本專案為一款基於 Streamlit 的 AI 工具，結合語音轉文字與摘要生成模型，可自動將會議錄音或逐字稿轉換為條列式會議記錄，大幅減少人工紀錄時間，提升效率與準確度。

• 整合 API 登入驗證
• 支援工號與密碼認證
• 安全的 Session 管理
• 個人化檔案儲存空間

• 上傳錄音檔（支援 .m4a、.wav、.mp3、.mp4）
• 使用 Whisper 模型進行中文語音辨識
• 自動轉換為 16kHz 單聲道 WAV 格式
• 輸出 VTT 格式逐字稿（含時間戳記）
• 可編輯與下載轉錄結果

• 上傳 .vtt 格式逐字稿
• 自訂提示語引導摘要風格
• 智能文本分段處理（避免超出 Token 限制）
• 自動生成重點摘要
• 支援 .txt 與 .docx 格式下載

• 僅需上傳錄音檔
• 自動完成語音轉文字與摘要生成兩步驟
• 快速取得會議重點
• 一鍵下載完整會議記錄

VoiceMeetingSummary_GIT/
├── assets/                     # 靜態資源
│   ├── bg_2.png               # 背景圖片
│   └── summary_icon.png       # 應用程式圖示
├── controllers/                # 控制層
│   └── meeting_controller.py  # 主視覺頁面與功能流程控制
├── models/                    # 模型層
│   ├── audio_transcriber.py   # 語音辨識模組（Whisper）
│   ├── document_generator.py  # 檔案處理、儲存與分段
│   └── llm_summarizer.py     # 摘要生成模組（LLM）
├── uploads/                   # 上傳檔案暫存
├── outputs/                   # 輸出檔案儲存
├── config.py                  # 設定檔
├── rag_engine.py             # 主程式入口點（含登入系統）
├── README.md                 # 專案說明文件
├── requirements.txt          # Python 依賴套件
├── template.docx            # Word 文件範本
└── Dockerfile               # Docker 容器設定

• rag_engine.py：主程式入口點，包含登入系統與主應用程式邏輯
• meeting_controller.py：會議記錄助理核心功能控制
• audio_transcriber.py：語音辨識模組（使用 Whisper 模型，支援中文轉錄）
• llm_summarizer.py：摘要生成模組（整合大型語言模型）
• document_generator.py：文件處理模組（VTT解析、Word生成、檔案儲存）
• config.py：應用程式設定（背景圖路徑、使用者ID預設值、API設定等）

• Python: 3.10
• 作業系統: Windows / macOS / Linux
• 瀏覽器: Chrome / Firefox / Safari（建議）

# 安裝依賴套件
pip install -r requirements.txt

# 啟動應用程式
streamlit run rag_engine.py

🌐 存取網址: http://10.5.61.81:18511/

• 輸入工號與密碼
• 系統驗證身份（連接內部 API）
• 登入成功後進入主功能界面

• 🎙️ 音檔轉逐字稿：僅轉錄音檔為文字
• 📝 逐字稿生成摘要：上傳現有 VTT 檔案生成摘要
• 🎙️+📝 音檔生成摘要：一步完成轉錄與摘要

• 音檔格式：.m4a、.wav、.mp3、.mp4
• 逐字稿格式：.vtt
• 檔案大小：建議小於 100MB

• 修改預設提示語以引導摘要風格
• 系統會記住您的提示語偏好
• 支援繁體中文輸出

• 點擊「開始執行」按鈕
• 系統顯示即時處理進度
• 耐心等待處理完成

• 逐字稿：.vtt 格式（含時間戳記）
• 摘要檔案：.txt、.docx 格式
• 所有檔案自動儲存至個人資料夾

• Streamlit: Web 應用程式框架
• OpenAI Whisper: 語音轉文字（支援中文）
• ffmpeg: 音檔格式轉換（需系統安裝）
• requests: API 請求處理
• python-docx / docxtpl: Word 文件生成與模板處理
• Transformers: 自然語言處理

• Python: 3.10+
• 記憶體: 建議 8GB 以上
• 硬碟空間: 2GB（含 Whisper 模型）
• 網路: 需連接內部 API 服務

• 語音模型: Whisper (base/small/medium 可配置)
• 自動下載: 首次使用會自動下載模型檔案
• 語言支援: 主要針對繁體中文優化

# API 設定
LOGIN_API_URL = "http://10.5.61.129:6666/auth/login"

# 路徑設定
BACKGROUND_IMAGE_PATH = "assets/bg_2.png"
UPLOAD_PATH = "uploads/"
OUTPUT_FOLDER = "outputs/"

# Whisper 模型設定
AUDIO_MODEL_TYPE = "base"  # 可選: tiny, base, small, medium, large

# 預設值
DEFAULT_USER_ID = "user_001"

# 設定 API 端點
export MEETING_API_URL="http://your-api-server:port"

# 設定模型類型
export WHISPER_MODEL="medium"

• MVC 架構: 控制層、模型層分離
• 模組化設計: 各功能獨立模組
• 錯誤處理: 完整的異常捕獲機制
• 日誌記錄: 詳細的操作日誌

1. 音檔轉錄失敗

   • 檢查 ffmpeg 是否正確安裝
   • 確認音檔格式是否支援
   • 檢查檔案大小是否過大

2. 登入無法成功

   • 確認 API 端點連線狀態
   • 檢查工號密碼是否正確
   • 查看網路連線是否正常

3. 摘要生成失敗

   • 檢查逐字稿內容是否完整
   • 確認 LLM 服務是否正常
   • 檢查提示語格式是否正確

• 使用較小的 Whisper 模型（tiny/base）提升速度
• 定期清理 uploads 和 outputs 資料夾
• 建議音檔長度控制在 60 分鐘內

• 問題回報: 請建立 GitHub Issue
• 功能建議: 提交 Feature Request
• 程式貢獻: 歡迎 Pull Request

• 版本發布: 遵循語意化版本號
• 安全更新: 定期更新依賴套件
• 功能迭代: 根據使用者回饋持續改進

本專案為內部開發使用，採用內部授權條款。如需商業應用或對外授權，請聯繫開發團隊。

1. 環境準備: 確保 Python 3.10+ 已安裝
2. 套件安裝: pip install -r requirements.txt
3. 服務啟動: streamlit run rag_engine.py
4. 開啟瀏覽器: 前往 http://10.5.61.81:18511/
5. 登入系統: 使用您的工號與密碼
6. 開始使用: 上傳音檔，享受 AI 助理服務！

最後更新：2025年6月