pretyflaco/millet

解決的問題

Millet 是一款用於從任意應用程式（Zoom、Teams、Meet 等）錄製與處理會議音訊的工具，可產生高品質、具說話人識別的轉錄文字與 AI 生成的摘要。它解決了同時擷取系統音訊與麥克風輸入的挑戰，並將原始音訊轉換為結構化、專業的文件。

工作原理

• 音訊擷取：在 Linux 上使用 PipeWire/PulseAudio 與 ffmpeg 擷取雙通道音訊（麥克風在左，系統音訊在右）。
• 轉錄：使用 WhisperX 實現快速批量轉錄，支援單字級時間戳，並支援多種 ASR 後端，包括 Apple Silicon 專用的 MLX。
• 說話人分離：使用 pyannote-audio 識別不同說話人。利用雙通道訊號自動將本地使用者標記為 "YOU"，其他人則標記為 "REMOTE"。
• 摘要生成：透過 Ollama（本地）、OpenRouter、Claude Max 或硬體認證的 Tinfoil TEE 處理轉錄文字，實現最大隱私保護。產生包含待辦事項、決策與關鍵主題的結構化摘要。
• 輸出格式：產生多種格式，包括純文字、SRT、JSON 以及支援 Unicode 與 RTL 的專業 PDF。

適用對象

• 需要在多個平台間可靠記錄會議的 Linux 與 macOS 使用者。
• 追求本地優先處理或硬體認證安全飛地的 注重隱私的使用者。
• 需要結構化會議筆記、待辦事項與專業 PDF 報告的 專業人士。

主要亮點

• 應用程式無關：適用於任何透過系統喇叭播放音訊的應用程式。
• 隱私預設：包含 confidential 預設，使用 Tinfoil TEE 確保提示對服務提供者不可見。
• 語音指紋識別：透過語音嵌入設定檔，自動識別跨不同會議的已知說話人。
• 語音轉 PDF：從原始音訊擷取到生成帶頁碼的專業 PDF 的完整流程。
• 結構化元資料：每個摘要均包含 YAML 前置元資料與 JSON 邊欄檔案，便於後續工具索引。