MeetingMind:AI 会议助手,支持自动转录音频并提取会议中的关键信息

❤️ 如果你也关注大模型与 AI 的发展现状,且对大模型应用开发非常感兴趣,我会快速跟你分享最新的感兴趣的 AI 应用和热点信息,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦


🚀 快速阅读

  1. MeetingMind 是一款 AI 驱动的会议助手,能够自动转录音频并提取关键信息。
  2. 支持录音文件上传、AI 转录、自动提取任务、决策、问题等关键信息。
  3. 基于 Langflow、Next.js 和 Groq 构建,适用于企业会议、远程团队等多种应用场景。

正文(附运行示例)

MeetingMind 是什么

MeetingMind 是一款 AI 驱动的会议助手,能够自动转录音频并提取关键信息,如任务、决策和问题,帮助用户轻松捕获和分析会议内容,采取行动。工具用 Langflow、Next.js 和基于 Groq 的快速转录服务构建,提高会议效率和执行力。

MeetingMind 的主要功能

  • 录音和文件上传:支持用户直接上传会议的音频文件,无需手动输入会议内容。
  • 人工智能驱动的转录:用 AI 技术将会议音频自动转换成文本,提高会议记录的效率。
  • 自动提取关键信息:识别、提取会议中的关键信息,包括任务、决策、问题、见解、截止日期、出席者、后续行动和风险等。
  • 仪表板展示:在仪表板中展示提取的信息,方便用户快速查看和理解会议内容。
  • 行动指导:基于提取的信息,提供行动指导,帮助用户根据会议结果执行后续任务。

MeetingMind 的技术原理

  • 音频处理:MeetingMind 首先接收会议的音频文件,是基于录音功能或用户上传获得的。
  • AI 转录服务:基于 Groq 的快速转录服务,将音频文件转换成文本数据。过程涉及到语音识别技术,将语音信号转换为可读的文本。
  • 自然语言处理(NLP):转录后的文本基于 NLP 技术进行分析,能识别和提取会议中的关键信息和行动点。
  • 信息提取与分类:AI 模型被训练识别不同类型的信息,如任务、决策等,将其分类。
  • 数据展示:提取的信息通过用户界面展示,一般是一个仪表板,用户在这里查看、筛选和执行会议中的关键点。
  • Langflow 集成:MeetingMind 集成 Langflow,用于构建和运行数据处理流程的工具,帮助管理和自动化 AI 转录和信息提取的过程。

如何运行 MeetingMind

Prerequisites

  • Node.js 14.x 或更高版本
  • npm 或 yarn
  • 本地运行的 LangFlow 服务器
  • Git(用于克隆仓库)

Caution

⚠️ 重要提示: Groq Whisper 用于转录和分析,目前仅支持最大 25 MB 的文件。如果音频文件大于 25 MB,需要压缩后再上传。这可能会影响较长会议或高质量录音的处理。

安装步骤

  1. 克隆仓库:
bash 复制代码
git clone https://github.com/yourusername/meetingmind.git
cd meetingmind
  1. 安装依赖:
bash 复制代码
npm install
# 或
yarn install
  1. 设置 LangFlow:
  • 安装并运行 LangFlow 后端服务器
  • 上传位于 utils/langflow_flow/Meeting Mind.json 的 flow 文件
  • 记下 LangFlow 服务器的 URL
  1. 创建 .env.local 文件并在根目录中添加 LangFlow URL:
ini 复制代码
LANGFLOW_FLOW_URL="http://127.0.0.1:7860/api/v1/run/5781a690-e689-4b26-b636-45da76a91915"

将 URL 替换为实际的 LangFlow 服务器 URL。

app/api/transcribe/route.ts 文件中找到 payload 对象并更新 Groq 组件名称,例如:

typescript 复制代码
const payload = {
  output_type: "text",
  input_type: "text",
  tweaks: {
    YourGroqComponentName: {
      audio_file: filePath,
    },
  },
};

'YourGroqComponentName' 替换为 LangFlow 中的实际组件名称。

  1. 设置数据库:

本项目使用 Prisma 作为 ORM,默认配置为使用 SQLite 数据库。

a. 使用本地 SQLite 数据库:

  • 确保 .env 文件包含:
ini 复制代码
DATABASE_URL="file:./dev.db"
  • 运行以下命令设置数据库:
bash 复制代码
npx prisma generate
npx prisma migrate dev --name init

b. 使用其他数据库(例如 PostgreSQL):

  • 更新 .env 文件中的连接字符串:
ini 复制代码
DATABASE_URL="postgresql://username:password@host:port/database?schema=public"
  • 更新 prisma/schema.prisma 文件中的 provider
prisma 复制代码
datasource db {
    provider = "postgresql"
    url      = env("DATABASE_URL")
}
  • 运行上述 Prisma 命令生成客户端并执行迁移。
  1. 运行开发服务器:
bash 复制代码
npm run dev
# 或
yarn dev
  1. 在浏览器中打开 http://localhost:3000 查看结果。

使用方法

  1. 导航到仪表板页面。
  2. 上传音频文件。
  3. 等待 AI 处理和分析会议。
  4. 在仪表板中查看提取的信息。

资源

  1. GitHub 仓库:github.com/misbahsy/me...
  2. 项目官网:meetingmind.app
  3. 文档:meetingmind.app/docs
  4. 论文:arxiv.org/pdf/2410.06...

❤️ 如果你也关注大模型与 AI 的发展现状,且对大模型应用开发非常感兴趣,我会快速跟你分享最新的感兴趣的 AI 应用和热点信息,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦

相关推荐
不去幼儿园21 分钟前
【MARL】深入理解多智能体近端策略优化(MAPPO)算法与调参
人工智能·python·算法·机器学习·强化学习
想成为高手49927 分钟前
生成式AI在教育技术中的应用:变革与创新
人工智能·aigc
YSGZJJ1 小时前
股指期货的套保策略如何精准选择和规避风险?
人工智能·区块链
无脑敲代码,bug漫天飞1 小时前
COR 损失函数
人工智能·机器学习
HPC_fac130520678162 小时前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
小陈phd5 小时前
OpenCV从入门到精通实战(九)——基于dlib的疲劳监测 ear计算
人工智能·opencv·计算机视觉
Guofu_Liao6 小时前
大语言模型---LoRA简介;LoRA的优势;LoRA训练步骤;总结
人工智能·语言模型·自然语言处理·矩阵·llama
gz7seven8 小时前
BLIP-2模型的详解与思考
大模型·llm·多模态·blip·多模态大模型·blip-2·q-former
ZHOU_WUYI10 小时前
3.langchain中的prompt模板 (few shot examples in chat models)
人工智能·langchain·prompt
如若12310 小时前
主要用于图像的颜色提取、替换以及区域修改
人工智能·opencv·计算机视觉