LiveDigest / 直播内容自动识别与讲义生成系统 V1.0
一场直播,自动变成一份能打印的讲义
盯着几位老师或博主的直播与录播,开播自动录、录完自动转文字、转完整理成讲义,代替人工听记。适用于教育培训、技术培训与知识分享类音视频内容的整理与归档:输出一份可以检索、可以打印的 Word 讲义,加思维导图与摘要卡。
B 站与抖音的直播间、录播视频与合集链接、本机 mp4 / mkv / mp3 / wav 文件。贴入链接后自动识别平台、房间号、博主与标题;常驻守护按设定间隔轮询订阅房间,开播自动登记场次并开始录制,每段 300 秒切片落盘,断流重连接着编号而不覆盖已录分段。
本机语音识别,主方案是 sherpa-onnx 配 SenseVoice 小模型,备用方案是 faster-whisper。刻意不装 torch,省下约 2.5 GB 体积。实测转写速度约 29 倍实时;转写后按术语表纠错,再走一次只修识别错误的校对。
Word 讲义带封面、知识全景、章节脉络、要点分布、术语覆盖与各章结构图,思维导图提供四种格式,另有摘要卡。正文宋体 12pt、1.5 倍行距、首行缩进 2 字符、页脚居中页码,打开就能直接用。
功能
八个页签加十一条命令行
界面用于日常盯播与查看进度,命令行用于批量与自动化;两者共用同一条处理流水线,不是两套实现。
| # | 页签 | 在这里做什么 |
|---|---|---|
| 01 | 概览 | 看整体状态:订阅了多少房间、有多少任务在跑、产出了哪些讲义。 |
| 02 | 环境自检 | 一次检查运行时是否齐备:ffmpeg、转写模型、导出依赖与接口配置。装完先点这里。 |
| 03 | 手动丢链接 | 贴一条直播间、录播或合集链接,当场识别并排进任务队列,不必须先建订阅。 |
| 04 | 订阅管理 | 按房间号、直播间链接或抖音号订阅;支持先用一次联网验证确认房间真实存在。 |
| 05 | 发现在播 | 看订阅里此刻谁在播,可立即开始录制。 |
| 06 | 任务队列 | 显示每个任务的实时百分比进度与当前步骤说明,失败的任务给出原因。 |
| 07 | 产物浏览 | 按场次看已产出的讲义与导图,可一键重新渲染而不调用接口,不重复付费。 |
| 08 | 设置 | 调整分章粒度、分段时长、轮询间隔、并发路数与下载开关;管理接口的供应商、模型名与地址。 |
命令行另有十一条子命令:环境自检、密钥管理、转写、一条龙出讲义、合集列举、盯播、订阅管理、打开界面、打开窗口、清理与设置。
内容质量
整理出来的东西,凭什么敢用
一场两小时的直播有好几万字,模型很容易写着写着就编。这里的做法是先把内容降维,再把关键内容拿回原文核对。
每 4500 字一块,局部提取要点与引文;再把块归并成章节,按时间轴排序;最后全局收口,生成标题、一句话摘要、核心收获、术语表、问答与思维导图结构。长素材分块处理,避免一段太长被截断后内容残缺。
整理结果在本机做引文逐字回查、依据回查、数字回查与时间戳越界检查。凡是核对不上的内容,标记为推断并写进质检提示,不混在正文里冒充原话。
同一份素材重复处理时走缓存,不重复调用接口;产物可以重新渲染排版而不重新整理。
技术做法
这套系统用什么搭的
取向与公司其他几套软件一致:能本机做的就不放到云上,打包成免安装目录版交给使用者。
| 开发语言 | Python 3.12 负责采集、转写、整理与命令行;界面用 HTML5、CSS3 与 JavaScript |
|---|---|
| 本地界面 | 本地接口服务加桌面窗口,不依赖外部浏览器插件;界面与命令行共用同一条流水线 |
| 转写方案 | sherpa-onnx 配 SenseVoice 小模型为主,faster-whisper 为备;模型随装机脚本下载,可选随包交付 |
| 依赖取舍 | 刻意不装 torch,语音识别走 sherpa-onnx 与 CTranslate2,省下约 2.5 GB |
| 接口密钥 | 接口供应商、模型名、地址与密钥存在本机配置文件里;界面与接口只回掩码,永远不回明文,密钥不进版本库 |
| 排版 | 讲义排版由程序按固定版面生成:宋体 12pt、行距 1.5、首行缩进 2 字符、页边距上下 2.54 厘米与左右 3.17 厘米 |
| 打包与部署 | PyInstaller 免安装目录版,双击即用,删除目录即卸载;不需要预装 Python、ffmpeg 或模型 |
| 操作系统 | Windows 10 / 11(64 位) |
| 外网 | 转写与录制在本机;语义整理需要联网调用大模型接口,这一条在下文边界里说明 |
口径说明:794 项是该项目本机收集的离线用例数(2026-09-29 实测,项目仍在迭代,这个数字会继续增长,测试全部离线);源码 42363 行、76 个源码文件由脚本于 2026-10-15 现场统计,不含测试代码与下载数据;转写速度取实测值,机器不同会有差异。
功能边界
这套系统不做什么
有一条要写在最前面:整理环节需要联网调用大模型接口,音视频本身不出本机,但文字稿会发到你选定的服务商。这一条在界面上也有提示。
录制与转写在本机完成,音视频文件不上传;把文字稿整理成讲义这一步需要调用你配置的大模型接口。不配置接口就只能拿到转写稿与基础产物,这条不藏着。
没有账号体系、没有云端存储、不做多人协作;所有产物落在本机目录里,删掉目录即卸载。
只做术语纠错与一次只修识别错误的自动校对,不提供逐句人工编辑界面;需要精修的部分导出 Word 后自行处理更方便。
平台接口、流格式与访问权限都可能变化,遇到不支持的场次会失败并写明原因,不会静默跳过或拿一段空文件充当产出。
素材能不能下载、能不能再分发,由使用者按平台规则与课程授权自行确认,软件不做这个判断。
V1.0 的交付形态是 Windows 10 / 11 64 位免安装目录版,不做 macOS 与 Linux 版本。
运行环境
装在什么机器上
| 操作系统 | Windows 10 / 11(64 位) |
|---|---|
| 硬件建议 | Intel Core i5 及以上、8 GB 内存、2 GB 及以上可用硬盘空间;录制的原始音视频与讲义按场次另占空间 |
| 安装方式 | 免安装目录版,主程序约 15 MB。首次运行由装机脚本下载 ffmpeg、ffprobe、yt-dlp 与语音模型(合计约 450 MB),这一步也可以随交付包一起给,使用端不必联网下模型 |
| 外网 | 下载与语义整理需要联网;转写离线。接口密钥只存本机配置文件,界面与接口只回掩码 |
下一步
拿一场你常听的直播试
把一场公开直播或一节录播课给我们,我们出一份完整讲义给你看排版与内容密度,再决定要不要装到你们的内容团队里。