音频转录与总结工具

一个 Windows 桌面应用，用于录制系统声音、录制麦克风或导入本地音视频文件，通过本地 ASR 模型将音频转录为文字，并可调用 OpenAI 兼容的 LLM API 对转录内容生成会议纪要式总结。

• 录制 Windows 系统声音（WASAPI Loopback）或麦克风声音
• 导入本地音视频文件（支持拖拽导入），视频自动提取音轨
• 从 YouTube / Bilibili 等公开视频链接导入，优先使用外部字幕，字幕不可用时下载音频
• 本地 ASR 模型转录音频，支持真实进度回传
• 任务管理：录音、转录、总结和链接导入统一显示任务状态；处理任务串行排队，可排序、取消、重试和移除
• 逐句时间轴：启用时间戳后可随音频回放高亮句子和 token，并可导出 SRT
• 调用 LLM API 生成总结，支持本地 WebView Markdown 渲染
• 历史记录管理：查看、重命名、文件夹中打开、删除、复制文本、导出转录/字幕/总结
• 模型管理：下载、查看、删除 ASR 模型和 ForceAligner 时间戳辅助模型
• 自动转录 / 自动总结 开关
• 结构化日志，便于问题诊断

# 1. 克隆仓库
git clone https://github.com/fd1247/NoisNote.git
cd NoisNote

# 2. 安装 Python 依赖
pip install -r requirements.txt

# 3. 下载第三方二进制依赖（llama.cpp DLL + ffmpeg）
python scripts/download_deps.py

# 4. 启动
python main.py

1. 从 GitHub Releases 下载最新版本的 NoisNote-{version}.zip
2. 解压到任意目录
3. 确保已安装 VC++ Redistributable x64
4. 运行 NoisNote.exe

启动后自动进入录音页面。首次使用时应用会导入一段示例音频，方便快速体验完整流程。

1. 在录音页面顶部选择录音源：系统声音（默认）或 麦克风
2. 如需指定设备，可在下方设备下拉框中选择
3. 点击 开始录音 按钮开始捕获音频
4. 录音过程中会显示时长和音量电平
5. 点击 停止录音 结束录制，音频自动保存并进入历史记录

• 点击侧边栏 导入本地音视频 按钮选择文件
• 或将文件直接 拖拽 到应用窗口
• 支持格式：WAV、MP3、M4A、AAC、FLAC、OGG、WMA、MP4、MOV、MKV、AVI、WebM

点击侧边栏 从链接导入，输入公开视频链接后应用会在后台解析链接。

• 优先下载外部字幕，生成转录文本和逐句时间轴
• 如果没有可用字幕，或字幕下载/解析失败，会自动降级为下载音频并标准化为 audio.wav
• 链接解析、字幕下载、音频下载和转码都在后台线程中执行，不会阻塞主界面
• 视频超过 2 小时，或无法确认时长时，会先弹窗确认

部分 YouTube / Bilibili 视频需要登录态或 cookies。请将 Netscape 格式 cookies 文件保存到用户数据目录：

文档/NoisNote/
├── bilibili_cookies.txt
└── youtube_cookies.txt

cookies 文件不要放在仓库目录，也不要提交到 Git。可使用浏览器扩展或 yt-dlp --cookies-from-browser 导出为 Netscape cookies 格式。

• 录制或导入完成后，如开启了自动转录，应用会自动开始转录
• 也可在记录详情页手动点击 开始转录
• 转录完成后，在 转录文本 标签页查看识别出的文字；详情区域使用本地 WebView 渲染，WebEngine 不可用时会自动降级为 Qt 文本控件
• 如果在设置中启用时间戳并已下载 ForceAligner 辅助模型，可在 逐句时间轴 标签页查看分段结果，播放音频时会高亮当前句子和 token
• 点击 复制 按钮可将文本复制到剪贴板

• 转录完成后，如开启了自动总结，应用会自动调用 LLM 生成总结
• 也可在 总结内容 标签页手动点击 手动总结
• 总结内容以 Markdown 保存和渲染，可直接复制源 Markdown 使用
• 为了保持详情页安全策略，HTML 内联样式不会生效；普通 Markdown 标题、列表、表格、链接、代码块等语法正常显示

