pretyflaco/millet

解决的问题

Millet 是一款用于从任意应用程序（Zoom、Teams、Meet 等）录制和处理会议音频的工具，可生成高质量、带说话人识别的转录文本和 AI 生成的摘要。它解决了同时捕获系统音频和麦克风输入的挑战，并将原始音频转化为结构化、专业的文档。

工作原理

• 音频捕获：在 Linux 上使用 PipeWire/PulseAudio 和 ffmpeg 捕获双通道音频（麦克风在左，系统音频在右）。
• 转录：使用 WhisperX 实现快速批量转录，支持单词级时间戳，并支持多种 ASR 后端，包括 Apple Silicon 专用的 MLX。
• 说话人分离：使用 pyannote-audio 识别不同说话人。利用双通道信号自动将本地用户标记为 "YOU"，其他人为 "REMOTE"。
• 摘要生成：通过 Ollama（本地）、OpenRouter、Claude Max 或硬件认证的 Tinfoil TEE 处理转录文本，实现最大隐私保护。生成包含待办事项、决策和关键主题的结构化摘要。
• 输出格式：生成多种格式，包括纯文本、SRT、JSON 以及支持 Unicode 和 RTL 的专业 PDF。

适用人群

• 需要在多个平台间可靠记录会议的 Linux 和 macOS 用户。
• 追求本地优先处理或硬件认证安全飞地的 注重隐私的用户。
• 需要结构化会议笔记、待办事项和专业 PDF 报告的 专业人士。

主要亮点

• 应用无关：适用于任何通过系统扬声器播放音频的应用程序。
• 隐私预设：包含 confidential 预设，使用 Tinfoil TEE 确保提示对服务提供商不可见。
• 语音指纹识别：通过语音嵌入配置文件，自动识别跨不同会议的已知说话人。
• 语音转 PDF：从原始音频捕获到生成带页码的专业 PDF 的完整流程。
• 结构化元数据：每个摘要均包含 YAML 前置元数据和 JSON 侧边文件，便于下游工具索引。