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 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

   git clone <your-repository-url>
   cd AI_meeting_assistant
   

2. 建立並啟用虛擬環境

   python -m venv venv
   # Windows
   venv\Scripts\activate
   # macOS / Linux
   source venv/bin/activate
   

3. 安裝 Python 依賴套件

   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。

     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。

     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

     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。

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：

   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：

   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