程式語言與應用框架
- Python
- Flask
以 Python 生態系整合模型處理，Flask 提供應用服務介面。將語音資料、文字處理及輸出結果串成服務，銜接會議處理所需的各項 AI 元件。
技術應用情境示意
WhisperTransformersFlaskMongoDB
THE CHALLENGE
解決的問題
會議語音需要依序完成辨識、整理與摘要，並串接應用服務及資料保存流程。
WHAT WE DELIVER
交付成果
- 01Whisper 語音辨識整合
- 02逐字稿與重點摘要生成
- 03服務介面與 MongoDB 資料保存
成果與技術價值
完成從會議語音到文字摘要的自動化流程，建立語音與文件 AI 服務串接能力。
技術架構與實作
以語音辨識、文字模型與資料服務串接會議處理，把錄音內容轉為逐字稿及可檢視的重點摘要。
語音辨識與逐字稿
- Whisper
- 語音轉文字
整合 Whisper 語音辨識，把會議語音轉為文字內容。先形成逐字稿，再將文字交給後續整理流程，區分語音辨識與摘要生成各自的處理責任。
文字模型與摘要生成
- Transformers
- 重點摘要
使用 Transformers 相關模型工具銜接文字處理及摘要流程，把逐字稿整理為會議重點。工程重點是語音輸出與文字模型輸入的串接，形成完整自動化處理路徑。
資料保存與服務整合
- MongoDB
- API 服務
以 MongoDB 銜接會議處理相關資料保存，並整合應用服務介面。把模型結果與資料服務連接，使逐字稿及摘要能成為系統可使用的資訊。
系統運作流程
- 01
辨識會議語音
由 Whisper 將錄音內容轉為逐字稿。
- 02
整理文字與摘要
將辨識結果交給文字處理及摘要流程。
- 03
保存並提供結果
銜接 MongoDB 及服務介面提供會議資訊。
案例依產業與技術成果呈現，客戶與專案識別資訊已去識別化。