# AI Meeting Assistant

AI Meeting Assistant 是一個功能強大的 Web 應用程式，旨在簡化和自動化會議後續處理流程。它提供了一系列工具，包括從影片中提取音訊、將音訊轉錄為文字、對逐字稿進行多語言翻譯，以及生成專業的會議結論。


## ✨ 功能特色

- **影片轉音訊**: 從常見的影片格式（MP4, MOV, AVI）中快速提取 `.wav` 音訊檔案。
- **AI 音訊轉文字**: 使用 OpenAI Whisper 模型將音訊轉錄為帶有精確時間戳的逐字稿。
  - **AI 人聲分離**: 內建 Demucs 模型，可在轉錄前分離人聲，有效處理背景嘈雜的音訊。
  - **多語言支援**: 支援中文、英文、日文、韓文等多種語言的自動偵測與轉錄。
- **AI 逐段翻譯**: 整合 Dify AI 平台，提供高品質的逐字稿全文對照翻譯。
- **AI 會議結論**:
  - **初版摘要**: 自動生成會議的重點、待辦事項和結論。
  - **迭代修改**: 可根據您的指示，對已生成的結論進行多次修改和完善。
- **現代化介面**: 採用 Bootstrap 5 構建，提供清晰、專業且響應式的使用者體驗。
- **Docker 化部署**: 提供 Docker 和 Docker Compose 設定，實現一鍵啟動所有服務（Web, Celery, Redis），並支援 CPU 和 GPU 環境。

## 🛠️ 環境要求

在本地端執行此專案之前，請確保您已安裝以下軟體：

- **Python**: 3.9 或更高版本。
- **Redis**: 用於 Celery 的訊息代理和後端。
- **FFmpeg**: 一個處理多媒體內容的開源工具集。請確保 `ffmpeg` 指令可在您的終端機中直接執行。
  - **Windows**: 可從 [官網](https://ffmpeg.org/download.html) 下載，並將其 `bin` 目錄加入系統的 `PATH` 環境變數。
  - **macOS (使用 Homebrew)**: `brew install ffmpeg`
  - **Linux (Debian/Ubuntu)**: `sudo apt update && sudo apt install ffmpeg`

## 🚀 本地端啟動指南

1.  **克隆專案**
    ```bash
    git clone <your-repository-url>
    cd AI_meeting_assistant
    ```

2.  **建立並啟用虛擬環境**
    ```bash
    python -m venv venv
    # Windows
    venv\Scripts\activate
    # macOS / Linux
    source venv/bin/activate
    ```

3.  **安裝 Python 依賴套件**
    ```bash
    pip install -r requirements.txt
    ```
    *注意：`requirements.txt` 預設安裝 GPU 版本的 PyTorch。如果您的電腦沒有 NVIDIA GPU，請在安裝前將 `requirements.txt` 中的 `torch` 和 `torchaudio` 相關行替換為 CPU 版本：*
    ```
    # torch --extra-index-url https://download.pytorch.org/whl/cu118
    # torchaudio --extra-index-url https://download.pytorch.org/whl/cu118
    torch
    torchaudio
    ```

4.  **設定環境變數**
    - 將 `.env.example` 檔案複製為 `.env`。
    - 在 `.env` 檔案中填入您的 Dify API 金鑰。
    ```
    DIFY_API_KEY="your_dify_api_key_here"
    ```

5.  **啟動服務**
    您需要開啟 **三個獨立的終端機**，並在每個終端機中啟用虛擬環境 (`venv`)：

    - **終端機 1: 啟動 Redis**
      如果尚未執行，請啟動您的 Redis 伺服器。
      ```bash
      redis-server
      ```

    - **終端機 2: 啟動 Celery Worker**
      此背景處理器將執行所有耗時的 AI 任務。
      ```bash
      celery -A tasks.celery worker --loglevel=info --pool=solo
      ```
      *在 Windows 上，可能需要使用 `gevent` 或 `eventlet` 作為執行池：`celery -A tasks.celery worker --loglevel=info -P gevent`*

    - **終端機 3: 啟動 Flask Web 應用**
      ```bash
      flask run
      ```
      應用程式將在 `.env` 檔案中指定的 Port（預設為 `12000`）上執行。

6.  **訪問應用**
    在瀏覽器中開啟 `http://127.0.0.1:12000`。

## 🐳 Docker 部署指南

使用 Docker 是部署此應用的推薦方式，因為它能自動處理所有服務和依賴。

1.  **安裝 Docker 和 Docker Compose**
    請確保您的系統已安裝 [Docker](https://www.docker.com/products/docker-desktop/)。

2.  **設定環境變數**
    - **重要**: Docker 使用的是容器網路，因此需要將 Redis 的主機名稱指向 Docker Compose 中定義的服務名稱。請確認 `.env` 檔案中的 `CELERY_BROKER_URL` 和 `CELERY_RESULT_BACKEND` 指向 `redis`：
      ```
      CELERY_BROKER_URL="redis://redis:6379/0"
      CELERY_RESULT_BACKEND="redis://redis:6379/0"
      ```

3.  **建構並啟動容器**
    在專案根目錄下執行以下指令：
    ```bash
    docker-compose up --build
    ```
    - **GPU 支援**: 如果您的系統支援 NVIDIA GPU 且已安裝 `nvidia-docker-toolkit`，Docker Compose 將會自動使用 `Dockerfile` 中為 GPU 優化的設定來建構映像。
    - **CPU 使用者**: 如果您沒有 GPU，Docker 會自動退回使用 CPU 版本的 PyTorch，無需任何修改。

4.  **訪問應用**
    在瀏覽器中開啟 `http://localhost:12000`。

5.  **停止服務**
    若要停止所有容器，請在終端機中按下 `Ctrl + C`，然後執行：
    ```bash
    docker-compose down
    ```

## 📂 專案結構

```
.
├── app.py                  # Flask 主應用程式
├── tasks.py                # Celery 背景任務 (AI/ML 處理)
├── requirements.txt        # Python 依賴套件
├── Dockerfile              # 用於建構應用程式映像
├── docker-compose.yml      # 一鍵啟動所有服務
├── .env.example            # 環境變數範本
├── .gitignore              # Git 忽略清單
├── README.md               # 專案說明文件
├── templates/
│   └── index.html          # 前端網頁
├── static/
│   ├── css/style.css       # 自訂樣式
│   └── js/script.js        # 前端互動邏輯
├── uploads/                # (自動生成) 儲存上傳的檔案
└── demucs_separated/       # (自動生成) 儲存人聲分離結果
```