CLI tapeback：立体声说话者分离 Linux 通话

# Linux 本地 CLI 会议录音工具：立体声扬声器分离与 AI 摘要

CLI 工具 tapeback 通过 PipeWire/PulseAudio 捕获音频，使用 faster-whisper 转录，通过立体声通道分离发言者，并利用大语言模型生成摘要。最终结果是一个 Markdown 文件，直接保存到你指定的目录——甚至是 Obsidian 知识库。只需一条命令开始录音，按 Ctrl+C 结束即可自动触发处理流程：捕获 → 转录 → 发言者分离 → 摘要生成。

支持 Zoom、Teams、Meet、Discord、Telegram。捕获系统音频，无需任何服务 API。

tapeback start
# 会议进行中
# Ctrl+C → 处理 → Markdown

立体声扬声器分离

架构利用立体声 WAV 文件：左声道为你的麦克风（“你”），右声道为显示器音频源（其他人）。Whisper 分别处理每个声道。Pyannote 发言者分离仅运行在右声道上，标记 Speaker 1、2 等。片段根据 RMS 能量水平分类。

物理声道分离消除了聚类错误：不会混淆相似声音，不会将同一发言者拆分到不同簇。GPU 加速提升速度，CUDA 出错时自动回退到 CPU。

┌─────────────┐     ┌──────────────┐     ┌────────────────────┐
│   立体声    │     │   Whisper    │     │   声道分类：       │
│  WAV 文件   │───▶│  (逐声道)     │───▶│   L → "你"        │
│  L: 麦克风   │     │              │     │   R → pyannote     │
│  R: 显示器   │     │              │     │      处理他人      │
└─────────────┘     └──────────────┘     └────────────────────┘

可选依赖

基础安装（~320 MB）：录音 + 转录。额外组件避免了你不需要的 2 GB PyTorch 臃肿：

| 变体 | 添加功能 | 大小 |

|---------------|---------------------------|---------|

| tapeback | 录音 + Whisper | ~320 MB|

| [llm] | 摘要（Anthropic、OpenAI、Groq 等） | +50 MB |

| [diarize] | pyannote + PyTorch | +2 GB |

| [tray] | 系统托盘 | +1 MB |

优雅降级：没有 pyannote？右声道标记为“其他人”。__init__ 中使用延迟导入。

LLM 集成与回退机制

支持 7 种提供商：Anthropic、OpenAI、Groq、Gemini、DeepSeek、OpenRouter、Qwen。兼容 OpenAI 的使用统一 API 和基础 URL：

_OPENAI_COMPATIBLE_BASE_URLS = {
    "groq": "https://api.groq.com/openai/v1",
    "gemini": "https://generativelanguage.googleapis.com/v1beta/openai/",
    "deepseek": "https://api.deepseek.com",
    # ...
}

提供商出错？自动回退到下一个。转录文本始终保存。摘要以 JSON 形式嵌入 Markdown：

## 摘要
快速概述。
### 行动项
- [ ] **你：** 周五前发送报告
- [ ] **Speaker 1：** 审查 PR
### 关键决策
- 选择 PostgreSQL 而非 MongoDB

Arch Linux 打包

AUR 中提供 4 个元包：

• tapeback — 核心。
• tapeback-tray — 托盘。
• tapeback-llm — LLM 支持。
• tapeback-diarize — PyTorch + pyannote。

yay 在虚拟环境中处理 pip 依赖。通过 release.sh + PyPI CI（Trusted Publisher）+ AUR 脚本发布。

yay -S tapeback tapeback-diarize tapeback-llm tapeback-tray

配置在 ~/.config/tapeback/.env：

TAPEBACK_VAULT_PATH=~/Documents/obsidian/vault

开发与经验教训

MVP 3 天完成，v0.8.9 两周内搞定（修复 bug、测试）。规范驱动：Markdown 规范带完成标准。代码由 Claude 生成并审查。及早检查 PyPI/AUR 名称——规范化会导致 echo-vault == echovault。

关键要点

• 立体声分离：麦克风（你） vs 显示器（他人）——确定性处理，避免 pyannote 的概率错误。
• 本地处理：faster-whisper + 可选 PyTorch，无需云端。
• 模块化：发言者分离/LLM/托盘的额外组件，平滑回退。
• 集成：Obsidian 兼容 Markdown，带 JSON 摘要（行动项、决策）。
• 安装：uv tool install tapeback[tray,diarize,llm] 或 AUR。

— Editorial Team