本机优先的单用户会议录音转写工具。它把上传录音和实时字幕保存为统一的会议记录，支持人工校正文稿、确认人物、生成本地或可选 LLM 纪要，并导出 Markdown、SRT、VTT 和 JSON。
当前版本是 alpha。适合个人在自己的电脑上试用和改进，不面向公网、多租户、合规存档或自动身份判定。
English · 使用说明 · 隐私 · 安全 · API
- 上传录音是高质量主流程；实时模式用于低延迟参考字幕。
- “说话人分离”只产生匿名标签；声纹匹配可按严格规则自动显示已登记人物，但不构成身份认证，且可随时纠正。
- 未配置 pyannote 时，会议仍可完成转写，但保持匿名且明确提示分离不可用。
- 默认数据保存在本机且不启用 LLM。首次启动下载模型时会联网。
- 不建议直接暴露到公网，也不承诺满足医疗、法律等受监管行业要求。
- 上传录音并选择“快速转写”或“会议模式”。
- 后台任务完成解码、转写和可选的说话人分离。
- 在会议详情中检查自动匹配、确认中置信度建议，并校正文稿。
- 生成或编辑纪要，随后导出所需格式。
人物声音样本属于可选的辅助匹配信息。系统仅在模型兼容、语音和样本充足、严格阈值通过时自动显示姓名；其他情况保持建议或匿名。
要求 Python 3.10–3.12、Node.js 20+ 和 FFmpeg。首次运行需要下载模型。
git clone https://github.com/lgy1027/matrix-live-diarizer.git
cd matrix-live-diarizer
python -m venv .venv
# Windows: .venv\Scripts\activate
# macOS/Linux: source .venv/bin/activate
pip install -r requirements.txt
cd web && npm ci && npm run build && cd ..
python main.py浏览器打开 http://127.0.0.1:8000。默认只监听本机回环地址。
项目仍处于 alpha 阶段，数据结构可能调整，请勿将其作为会议资料的唯一副本或长期归档系统。
Docker CPU 版：
docker compose up --build需要自行发布多架构镜像时可使用 docker buildx build --platform linux/amd64,linux/arm64 ...；发布者必须分别验证目标架构，项目目前不提供预构建镜像承诺。
CPU 推理可能较慢；CUDA 用户建议使用本地 Python 环境并按 PyTorch 官方说明安装对应版本。
复制 .env.example 为 .env。常用项：
HOST=127.0.0.1
ASR_DEVICE=auto
ASR_ENGINE=qwen3
SPEAKER_ENGINE=campplus
HF_TOKEN=
LLM_ENABLED=false只有明确部署到局域网时才使用 HOST=0.0.0.0 和 DEPLOYMENT_MODE=lan，并同时设置强随机 JWT_SECRET、可信 ALLOWED_ORIGINS 和 HTTPS 反向代理。移动端麦克风通常要求 HTTPS。
- 会议音频：
data/media/ - 转写、人物、声纹向量、设置和 LLM API Key：
data/matrix.db - 模型缓存：ModelScope、Hugging Face 和 Torch 的用户缓存目录
- 可选公网 LLM：仅在用户显式允许时发送转写文本
这些数据默认不加密，请使用操作系统磁盘加密并保护本机账户。删除会议或人物会删除应用管理的对应音频文件；删除整个 data/ 前应先停止服务。
pytest -q --ignore=tests/test_smoke_boot.py
cd web
npm run check:i18n
npm run typecheck
npm run build
npm audit --omit=dev真实模型冒烟测试会下载并加载大模型，因此常规 CI 默认不运行：MATRIX_TEST_REAL_DEPENDENCIES=1 pytest tests/test_smoke_boot.py -v。PowerShell 请先执行 $env:MATRIX_TEST_REAL_DEPENDENCIES="1"。
项目代码采用 MIT License。模型权重和部分数据集拥有各自的许可证与使用条款，不随 MIT 自动授权；部署前请阅读 模型说明 并核对上游条款。