第128章手搓工具之神
洛北的思路很清晰：
语音识別有现成的开源方案，比如阿里的funasr。大语言模型现阶段不少，不过闭源居多，他可以先花点小钱调用gpt看看效果。伺服器嘛，先用自己电脑顶著，不上云端，先做离线录音，回宿舍再联网处理。
有了想法，说干就干。
虽然原理简单，实际做起来洛北发现，需要处理的细节不少。
一节课90分钟，如果上传无损的音频文件，体积高达几百b。如何调整比特率和採样把录音压缩得儘可能小又不影响识別，是门有技术的活。
不过洛北凭藉著“实用主义”的buff，只试了几次，很快就找到了最合適的参数。
然后是手机端预处理，再到伺服器文件存储，接著用funasr將语音转为文字。
再经过洛北搭建的工作流，搭配精心调校的提示词，传到大语言模型，返回指定的arkdown格式文字。最后再转换成word或者pdf格式的笔记。
而在这个过程中，提示词是重中之重，极大影响笔记的质量。
所以在网上也被大家称呼为“炼丹咒”，能炼出什么品质的丹药，还真就要看炼丹师们的调教水平了。
一开始，洛北给的提示词很简单：“你是一个专业的数学系助教，请將以下的课堂录音文本整理成结构清晰的笔记。要求：1.识別並修正数学术语的同音错误；2.使用tex
格式输出所有公式；3.提炼核心知识点去除口语废话；4.输出为arkdown格式。”
但试了几次，靠著“实用主义”的稟赋，他很快发现光这样是不够的。
所以洛北参考了网上范例，针对微积分这门课程，对提示词反覆做了很多调整，最后才得到满意的结果。
另外对於理工课程，老师需要经常板书公式，对於这些，光靠语音转文字，很难完全还原实际內容。
这是笔记助手的痛点。不解决这个问题，始终不能称之为真正的智能。
要根本解决，恐怕得靠视频+语音的双重识別，再输出ai才能实现了。但现在的视频识別技术基本都是闭源的而且要价不菲。
洛北决定迁回一下。他把录音设置为后台运行，然后加入时间轴拍照模式。生成笔记时根据拍照时间，在对应位置插入照片的板书，一定程度绕开了这个问题。
这样一番折腾，花了洛北大半周的时间。
这是笔记助手的第一版deo，因为洛北没有美工基础，没做酷炫的界面，主界面很简单：按钮“开始记录”，
周四上午，又是微积分课。
肖崖生无可恋地瘫在座位上：“完了，作业写得一塌糊涂，昨晚又梦见伍老头追著我问泰勒展开的题目，半夜给嚇醒了。”
他厚著脸皮蹭到洛北身边，说：“这次笔记详细一点好不好，求求了，北哥，义父，拜託拜託！”
洛北掏出手机，打开了界面还很简陋的app。
“这是啥”肖崖好奇。
“你的义父。”洛北语带双关。
这时，上课铃声响了。伍锡走进教室，开始狂飆板书：“今天我们讲定积分————”
他讲得唾沫横飞，语速极快。周围一圈人都在埋头狂记，肖崖就指望著洛北呢，结果看到洛北那是双手插兜，很悠閒地听课，只是偶尔拿著手机咔嚓拍下板书。