★★★ 本文源自AI Studio社区精品项目，【点击此处】查看更多精品内容 >>>

---

零.项目背景

目标：针对会议场景的长视频或者长语音，自动生成会议记录并通过摘要生成技术形成会议摘要。

一.技术流程

1.通过moviepy 提取视频中的音频，并且对音频转换采样率

# 安装 moviepy 和 ffmpy
!pip install ffmpy
!pip install moviepy

2.通过PaddleSpeech 做音频识别成文本，以及对文本进行标点恢复

# 安装 paddleSpeech
!pip install pytest-runner
!pip install paddlespeech

# 将nltk_data 拷贝到 /home/aistudio 目录
!cp -r /home/aistudio/work/nltk_data /home/aistudio

3.通过PaddleNLP中的UIE框架进行信息抽取和文本摘要抽取

# 安装 paddlenlp 
!pip install --upgrade paddlenlp

二.音频提取和转换采样率

原视频放在 work/video目录，首先通过moviepy 和 FFmpeg提取音频转换指定采样率

# 从视频中抽取音频，转换采样率，16k 是适用paddlespeech的采样率def pre(self, filename):self.videoPath = './video/'+filename+'.mp4'self.audioPath = './audio/'+filename+'.wav'self.audioInputs = './audio/'+filename+'/inputs'self.audioOutputs = './audio/'+filename+'/outputs'if os.path.exists(self.audioInputs) is False:os.makedirs(r''+self.audioInputs)if os.path.exists(self.audioOutputs) is False:os.makedirs(r''+self.audioOutputs)if os.path.exists(self.audioPath):return True# 从视频中抽取音频，同时转为16k采样率音频ff = FFmpeg(inputs={self.videoPath: None}, outputs={self.audioPath: '-f {} -vn -ac 1 -ar 16000 -y'.format('wav')})ff.run()

因为PaddleSpeech 需要用16k采用率，已经音频长度限制（50s）,所以还需要对长音频进行分割为短音频

# 将长音频分割为 50秒的短音频def split(self, filename):self.delfiles(self.audioInputs)self.delfiles(self.audioOutputs)audio = AudioFileClip(self.audioPath)loops = math.ceil(audio.duration/self.audioLengthMax)print(audio.duration, loops)# 每隔180秒切分if audio.duration <= self.audioLengthMax:audio.write_audiofile('./audio/'+filename+'/0.wav')else:for i in range(loops):audio = AudioFileClip(self.audioPath)start = i*self.audioLengthMaxend = (i+1)*self.audioLengthMax if loops > i + 1 else audio.durationsubaudio = audio.subclip(start, end)subaudioPath = self.audioInputs+'/'+str(i)+'.wav'print(subaudio.duration,start, end,subaudioPath)subaudio.write_audiofile(subaudioPath)cmd = "ffmpeg -i " + subaudioPath + " -ar 16000 " + self.audioOutputs+'/'+str(i)+".wav"  #ffmpeg -i 输入文件 -ar 采样率  输出文件subprocess.call(cmd, shell=True)return loops

三.音频识别

通过PaddleSpeech进行音频识别。

PaddleSpeech 是基于飞桨 PaddlePaddle 的语音方向的开源模型库，用于语音和音频中的各种关键任务的开发，包含大量基于深度学习前沿和有影响力的模型

# 音频识别，将一系列短音频识别文字，保存在 /work/text/filename 目录def text(self, filename, loops):texts = []asr = ASRExecutor()for i in range(loops):res = asr(audio_file=self.audioOutputs+'/'+str(i)+".wav")print(res)texts.append(res)text = "".join(texts)self.textSave(filename, 'input', text)return text

四.标点恢复

通过PaddleSpeech进行标点恢复，最后合并成一个正常的会议记录文本

# 标点恢复，输入文件名和长内容文本，PaddleSpeech 标点恢复有文本长度限制，这边textLengthMax 设置为500字。def punctuation(self, filename, content):text_punc = TextExecutor()loops = math.ceil(len(content)/self.textLengthMax)texts = []for i in range(loops):start, end = int(i*self.textLengthMax), int((i+1)*self.textLengthMax)print(start, end)text = content[start:end]result = text_punc(text=text)print(result)texts.append(result)text = "".join(texts)self.textSave(filename, 'output', text)return text

