关于语音会议自动记录的大概设计思路

关于语音会议的大概设计草图如下：

根据流程图可以看出，我一共分了六个模块分别命名为：

• A_preprocessor（预处理器）：用来对音频进行预处理
• A_file_store（文件存储）：用来管理录音的文件以及记录的文件
• A_recognizer（识别器）：用来进行识别说话人是谁
• A_recorder（录音器）：用来获取音频文件
• A_translator（翻译器）：用来将录音转化为文字记录
• A_windows（窗口）：与用户交互，对该系统进行各种命令操作

下面为每个模块主要使用的python第三方库

• A_preprocessor（预处理器）：librosa、wave
• A_file_store（文件存储）：shutil、functools
• A_recognizer（识别器）：tensorflow
• A_recorder（录音器）：puaudio
• A_translator（翻译器）：tensorflow
• A_windows（窗口）：pyqt5

当然这些只不过是主要使用的，其中应该还有其他的工具类的第三方库需要使用，只不过现在还不清楚都需要哪些，由于技术有限，只有等到真正编码的时候才会知道

可以看出，这里最主要的两个模块就是识别器和翻译器，也是最难的，想要实现准确识别说话人并且可以将语音转化成文字这两个功能，对我来说还是比较困难的，单靠我自己一个人想，肯定是不行的，这里我主要参考了两位大佬的代码

第一个大佬是AI柠檬开发的基于深度学习的中文语音识别系统，参考这个应用到翻译器中我想应该不成问题。

第二个大佬是夜雨飘零开发的基于Tensorflow实现简单的声纹识别模型，参考这个应用到识别器中。

窗口模块已经使用Qt designer开发完成，主要效果如下

 目前的开发进程就是到这里了，还没有一个详细的开发流程，后面的打算就是先理解两位大佬的源码，然后结合他们的源码做出我自己的东西，这里再次感谢两位大佬的源码分享，万分感谢！

        这就是我目前的思路，如果有不对的或者不好的，欢迎各位大佬能够指点迷津。