Podcast Recap Local ASR

端侧播客录音、转写与复盘工具。

把系统内录、麦克风录音、本地媒体和 URL 媒体转成可检索的播客笔记，并在隐私边界清晰的前提下生成摘要、标签、高光和单期问答。

快速开始 · 功能亮点 · 架构 · 隐私边界 · 开发流程

---

目录

• 项目概览
• 功能亮点
• 运行效果
• 架构
• 技术栈
• 快速开始
• 模型与依赖资产
• 隐私边界
• 测试与质量门禁
• 项目结构
• 开发流程
• 路线图
• 许可证

项目概览

Podcast Recap Local ASR 是一个 Android Kotlin + Jetpack Compose 应用骨架，面向“听播客、录播客、复盘内容”的本地优先工作流。

它把音频采集、端侧语音处理、会话持久化、AI 总结和导出组织成一条完整链路：

1. 通过系统内录、麦克风、本地音视频文件或 URL 导入创建播客会话。
2. 在本机完成音频切片、VAD、SenseVoice 转写和说话人分离标注。
3. 只把转写文本、时间戳和说话人标签发送给 DeepSeek，用于摘要、标签、高光和问答。
4. 将最终结果保存为结构化会话，可在详情页复制、追问或导出。

功能亮点

能力	当前状态	说明
播客会话管理	可用	新建、重命名、暂停、续录、完成、历史详情
音频来源	可用	系统内录、麦克风录音、本地音视频导入、URL 导入
URL 导入	可用	支持小宇宙单集链接、直链媒体、RSS/XML enclosure
端侧转写	已接入骨架	SenseVoice sherpa-onnx 模型随 APK assets 安装到私有目录
VAD	已接入骨架	Silero VAD assets 校验与状态展示
说话人分离	已接入骨架	speaker segmentation / embedding assets 校验与标签展示
AI 摘要	可用	DeepSeek 生成概览、要点、行动项、开放问题、金句候选和时间线章节
单期问答	可用	基于当前会话内容追问，支持失败重试
导出	可用	Markdown、TXT、JSON
隐私提示	可用	首次启动隐私弹窗、设置页模型状态和 API Key 状态

运行效果

当前仓库没有提交真实截图，README 不引用不存在的图片。核心界面包括：

• 首页：播客卡片、录音控制、导入入口、模型状态、处理阶段反馈。
• AI：选择已有播客后进入对话，围绕单期内容追问。
• 详情：转写、结构化摘要、标签、高光、问答历史、导出菜单。
• 设置：DeepSeek API Key、本地模型状态、VAD/说话人分离和摘要偏好。

架构

flowchart LR
    A["Audio sources<br/>Internal / Microphone / Local media / URL"] --> B["Capture & import<br/>AudioRecord / MediaProjection / MediaExtractor / OkHttp"]
    B --> C["Local processing<br/>PCM chunking / VAD / SenseVoice ASR / Diarization"]
    C --> D["Session repository<br/>Settings / Sessions / Segments / Summaries"]
    D --> E["Compose UI<br/>Home / AI / History / Detail / Settings"]
    D --> F["DeepSeek clients<br/>Summary / Tags / Highlights / QA"]
    F --> D
    D --> G["Export<br/>Markdown / TXT / JSON"]

Loading

模块分层

app/src/main/java/com/example/blogrecording/
  audio/          音频采集、PCM 流、切片、重采样、静音检测
  asr/            SenseVoice 识别与转写片段组装
  common/         Result、错误模型、协程调度、日志
  data/           设置、会话、模型资产、JSON 编解码与恢复
  diarization/    说话人分离、标签与 profile 管理
  export/         Markdown / TXT / JSON 导出
  importing/      本地媒体与 URL 媒体导入
  qa/             单期问答 prompt 与 DeepSeek 客户端
  recording/      分段录音控制器
  security/       API Key 本地加密存储
  service/        前台录音服务与通知状态
  summary/        摘要、标签、高光、时间线章节
  ui/             Compose 页面、状态映射与导航
  vad/            VAD 模型与语音片段

技术栈

• Android Gradle Plugin 9.0.1
• Kotlin 2.0.21
• Jetpack Compose + Material 3
• AndroidX DataStore Preferences
• Kotlin Coroutines
• OkHttp
• sherpa-onnx Android AAR
• SenseVoice / Silero VAD / speaker diarization ONNX assets
• DeepSeek Chat Completions API
• JUnit + AndroidX Instrumentation Test
• OpenSpec + GitHub Actions quality gate

快速开始

环境要求

• JDK 21
• Android SDK，compileSdk 36
• Windows PowerShell 或兼容 Gradle Wrapper 的终端
• 可用的 Android 设备或模拟器
• 如需 AI 摘要/问答，在 App 设置页填入 DeepSeek API Key

