模型仓库 下载模型文件，并将其放在项目目录中。
- 运行程序：
python ai_meeting_assistant.py
输入录音文件路径和是否提取关键点的选项，即可生成会议纪要。
项目意义
本项目为用户提供了一种快速、高效的会议记录方式，尤其适合需要频繁整理会议内容的职场人士，如项目经理、会议记录员、行政人员等。通过AI技术的辅助，用户无需手动整理会议内容，即可获得结构化、可编辑的会议纪要文档，显著提升工作效率。
同时，该项目也为开发者提供了实践语音处理、AI模型调用和文件操作的良好机会，是AI与实际办公场景结合的典型应用，具备较高的学习与实用价值。
总结
通过本项目，开发者可以掌握语音识别、文本摘要、文件操作等关键技术，同时了解AI在实际办公场景中的应用。项目结构清晰，代码规范，适合中级以下开发者快速上手。希望本文能够帮助你更好地理解AI会议助手的实现逻辑，并激发你对AI技术在办公场景中应用的兴趣。