Whisper&deepseek

whispher转写会议音频+deepseek总结项目记录

• 目前通过脚本实现与用户的简单交互：./start.sh 一行命令回车进行录音，再回车结束录音后，Whisper进行转写，deepseek进行总结；效果如下

结果生成在/data/VAproject/output/时间戳目录下

1h40min会议音频测试结果展示在文章末尾，用户也可以通过如下步骤自定义生成docx文件的模版样式（通过pypandoc库实现）；

1. 打开office word/wps，新建一个空白docx文档
2. 设置想要的样式，比如标题1、标题2、正文等
3. 保存样式：修改原样式，勾选基于此模版的新文档
4. 将文件命名为reference.docx，上传到到盒子中localApp.py的同级目录下

• 项目整体达到可使用的水平，但还现存一些模型能力带来的小问题

  1. 极少数情况下，某些段落总结中会夹杂着少许英文，添加提示词强调中文输出无用，不明显；
  2. 通过修改模型参数generation_mode=’greedy’为“penalty_sample”，可以避免无限输出重复内容的问题，但少数情况下，模型并不按照我的提示词模版进行输出；