五.会议信息抽取

通过PaddleNLP进行文本摘要抽取和实体，关系，事件 抽取

更加实际内容进行抽取设定，最后抽取内容保存在 work/outputs 目录，里面包含必要的会议要素（如有）

# 会议信息抽取
def extract(self, filename, text):result = {}summarizer = Taskflow("text_summarization")summary = summarizer(text)print(summary)schema = ['会议时间','会议地点','会议记录人','会议议题']ie = Taskflow('information_extraction', schema=schema)res = ie(text)print(res)for label, values in res[0].items():items = []for value in values:if value['probability'] > self.ratioLimit:items.append(value['text'])result[label] = itemsresult['摘要'] = summaryresult['记录'] = textwith open('./outputs/'+filename+'.txt','w')as f:f.write(json.dumps(result, ensure_ascii=False))

以下是一个抽取结果的示例，json 格式方便后续生成word或者pdf提供数据

{"会议时间": ["今天", "今天", "六月一日"],"会议记录人": ["组织委员"],"会议议题": ["评选优秀共产党员", "评选"],"摘要": ["山东省纪委通报六起违纪行为"],"记录": "我在本次会议中，模拟党支部书记；我在本次会议中，模拟党支部副书记；我在本次会议中，模拟组织委员；我在本次会议中，模拟宣传委员；我在本次会议中，模拟纪检委员；今天，我们召开支委会，讨论年究近期工作，会前，与各位委员进行了充分沟通，确定了本次织委会的三项议题：讨论、评选优秀共产党员；二是讨论本月绩效考核；三是讨论奋战七十天，警场全达标的工作安排；下面，开始开会，首先，请组织委员清点人数，今天，阴到，作委委员五人，迟到五人，符合会议要求，可以开会；下面，先由季检委员进行连接教育，今天的连接教育，向大家通报：山东省纪委通报的六起违：一、反：中央八向归星、减刑精神问题：一、济南市市中区原书记仲鸿夯违规出入私人会所问题；二、济宁市委原丰女市长程大志违规收受李没问题；三、枣庄市工商局党组成员、副局长马洪山办公用品、办公用方面积超标、违规使用公务车问题；四、淄博市临淄区综合形政执法局党委书记、局长编辑俊违规进工款、购买德、澳、荡白酒问题；五、莱芜市莱城区环保局副主任、客员李新违规使用公车、接受监管服务对象宴请问题；六、烟台市木生区建筑工程质量监督站原党支部书记、站长任光辉违规操办女儿婚宴问题；上述六起问题、违纪行为，全部发生在中央八项规定出台以后，其中五起发生，或持区，到二零一七年，是典型的，明知故犯、顶峰违纪，这充分说明，有的党员、干部仍然心。存侥幸，对中央和省委的三零五申，炙若罔闻，不收敛，不收手，不知指，自，认为采取变通、便异方式，就能够逃避监督，必须受到严肃查处，今天的连接交育结束，下面，对三项议题，分别进行讨论：第一项：议题：讨论：评选，推荐优秀共产党员，根据上级先进评选通知要求，支委会结合工作实际，提出并通过了全员推荐及全体党员，通过无记名投票进行推荐的方案，经过党员大会民主评议、推荐，共推选出三名优秀共产党员，初步人选，分别是：月、曹丽丽、邱建，按照两名先进名额的分贝要求，请大家本着公平、公正、对同志负责任的态度，发表意见，建议评选出我们支部最优秀的党员，向管理区党委推荐！好的，我先说一下：我推荐：曹丽丽和邱建，因为他们两人在去年的新息化技术比赛中，荣获了中石化团体一等奖，为我们管理区和油田征得了荣誉，也带动了大家的学习积极性，起到了良好的示范作用，所以，我推荐他们两人；我建议：推荐：乐克盛和曹丽丽，岳克胜同志是一名老党员，虽然徐习能力不如邱建，但是他身上有着对工作特别负责任的态度，在本职岗位上非常地尽职尽责，年龄虽然大，但是在工作中，从来不含糊，款力，总是想尽办法完成各项工作，在办单中，起到了很好的表率作用；曹立宇同志在本职岗位和培训工作中的成绩也是有目共睹，所以，我的意见是：推荐月克胜和曹丽丽，我同意纪检委员的意见，曹丽丽同志对工作一直非常认真。