翎绛是一个手机端实时听觉分析助手。它不是 AI 电话聊天,也不是普通录音或会议纪要工具,而是一个旁路听觉理解系统:用户点击开始后,App 通过手机麦克风持续采集周边声音,实时生成字幕、上下文摘要、风险提示、追问建议和待办;用户点击挂断后,沉淀完整转写、时间戳、关键结论、证据和最终报告。
- 手机端优先,当前面向 Android 14 / API 34 真机验证。
- 通话式外壳,旁路分析内核,避免把界面做成聊天电话。
- 实时字幕持续更新,分析提示保持克制,只在关键事件出现时提醒。
- 完整转写是底账,滚动摘要只是上下文压缩材料,不能覆盖原始记录。
- 报告必须区分事实、推断和建议,并尽量绑定时间戳与原文依据。
- 原生 Android 项目:Kotlin + Jetpack Compose + Material 3。
- 手机麦克风持续采音、分片、VAD、降噪和冲击噪声过滤。
- 本机 sherpa-onnx Paraformer 中文离线识别,用于无 PC 场景。
- OpenAI-compatible ASR / Chat 接口抽象,支持替换远端转写和云端分析。
- 上下文管理:实时字幕、短期窗口、长期滚动摘要、结构化状态。
- 本地快分析:责任人、时间、价格、风险、问题、承诺、意图和资料查询候选。
- 后台资料研究:根据上下文联网搜寻、整理相关资料,并在关键时刻给出提示。
- 会话持久化:Room 保存会话、转写、实时洞察、待办、风险、决策和报告。
- 历史页与报告页:回看会话、完整转写、实时建议、证据时间戳和最终报告。
当前版本已经完成端到端闭环:开始采音、离线转写、本地快分析、可选云端深分析、本地持久化、历史记录和最终报告。近期重点在提升复杂环境下的识别质量,包括:
- 稳态噪声拒绝;
- 频域降噪和软门限;
- 弱音频与短文本幻听过滤;
- 敲击、碰撞等瞬态冲击噪声过滤;
- 面向 LingLin 工作场景的意图识别和专项提醒。
app/src/main/java/com/linglin/lingjiang
audio/ 采音、实时字幕、降噪、VAD、冲击噪声过滤
data/ Room 实体、DAO、仓库与迁移
model/ 会话状态与领域模型
network/ ASR、LLM、研究查询等 Provider 抽象与实现
session/ 会话编排、上下文管理、事件检测、意图分析、报告生成
ui/ Compose 主界面、设置页、历史页、报告页
密钥不写入源码。构建时从 local.properties 或环境变量读取配置,并注入 BuildConfig。
可用配置项:
LINGJIANG_ASR_BASE_URL= LINGJIANG_ASR_API_KEY= LINGJIANG_ASR_MODEL= LINGJIANG_LLM_BASE_URL= LINGJIANG_LLM_API_KEY= LINGJIANG_LLM_MODEL= LINGJIANG_CLOUD_LLM_BASE_URL= LINGJIANG_CLOUD_LLM_API_KEY= LINGJIANG_CLOUD_LLM_MODEL=
local.properties 已被 .gitignore 排除。设置页只展示配置状态、模型名和连通性,不提供密钥编辑。
要求:
- JDK 17
- Android SDK 34
- Gradle Wrapper
- Android 14 / API 34 arm64 真机
常用命令:
.\gradlew.bat :app:testDebugUnitTest .\gradlew.bat :app:assembleDebug
安装到已连接设备:
adb install -r -g --user 0 app\build\outputs\apk\debug\app-debug.apk
- 从开始到挂断能完成一条真实会话。
- 完整转写和时间戳被保存。
- 实时字幕、实时建议和最终报告清晰区分。
- UI 不呈现为 AI 聊天电话。
- 报告中的关键结论带原文证据,并区分事实和推断。
- 无接口配置、模型不可用、权限失败或转写失败时,界面有明确状态且不崩溃。
翎绛默认只采集手机麦克风能听到的周边声音,不承诺读取系统电话中的对方音频。涉及他人对话时,请遵守当地法律、会议规则和必要的告知义务。敏感场景应使用暂停、挂断和删除记录等控制能力。
仓库包含 Android 工程源码、本机 ASR 所需模型资产和本地构建依赖。录音样本、调试音频、.codex 工作目录、local.properties、APK 和构建产物不会提交。