克隆与构建

git clone https://github.com/zhitongliu061115-cpu/BlogRecording.git
cd BlogRecording
.\gradlew.bat testDebugUnitTest
.\gradlew.bat :app:assembleDebug

Debug APK 输出位置：

app/build/outputs/apk/debug/app-debug.apk

安装到设备

.\gradlew.bat installDebug

首次启动时，应用会把 APK assets 中的模型复制到 App 私有目录，并在设置页展示加载状态。

模型与依赖资产

构建前必须存在真实模型和 AAR 文件。Gradle 已注册 verifyBundledModels，缺少或为空会导致 preBuild 失败，避免生成不可用 APK。

app/libs/sherpa-onnx-static-link-onnxruntime-1.13.2.aar
app/src/main/assets/models/sensevoice/model.int8.onnx
app/src/main/assets/models/sensevoice/tokens.txt
app/src/main/assets/models/vad/silero_vad.onnx
app/src/main/assets/models/diarization/segmentation.onnx
app/src/main/assets/models/diarization/embedding.onnx

资产管理建议：

• 私有仓库可使用 Git LFS 管理 .onnx 与 .aar。
• 公开仓库发布前，应确认第三方模型与 AAR 的许可证允许分发。
• 不要用空文件或占位文件绕过 verifyBundledModels。

隐私边界

这个项目按“音频本地处理，文本可选云端总结”设计。

数据类型	处理位置	说明
原始音频、PCM、音频片段	本机	不上传
声纹向量、speaker embedding	本机	不上传
API Key	本机	Android Keystore + AES/GCM 加密后保存
转写文本、时间戳、说话人标签	可发送给 DeepSeek	仅用于摘要、标签、高光与问答
导出文件	用户选择的位置	支持保存或分享

测试与质量门禁

常用本地检查：

git status --short
git diff --check
.\gradlew.bat testDebugUnitTest
.\gradlew.bat :app:assembleDebug

完整 harness：

.\scripts\harness.ps1 -Change <openspec-change-id>

有设备或模拟器时，可追加连接测试：

.\scripts\harness.ps1 -Change <openspec-change-id> -ConnectedAndroidTest

GitHub Actions workflow 位于：

.github/workflows/change-quality-gate.yml

它会执行 OpenSpec validate、Gradle clean、Debug APK 构建、单元测试、Android lint，并上传 APK、测试报告、lint 报告和手动 QA 清单。

项目结构

.
├── app/                         Android App 模块
│   ├── libs/                    sherpa-onnx AAR
│   └── src/
│       ├── main/                Kotlin 源码、Compose UI、Manifest、assets
│       ├── test/                JVM 单元测试
│       └── androidTest/         Android instrumentation tests
├── docs/                        Git 与 SDD/Harness 规范
├── gradle/                      Wrapper 与版本目录
├── openspec/                    规格驱动开发变更与 specs
├── scripts/harness.ps1          本地质量门禁脚本
├── build.gradle.kts
├── settings.gradle.kts
└── README.md

开发流程

本仓库使用 OpenSpec 管理需求与变更。涉及功能、权限、网络、模型、存储或安全边界的修改，建议先创建或更新：

openspec/changes/<change-id>/
  proposal.md
  design.md
  tasks.md
  specs/

推荐提交前检查：

git status --short
git diff --check
git diff --stat
.\gradlew.bat testDebugUnitTest
.\gradlew.bat :app:assembleDebug

提交前请确认：

• 不提交 local.properties、证书、Token、API Key 或个人路径。
• 不提交真实用户录音、转写文本、摘要内容或调试日志。
• 涉及行为变化时同步补充或更新测试。
• 涉及权限、网络、模型或密钥存储时，在 PR 中说明隐私和安全影响。

路线图

• 补充真实设备截图或 GIF，展示首页、AI 问答、详情导出流程。
• 完善 sherpa-onnx 原生识别链路的端到端验收记录。
• 扩展 URL 导入来源和失败提示。
• 强化长音频分片转写的恢复能力和进度展示。
• 为关键 Compose 流程补充更多 instrumentation tests。

许可证

本项目核心的端侧转写与复盘代码完全开源免费，并基于极度宽松的 MIT License 许可证分发。

我们秉持 Community over Code 的社区文化。这意味着： 您可以极其自由地使用、复制、修改、合并、出版发行、散布、再授权甚至贩售本软件及其副本。您唯一的义务是：在软件和软件的所有副本或主要部分中，都必须包含原有的版权声明和许可声明。

让每一次倾听都有回响——隐私归你，知识沉淀。

如果这个项目帮你把播客内容变成了更可用的知识资产，欢迎 star、提 issue 或按 OpenSpec 流程提交 PR。

回到顶部