这是面向单台受信任机器的本地单机工具,适合本地试用和迭代;当前不面向公网部署、多租户、合规存档或自动身份判定。

它解决什么

把"一段会议录音"变成"带说话人归属、可校正、可导出"的结构化纪要，音频和转写永远不出本机。飞书/讯飞/在线 ASR 都要把音频传上云——本项目不上传音频。LLM 纪要可选本机 Ollama，公网 LLM 只在你显式允许时发送转写文本（永不发音频、永不发声纹）。

两条路径合一，覆盖会议从现场到会后的全程：

• 📤 上传录音（会后高质量处理）：解码 → ASR → 可选 pyannote 多人分离 → 声纹匹配已登记人物 → 入库 → 校正/纪要/导出。
• ⚡ 实时字幕（会议进行中）：浏览器录音 → VAD 切段 → ASR → 声纹识别已登记人物 → 边说边出，落段入库。

核心能力

• 🖥️ 本地优先：默认全本机推理，下载模型后可在无网环境运行（LLM 关闭时）。
• 👥 多人说话人分离：上传会议模式用 pyannote community-1 切出匿名说话人 turn。
• 🧬 声纹匹配：把匿名 Spk_01 按严格阈值匹配到已登记人物，可随时人工纠正，不是身份认证。声样支持上传文件或浏览器在线录音注册。
• 📝 可校正纪要：双击改文稿、批量重指说话人、合并/拆分说话人、生成/编辑摘要（LLM 或本地 TextRank 兜底）。
• 📤 多格式导出：Markdown / SRT / VTT / JSON。
• 🔧 可切换引擎：ASR（Qwen3-ASR / SenseVoice / Paraformer）、声纹（CamPlus / ERes2Net / Wespeaker）运行时可切。

产品边界

• 上传录音做会后高质量处理（多人分离 / 纪要 / 导出）；实时模式做会议进行中的近实时字幕。
• "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，但保持匿名并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。
• macOS MPS 偶发死锁，加载超时（默认 90s）会自动回退 CPU；服务为单进程（WORKERS=1），请勿调高。
• 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。

关于项目名：实时与上传是同一会议的两个入口，均为一等功能。多人说话人分离（diarization）在上传模式完成；实时模式靠声纹识别已登记说话人，不做多人分离。

界面预览

核心流程

上传录音（会后）

1. 上传录音并选择"快速转写"或"会议模式"。
2. 后台任务完成解码、转写和可选的说话人分离。
3. 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。
4. 生成或编辑纪要，随后导出所需格式。

实时字幕（会中）

1. 浏览器授权麦克风并开始录音。
2. VAD 自动切段、ASR 实时转写、声纹识别已登记说话人，边说边出。
3. 结束录音后落段入库，与上传会议进入同一套校正/纪要/导出流程。

快速开始

要求 Python 3.10–3.12、Node.js 20+ 和 FFmpeg。CI 在 Ubuntu 验证 Python 3.10–3.12，并在 macOS、Windows 验证 Python 3.12。首次启动会下载约 1.8GB 模型，视网速可能需要数十分钟；下载完成后 LLM 关闭时可永久断网运行。

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。默认账户 admin/admin，首次登录强制改密。

项目接口仍在迭代,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

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（Docker 镜像仅含 CPU）。多架构镜像需发布者自行 docker buildx build --platform linux/amd64,linux/arm64 并验证目标架构，项目不提供预构建镜像承诺。

可选配置

复制 .env.example 为 .env。多数本机单机场景无需修改，常用项如下：

HOST=127.0.0.1
ASR_DEVICE=auto
ASR_ENGINE=qwen3
SPEAKER_ENGINE=campplus
HF_TOKEN=
LLM_ENABLED=false

ASR_ENGINE 可选 qwen3 / sensevoice / paraformer / paraformer_streaming；SPEAKER_ENGINE 可选 campplus / eres2net / wespeaker。其余项见 .env.example。启用 LLM（摘要/行动项/纪要）见 LLM 配置指南。

何时需要 HF_TOKEN（其余情况留空即可）：

• ✅ 要用上传会议的多人说话人分离（pyannote community-1，gated 模型）→ 需填，且需在 HF 页面接受条款。
• ✅ 要启用字级时间戳（Qwen3-ForcedAligner）→ 建议填以避开 HF 限流。
• ❌ 只用实时字幕 / 快速转写 / 本机声纹匹配 → 不需要。

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。跨机器访问还需要 HTTPS（见下文「跨机器访问」）。

跨机器访问（可选）

默认 HOST=127.0.0.1 只监听本机——本机用 http://127.0.0.1:8000 即可，麦克风和上传都正常。

要从别的机器访问（上传录音、在线录音都要麦克风），浏览器要求 HTTPS：http://IP 非 localhost 下 getUserMedia 会被禁用。项目支持让服务直接跑 HTTPS 自签证书。请先确保系统已安装 OpenSSL，随后使用项目的跨平台 Python 脚本生成包含本机 IPv4 地址的证书。

macOS / Linux：

python3 scripts/gen_self_cert.py
ENABLE_HTTPS=1 HOST=0.0.0.0 \
DEPLOYMENT_MODE=lan ALLOWED_ORIGINS=https://<本机IP>:8000 \
python main.py

Windows PowerShell：

python .\scripts\gen_self_cert.py
$env:ENABLE_HTTPS = "1"
$env:HOST = "0.0.0.0"
$env:DEPLOYMENT_MODE = "lan"
$env:ALLOWED_ORIGINS = "https://<本机IP>:8000"
python main.py

macOS / Linux 也可以继续使用兼容入口 bash scripts/gen_self_cert.sh。

浏览器访问 https://<本机IP>:8000，首次提示"不安全"点"高级 → 继续前往"即可。

数据和网络

• 会议音频：data/media/（上传录音原文件，按会议 id 命名）
• 人物声样音频：data/media/voices/<person_id>/
• 转写、人物、声纹向量、设置和 LLM API Key：data/matrix.db
• 模型缓存：默认在项目根 models/（可由 MODELS_DIR 配置）
• 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。

开发验证

python -m pytest tests/ -q --ignore=tests/test_smoke_boot.py

cd web
npm run check:i18n
npm run typecheck
npm run build
npm audit --omit=dev --audit-level=high

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"。

贡献

欢迎通过 Pull Request 贡献代码，流程与约定见 CONTRIBUTING.md。

问题反馈

• 缺陷或功能建议请提 GitHub Issue。
• 安全漏洞请按 SECURITY.md 的指引私下报告，不要在 Issue 中附带录音、转写或凭据。

许可证

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。