会议纪要内部版

云上转录解决不了的场景

多数会议 AI 的前提是把音频传上云。对内部评审、涉密讨论、无外网的机房环境来说，这条路从一开始就不成立——要么不敢上传，要么根本连不上。

本技能把整条链路压到本地：音频不出机器，不调第三方转录 API，处理完不留中间文件。

核心能力

• 本地转录：跨平台自动选择后端，Apple Silicon 走 MLX，其余走 PyTorch，两端共用同一套 Qwen3-ASR-1.7B 权重，首次使用需下载模型（约 2–3 GB），之后可完全离线。
• 说话人分离：可选的本地 pyannote.audio 生成说话人时间线，让笔记不再是一整段无法区分归属的文字墙。
• 6 种会议模板：站会、决策会、复盘会、面试、培训分享、1:1，Agent 按会议类型输出不同结构的 Part 1。
• 发言稿交叉修正：上传参会人提纲后，Agent 比对转录稿，修正低置信段落、标记 [即兴] 与 [未提及]。
• 用完即删：笔记与转录原文生成后，自动清理音视频及所有中间产物。

工作流

1. 从会议系统导出本地文件（mp4 / m4a）直接交给技能处理。
2. 本地转录引擎按平台选择后端，产出 _transcript.txt。
3. 若开启分离，脚本对齐说话人时间线。
4. Agent 按所选模板生成 _会议笔记.md，包含结构化笔记与完整转录原文。
5. 中间文件立即清除，磁盘与隐私都不残留。

注意点

• 说话人分离需要先在 HuggingFace 接受 pyannote/speaker-diarization-3.1 的 license，并设置 PYANNOTE_TOKEN，否则该步骤会失败。
• 首次模型加载需要 30–60 秒，期间没有输出，属正常现象。
• CPU 推理可以跑通，只是速度慢于 GPU，转录质量不受影响。
• 涉及登录态平台的录像下载，不要复用互动或 MCP 账号的 cookies，建议使用独立会话。