小奥录音更新：实时字幕500ms、说话人分离优化、导出pdf、加入安全认证等

关于小奥录音 OddMinutes

小奥录音是一个开源的智能音频会议系统，支持实时录音、AI 转录、智能摘要生成和音字联动功能，也支持导入已有的音频进行转录、总结。跟 Meetily 一样，支持全链路私有化部署，完全离线运行。

Slogan：让会议的每一分钟，都被听见、被记录、被理解 —— OddMinutes 小奥录音

项目地址：https://github.com/oddmeta/oddminutes
文档地址：https://oddmeta.net/docs/oddminutes/

安装：pip install oddminutes
运行：oddminutes
Web前端: http://localhost:9011

最近两个周末，一边改 OddASR，一边陆陆续续的用 OddASR 再来一点点完善小奥录音的各项功能，今天向pypi发布了个阶段性的版本v0.1.10。然后这里汇总一下与上个版本相比做的一些修改、调整与完善，简单讲的话主要就是：围绕实时字幕、导出功能、说话人识别、AI纪要等核心体验进行了一些升级。具体看下面。

一、新功能

1. 实时字幕上线（500ms 超低延迟）

结合最新版 OddASR，小奥录音加入了实时字幕功能，首字时延低至500ms！

• 字幕风格参照主流音乐播放器，支持拖动调整字幕显示位置
• 默认不启用，可在系统设置中手动开启
• 录音控制面板新增「显示字幕」按钮，一键控制字幕显隐

2. 导出功能全新重构

导出功能经过彻底重设计：

• 点击导出按钮后弹出选择框，可自由勾选导出内容：音频文件、会议文本、AI摘要
• 导出前自动检查数据库中是否已有对应的 PDF 文件，智能判断是否需要重新生成
• 勾选的导出文件自动打包成ZIP提供下载，文件名用会议名称（中文文件名兼容）
• 导出的 PDF 新增页眉小奥录音 Logo + Slogan、页脚副标题与官网地址
• PDF 支持水印，包含产品标识与导出时的登录用户信息，防泄漏更安心
• 导出接口必须登录后才能操作

3. 说话人能力增强

利用最新版本的 OddASR，对说话人分离功能进行了一些优化，可指定本会议中最多有多少人发言，包括自动检测说话人的最大数据和实际分离的数量，同时转写后生成的说话人0，说话人1，说话人2也可支持在界面上修改名字，并支持同一说话人修改后，在整个会议里批量改名更新。

• 说话人名字编辑：转录文本界面双击说话人即可编辑名字；若某说话人修改了名字，会提示是否将本会议中所有相同说话人的名称一并替换，界面与数据库同步更新
• 离线说话人分离人数配置：根据 OddASR 接口支持，可指定本会议中最多有多少人发言（offlinePresetSpkNum/offlineMaxNumSpks）

需要配合OddASR v2.5.5 才能支持，要体验此功能，需先升级一下 OddASR。

pipinstall-Uoddasr

4. AI 纪要全面升级

这些功能都是我自己这几天使用中一点点完善的，有的问题是受限于硬件配置（受限于大模型最大上下文，AI摘要的时候切片进行摘要，然后再合并成一个完整的摘要）。

• AI摘要滑动窗口可配置：块大小 5000、重叠 1000、步进 4000 三个参数可在系统设置中调整并持久化
• AI摘要面板全新改版：从卡片列表样式重设计为正式的报告/纪要文档样式，包含报告头部（会议名、生成时间、元信息）与精致排版，支持打印/PDF 导出
• 启动自动初始化模板：启动时自动检测 AI 摘要模板是否存在，缺失时自动补全初始化数据

5. 用户体系接入

这个功能的主要目的是想保护一下数据，原先的时候没有用户、权限的管理，启动了OddMinutes后就直接可以看到所有会议，感觉这样不太安全，也没有什么隐私，所以就顺手给加了个简易的用户认证子系统。

• 所有数据表加入user 属性
• 所有业务 API（会议、录音、转写、摘要等）现在均需要携带有效的 Token才能访问
• 正在评估中国电信 API 数据结构规划新版本适配（只是看到了一个中国电信的API文档，感觉有点意思，但是没实际需求，所以做不做什么时候做，要看心情）

二、体验优化

一些勉强可以称得上优化的调整。

• 转录文本分段优化：按句号、问号、感叹号智能分段，避免同一人超长语音堆挤成超大段落
• 编辑模式重构：编辑按钮移动到每个 segment，悬浮时显示，支持逐段编辑；编辑未保存的内容会在界面标出
• 编辑后播放定位修复：编辑状态下点播放，文字位置重新计算，准确定位到当前片段
• 音频收发日志优化：音频收发与流式转写 WebSocket 状态日志更清晰
• 通知历史优化：标题中增加会议名称，方便快速定位
• Tailwind 本地化：将 CDN 引入的 Tailwind 改为本地资源，离线环境也可用
• 静音裁剪开关：音频转 MP3 后是否去首尾静音改为配置项控制

三、Bug 修复

使用中发现的一堆杂七杂八的问题，一个个修复了一下。

• 静音裁剪过度剪切：修复裁剪导致大量有效音频内容被误剪的问题（FFmpeg 7.x 兼容处理）
• 音频进度条无法拖动：新增修复功能，重新编码 MP3 修复 VBR 头信息与 seek 表，解决浏览器播放进度条定位不准的问题
• AI 摘要无法重新生成：修复生成一半服务端退出后无法再次生成的问题
• Linux 版本号异常：修复 Linux 环境下检测到版本号为 0.0.0 的问题
• 系统通知错误：修复修改系统配置时通知标题误显示为会议名称的问题
• 会议标题更新：更新标题前先判断是否有变化，避免无效触发

四、工程与部署

• 打包优化：构建 wheel 时排除编译临时文件（__pycache__/.pyc），避免 “is not a supported wheel on this platform” 等跨平台安装报错
• 版本检查：新增自动检测新版本功能（从 PyPI 获取最新版本），方便及时更新

五、下期预告

• 中国电信 API 版本适配（别期待，做不做看心情）
• 持续打磨实时字幕与导出体验

感谢大家的关注与支持！有任何问题或建议，欢迎留言反馈 🙌

Slogan：让会议的每一分钟，都被听见、被记录、被理解 —— OddMinutes 小奥录音

项目地址：https://github.com/oddmeta/oddminutes
文档地址：https://oddmeta.net/docs/oddminutes/