audio-notes

把上课录音在本地转写成带时间戳的文字稿，再由 Claude Code 按知识主题整理成教材式、带复习题的 Obsidian 笔记。转写免费，录音不离开你的电脑。

录音（m4a/mp3/wav…） ──► faster-whisper 本地转写（GPU） ──► transcripts/*.txt
                                                              │
                         Claude Code（audio-notes skill） ◄───┘
                                     │
                                     ▼
            Obsidian：<学期>/<课程>/<课程>-第N周-<主题>.md
            （概览 · 知识框架图 · 定义 / 考点框 · 对比表 · 流程图 · 考点速记 · 折叠复习题）

特点

• 本地免费转写：faster-whisper large-v3-turbo + GPU，45 分钟的课约 1–4 分钟转完；没有 GPU 时自动改用 CPU。
• 针对课堂录音调过：
  • 关闭“以上文为提示”，避免 Whisper 在长录音里陷入重复或幻觉循环；
  • 过滤常见的幻觉套话（“请不吝点赞订阅……”）；
  • 繁体转简体，去掉混入的日文假名和韩文；
  • 按停顿把碎句合并成段落，每段带时间戳；
  • --terms 传入课程术语，减少同音错字。
• 笔记按主题组织，不按录音分：同一主题跨多段录音会合成一份，下周接着讲会并进已有的笔记。
• 个人配置与代码分离：库路径、课程表等写在不入库的 skill/local.md 里。

环境要求

• Windows + WSL2（Ubuntu），NVIDIA 显卡（可选）
• Claude Code
• Obsidian（笔记用了 callout 和 mermaid）

为什么跑在 WSL 里：开启 Windows「智能应用控制」的电脑会拦截 ctranslate2、av 等未签名 DLL，导致 Windows 版 faster-whisper 无法加载；WSL 不受影响，也能直接使用 GPU。没有这个限制的话，脚本稍作修改也可以在 Windows 或 Linux 上原生运行。

安装

1. 在 WSL 里装转写环境

curl -LsSf https://astral.sh/uv/install.sh | sh      # 已有 uv 可跳过
uv venv -p 3.12 ~/.venvs/audio-notes
VIRTUAL_ENV=~/.venvs/audio-notes uv pip install -r requirements-wsl.txt

第一次转写时会自动下载 large-v3-turbo 模型（约 1.6GB）。

2. 把 skill 装进 Claude Code（Windows PowerShell，在项目目录下执行）

New-Item -ItemType Junction -Path "$env:USERPROFILE\.claude\skills\audio-notes" -Target "$PWD\skill"
Copy-Item skill\local.example.md skill\local.md   # 然后填上你的路径和课程表

使用

一条龙：把录音放进项目根目录，在 Claude Code 里说“有新录音，计算机网络第三周”。Claude 会依次：

1. 转写；
2. 通读文字稿，按主题写笔记并配复习题；
3. 把笔记放进 Obsidian 对应的课程目录；
4. 把录音移到 audio/ 归档。

只转写：

# WSL 里
bash transcribe.sh '/mnt/d/录音/第三周.m4a' --terms '计算机网络,TCP,拥塞控制'
# Windows 里（路径可以写成 Windows 形式，会自动转换）
wsl -e bash /mnt/d/path/to/audio-notes/transcribe.sh 'D:\录音\第三周.m4a'

在 Git Bash 里调用 wsl 时，命令前要加 MSYS_NO_PATHCONV=1。

参数	作用
--terms "术语1,术语2"	课程术语，提高专业词识别率
--model medium	换更小的模型（更快，准确率略低）
--out <目录>	输出目录，默认 transcripts/
--force	已转写过的也重新转

目录

transcribe.py            转写脚本
transcribe.sh            WSL 启动脚本（设置 CUDA 库路径）
requirements-wsl.txt     WSL 环境依赖
skill/SKILL.md           Claude Code skill：转写 → 读稿 → 按主题写笔记 → 放进 Obsidian
skill/local.example.md   本机配置示例（复制为 local.md，不入库）
transcripts/  audio/     转写稿、已处理的录音（不入库）

已知局限

• 教室远场录音的专业术语错字较多。笔记阶段由 Claude 根据上下文纠正，实在确定不了的会列进“待核对”。录音时手机离讲台越近越好。
• 转写不区分说话人。
• 实测对比过：large-v3 比 large-v3-turbo 慢约 3 倍，而且更容易产生幻觉；FunASR Paraformer 在这类录音上断句较乱。所以默认用 turbo。

License

MIT