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
本项目的目标是开发一个本地运行的AI会议助手工具，用户只需上传会议录音文件（如.mp3或.wav），即可自动完成以下操作：
- 将语音内容转为文字；
- 通过AI模型提取关键点（如决议、待办事项、讨论焦点）；
- 将结果保存为Markdown格式的会议纪要文件。
该项目不仅提升了会议记录的效率，还为开发者提供了一个实践语音处理、AI模型调用和文件操作的平台。
技术实现思路
1. 语音识别模块（ASR）
使用 pydub 和 vosk 实现本地语音识别。pydub用于音频格式转换（如将.mp3转为.wav），vosk是一个轻量级的语音识别库，支持中文，无需联网即可运行。
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。该模型轻量且准确，适合本地运行。
3. 文件保存模块
将语音转文字内容和AI提取的关键点保存为Markdown格式文件，便于后续阅读和编辑。
4. 命令行交互模块
通过 input() 函数与用户进行交互，提示用户输入录音文件路径和是否提取关键点。
示例代码（Python）
# ai_meeting_assistant.py
import os
import json
from pydub import AudioSegment
import vosk
import wave
from transformers import pipeline
import torch
# 语音转文字函数
def audio_to_text(file_path):
# 如果是mp3文件，先转换为wav
if file_path.endswith('.mp3'):
audio = AudioSegment.from_mp3(file_path)
file_path = file_path.replace('.mp3', '.wav')
audio.export(file_path, format="wav")
# 检查文件是否存在
if not os.path.exists(file_path):
raise FileNotFoundError(f"文件 {file_path} 不存在")
# 加载vosk模型（需要提前下载模型文件）
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（使用transformers库）
def extract_key_points(text):
# 加载摘要模型
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"):
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():
file_path = input("请输入会议录音文件路径: ").strip()
if not os.path.exists(file_path):
print("文件不存在，请检查路径。")
return
extract_summary = input("是否提取关键点？(y/n): ").strip().lower() == 'y'
print("正在识别音频内容...")
try:
text = audio_to_text(file_path)
print("音频识别完成。")
except Exception as e:
print(f"语音识别失败: {e}")
return
if extract_summary:
print("正在提取关键点...")
try:
key_points = extract_key_points(text)
except Exception as e:
print(f"关键点提取失败: {e}")
key_points = "无法提取关键点"
else:
key_points = ""
print("正在生成会议纪要...")
save_minutes(text, key_points)
if __name__ == "__main__":
main()
代码说明
- 依赖安装：
pip install pydub vosk transformers torch注意：
vosk需要提前下载模型文件，可从 Vosk Model 下载vosk-model-cn-0.22。 -
功能模块：
audio_to_text：将音频文件转为文本；extract_key_points：使用distilbart模型进行摘要；save_minutes：将结果保存为Markdown文件；main：主程序逻辑，处理用户输入与流程控制。
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。
项目扩展建议
- 增加多语言支持（如英文、粤语等）；
- 支持实时语音输入（通过麦克风录制）；
- 集成会议纪要模板，支持导出为Word或PDF；
- 添加用户自定义关键词提醒功能（如“项目A”“下周”等）；
- 支持与企业知识库集成（如从专属智库中提取相关文档内容）。
总结
通过本项目，开发者可以掌握语音识别、文本摘要、文件操作等核心技术，同时了解AI如何在实际办公场景中提升效率。项目结构清晰、代码规范，适合中级以下开发者快速上手。未来可进一步扩展功能，使其更加智能化、实用化，成为办公场景中的得力助手。