处理任务会在右侧的 任务管理 面板中按“处理中、排队中、已处理”展示。录音、导入本地文件、从链接导入、转录和总结的进度都会同步显示在这里。

• 转录、总结和链接导入按顺序执行；“排队中”最多可保留 20 项等待任务。可拖拽排队任务调整先后顺序。
• 对正在处理的任务点击取消后，会先显示“正在取消”；后台任务实际结束后才会转入已处理列表，并启动下一项。
• 已完成、失败或已取消的任务可重试或移除。仅总结任务重试时会直接重新总结，不会重新转录。
• 同一条记录已在处理中或排队中时，再次点击转录不会创建重复任务；如仍在排队，会合并新的处理选项。
• 如果模型或运行环境出现系统性错误，应用会说明原因和修复指引，并暂停剩余任务。修复后，在“排队中（数量）”右侧点击 恢复队列 即可继续；没有排队任务时不会显示该按钮。

点击侧边栏底部齿轮图标进入设置页面。

在 模型 页面可以下载、查看和删除 ASR 模型：

• Qwen3-ASR-0.6B-GGUF（推荐）：约 570 MB，速度更快，适合日常使用
• Qwen3-ASR-1.7B-GGUF：约 1.4 GB，识别精度更高
• Qwen3-ForceAligner-0.6B-GGUF：用于时间戳对齐，只有启用逐句时间轴时需要

• 左侧边栏显示所有历史记录，按时间倒序排列
• 点击记录查看详情（转录文本和总结内容）
• 鼠标移到记录项出现三点菜单，可 重命名、在文件夹中打开、删除

所有用户数据默认保存在 文档/NoisNote/ 目录下：

NoisNote/
├── data/          # 历史记录（每条一个文件夹）
│   ├── 20250627_143022/
│   │   ├── audio.wav           # 音频文件
│   │   ├── external_subtitle.srt # 链接导入的外部字幕（按需生成）
│   │   ├── transcript.txt      # 转录文本
│   │   ├── summary.md          # 总结内容（Markdown）
│   │   ├── timeline.json       # 逐句时间轴（按需生成）
│   │   ├── transcript.srt      # SRT 字幕导出（按需生成）
│   │   └── metadata.json       # 元数据
│   └── ...
├── models/        # ASR 模型文件
├── bilibili_cookies.txt # Bilibili 登录态（可选）
├── youtube_cookies.txt  # YouTube 登录态（可选）
└── logs/          # 诊断日志

应用调用 OpenAI 兼容的 Chat Completions 接口。例如：

需要填写服务商提供的 API Key 和模型名。API Key 存储在本地配置文件中，不会上传。

请确认系统有可用的扬声器或耳机输出设备，且处于启用状态。某些虚拟设备可能不支持 Loopback。

CPU 推理可能较慢，尤其是 1.7B 模型。可在设置中选择更快的 0.6B 模型，或在有独显时选择 GPU（DirectML）加速。

模型从 ModelScope（优先）或 GitHub 下载。请检查网络环境、代理设置和磁盘空间。下载失败或取消后可重新在模型页面下载。

请检查：API Key 是否正确、Base URL 是否正确、模型名是否被服务商支持、网络连接是否正常、API 账户余额或额度是否充足。

这通常表示转录模型目录、模型文件、GGUF 运行工具、运行时依赖或模型配置不完整。请按弹窗提示修复模型或运行环境；如果仍有排队任务，修复后可在任务管理面板点击 恢复队列。单个普通转录失败不会暂停后续队列任务。

请在设置的"通用"页确认"自动转录"已开启。关闭时，需在记录详情中手动开始转录。

请运行 python scripts/download_deps.py 下载内置 ffmpeg，或手动安装到系统 PATH。

请先确认网络可访问目标网站，并已安装 yt-dlp。如果提示需要登录或 cookies 无效，请把 Netscape 格式 cookies 分别保存为 文档/NoisNote/bilibili_cookies.txt 或 文档/NoisNote/youtube_cookies.txt 后重试。

YouTube 若提示 n challenge、格式不可用或只有图片格式，源码运行时请确保 Node.js 可用，并可访问 yt-dlp 所需的远程组件；也可尝试更新 yt-dlp：

python -m pip install -U "yt-dlp[default]"