尤其是分管的培训工作，经常加班加点，带领大家学习，在这次支持近赛中，更是发挥了很好的作用，同时，岳高胜同志，所分管的安全工作，在本次安全比武中，获得了优异的成绩，所以说，我推荐曹丽丽和岳和胜同志，我同意！组织委员的意见，邱建同志，虽然在学习方面比较优秀，也取得了非常不错的成绩，但是，现场的应用学习的带动性方面，还有待提高，他们班战的员工，还有重金工，鉴定，没有通过的，这种情况，以后，应该还好地利用平时工作的机会，不断提高班占人员的技能水平，这是我个人的意见，刚才大家都谈了各自的意见，我来谈谈我的建议：我建议推荐月客盛、曹丽丽两名同志，因为他们在工作中尽职尽责，干一行，按一行，最后，我们进行投票，表决，选出两名优秀共产党员，首先，由宣传委员发放选票，大家请看选票，选票上有三名党员的名字，同意的代名字，下面画对号，不同意的画叉，每张选票选两名，优秀党员，多选作废，请大家填写选票，填完选票后，交给纪检委员，想票，回出，完毕，发出五张，回收，五张，好，由季节委员、宣传委员统计，选票，五，要的，我就上一下，现在宣布投票结果，约克胜五票，曹丽丽四票，邱建一票，根据投票情况，本次织委会推选岳克胜、曹丽丽为优秀共产党员，下周，利用党员大会的时间，向全体党员通好，党支部副书记，把会议的评选结果向管理区党委上报，下面进行第二项议题，讨论，本月绩效考核，会前，已与相关。委员进行了沟通，行，成了初步方案，下面由副书记对照考核内容，进行讨论，下面，我来介绍一下，本月的这个考核情况，于是，本月采油厂案件，范保科检查，考核，十四项问题，考发结额是两千元，其中有六项，属于以上报代，整改的问题，不予考核，另外八项，共计八百元，属于班组管理问题，要对，下到相关班组，合责任人，第二个，本月，我们评处了三个优学，现场，供六百元，按照相关考核规定，全额兑下到相应岗位，呃，以下是本月奖成分配明细表，并发给大家了，请大家分别发表意见！行，我来先说说我的意见，本月中午，加班和衣锦穿孔挖坑，经过现场落实之后，啊，啊，难度特别大，以往的三十元的奖励标准偏低，我建议再增加十员，对于其他，没有意义，我这里有一项问题，就一口，注：睡井的奖值问题，存在，意义，就是和山西杠五十二，入水井下法栏收入的渗漏的问题，搬站，已经进行过多次整改，但是需要作业动力，才能更换，下法栏，在更换之前，进行，由管理区协调，安全，协调，采用场，不要再进行，江惩，其他的，没有意见，我认为，在问题得到妥善的整改之前，还要督促班站做好寻护和检查，避免问题的进一步扩大，现在总结一下，关于养成，明细，李四同志，奖励，增加十元，大家对这个决议有没有意见？现在进行举手表决，同意的，请举手，好，请放下，不同意的，请举手，没有弃权的，请举手，没有好，经过举手，表决，一致，通过，本月绩效考核方案，请党支部副书记抓好组织！实施：下面，讨论第三项议题：奋战七十天，警场全达标工作安排，这项工作，时间紧，任务重，警场情况也比较复杂，会钱，各支委成员进行了酝酿，沟通，按照采油厂有关要求，和支尾成员的意见，建议，只部结合具体实际，拟定了实施方案，实施方案已经下发给了大家，请大家提出修改的建议，我先谈一下我个人的看法，这个具体的工作部署中，对这个达标提收阶段的时间安排和建议，改到六月一日，这样，从六月一日到十五日，这段时间，我们可以对前期工作进行自查，查漏补缺，这样对下一步的营检会有必较大的帮助，我个人的意见，我同意，邢书记的意见，对于其他没有意义，我同意，同时，建议，随时发现问题，及时督促整改，防止问题，积多极大，对整改前后的照片，做好收集，归档，其他的没有意义，我没有意见，好，大家对达标提升阶段的时间安排，改制，六月一日，都没有意见，大家对实施方案有没有意见？现在进行举手表决，同意的，请举手，请放下，不同意的，请举手，没有，弃权的，请举手，没有好，经过举手，表决，一致通过，奋战七十天，警场前达标工作实施方案，事时，召开党员大会，向全体党员通报，并组织实施，会后，请各支委签字确认，决议，组织委员要将记录归档，请各支委签字，确认，决议，组织委员要将记录归档，好，赛会！"
}

五.一键生成会议记录示例

原始视频已经上传至 work/video 目录下

生成的文件在 work/outputs 目录下

meeting_formal 为视频文件名。通过修改 work/main.py 目录配置，可以一直到自己的项目中

# 运行
%cd /home/aistudio/work/
!python main.py meeting_formal

六.总结

通过对moviepy,ffmpeg,paddlespeech,paddlenlp的组合运用，从长视频或音频中生成会议记录，根据实际的会议内容，设置不同的抽取参数，生成合适的会议关键数据