面向少数主要发言人、较清晰的中文会议。本机完成识别、时间对齐和说话人分组，随后回听校订、分析和导出。说话人分组不是实名身份识别，结果需要人工复核。
双击桌面 PACE V2S 会议工作台 或根目录 run.bat：自动启动/复用唯一后台，等待就绪后打开网页。final2/run.bat 和原备用启动器也进入同一入口。默认固定8501；已有受管实例则打开它，占用冲突时不换端口再启动，也不强制关闭其他程序。
文件热更新已开启；没有处理任务（转写/模型复听/下载）、没有未保存保护，且网页连续30分钟无交互时自动退出。点击、输入、滚动、回听或刷新会重新计时；仅把网页开着不会保活。再次点击桌面启动器会启动后台，或打开已运行的同一实例；关闭后单独刷新网页不能唤醒。默认固定8501，占用时不换端口另起实例。见启动器与本机客户端接入。
CLI/MCP现支持带版本保护的校订、逐处术语替换、双模型复听核验、词频/发言时长分析、设置管理和多格式导出，见工作台接口与示例。本机Codex或本地运行且具备命令权限的ChatGPT Work可直接使用CLI，MCP为可选入口。
批量转写、旧音频关联、库内重转写、异常扫描、文稿JSON导入、多文稿ZIP、词库检索和模型下载管理也提供CLI入口，默认沿用已保存识别设置。命令调用流程、预览/版本/指纹检查与功能对照见CLI完整操作指南，后台需headless_version:1。
旧式重复实例已完成一次性清理，日常仅使用默认8501的托管入口；不要绕过启动器另起Streamlit开发服务器。
Agent阅读会议可直接用get/search，不启动后台：默认精简段落，--include-words才返回逐字对齐；支持时间范围、搜索前后上下文和get --view dialogue连续对话视图，保留原段ID及可选跨页版本检查。用法与旧读取格式迁移见阅读指南。
本次已建立独立环境 D:\CodexScratch\v2s-runtime\.venv，未改动旧Conda环境。新机器先安装 uv，再运行 install.bat；依赖版本由 uv.lock 锁定，安装脚本不下载模型权重。模型在界面“模型与设置”中准备。
运行环境要求：Windows x64、Python 3.12。当前锁定CUDA 12.8版Torch；已在RTX 3060 12GB验证。CPU可选择Whisper Small，Qwen在CPU上可能明显较慢。
- 默认中文与Qwen3-ASR 1.7B；需要更快可选Whisper Large-v3 Turbo，保留Large-v3用于兼容和对比。
- 导入录音，按实际被录到的人数设置范围，也可以保持自动判断。人数范围不是识别保证。人名、项目名填入“识别热词”，会议主题填入“会议背景提示”。
- 导入前可分别改会议名称、选择本批项目；同项目保存到同一项目文件夹。点击开始转写后后台执行，可切换页面查看已有文稿；源文件始终保留，不改名、不删除。
- 在“文稿工作台”填写发言人名称、搜索回听、校订正文/时间/分组。保存后所有分析与导出同步更新；可以撤销上次校订或恢复原始结果。
- 新导入/明确关联的原录音与转写JSON/TXT保存到普通目录
D:\V2SData\library；“媒体库”可重命名、放入回收站及恢复。历史文稿保留原存档，旧录音只需明确关联一次，之后重启可回听；不会扫描源文件夹或自动迁移过去录音。 - 下载TXT、JSON、SRT/VTT字幕、CSV词频、词云PNG或PDF报告；多个结果可打包ZIP（不含音频/PDF）。建议导出JSON作独立备份，换电脑时通过JSON恢复。
音频损坏提示现在可展开“音频异常定位”查看具体时间并回听原录音。“术语核验与批量校订”可对整篇同类误识别先做本地双模型复听，再选择接受建议或人工核对，支持撤销；详见异常定位和术语校订。
侧边栏顶部显示闲置倒计时；新增独立“媒体库”和“词库管理”。原专业词/自定义词/停用词资源未丢失，仍按原功能使用。详细说明见普通媒体库与词库管理。
| 模块 | 当前配置 | 说明 |
|---|---|---|
| 中文优先 | Qwen3-ASR 1.7B | 已下载，GPU识别、对齐与兼容说话人流程已跑通 |
| 速度选择 | Whisper Large-v3 Turbo | 已下载并实测；中文标点表现需按样本比较 |
| 兼容选择 | Whisper Large-v3 | 复用原模型，已实测识别与对齐 |
| CPU备用 | Whisper Small | 已下载；CPU验收结果见验证文档 |
| 时间对齐 | 中文/英文 Wav2Vec2 | 按语种选择；其他语种保留ASR时间轴 |
| 当前默认说话人模块 | pyannote 3.1 本地兼容 | 保留作为对照，分组需要回听校订 |
| 已就绪的可选升级 | pyannote Community-1 | 已下载并完成10分钟真实录音离线对照；效果判定待人工回听 |
Community-1已于2026-09-05通过本机凭据下载到独立模型目录，可在侧边栏“高级识别设置 → 说话人模型”中选择。使用本地模型无需联网或再次提交Token；当前没有自动替换3.1默认值，也不代表已证明真实会议准确率更好。新机器下载仍需官方访问资格与有效本机Token。
已对用户指定录音的前10分钟执行受控双模型测试：两者均2组，阶段用时均约20秒，输出一致比例98.17%（不是准确率）。详见真实录音对照记录，私人正文只保存在独立本地结果目录。
原配置文件的完整路径为K:\AI\v2s\final2\.env（final2文件夹中的.env，不是final2.env），新版本会自动读取，无需搬移。请勿将文件内容或Token发送到聊天中。
- 单文件500MB；每批最多20个文件、排队总计1GB；解码上限4小时。支持WAV/MP3/M4A/FLAC/OGG/OPUS/AAC及有音轨的MP4/WebM。
- 以录音内容和完整识别参数去重；同名不同内容分别保留。勾选“相同录音也重新转写”可主动重跑。
- 识别、对齐、说话人逐阶段释放模型。对齐/说话人失败仍保留正文，警告写入处理记录。
- 词库、同义词、排除词与词云共用一致统计；专业词按配置隔离，不污染其他会话。
环境变量 > 根目录.env > final2/.env > 默认值。沿用原私有配置但不复制Token。设置JSON只包含白名单字段，不含凭据或代理地址。- 用户明确导入/关联的原录音保存到
D:\V2SData\library普通媒体目录，转写另有JSON/TXT快照；不扫描或搬动源文件。回听内存最多1GB，释放内存不删除已保存媒体。正式文稿和常用设置仍使用Windows账户绑定的DPAPI历史库，事务写入D:\CodexScratch\v2s-runtime\work\library；可用V2S_LIBRARY_DIR指定专用非同步空目录。 - 已完成识别片段约每15秒保存一次检查点（以片段完成为触发点）；服务意外退出后可恢复此前提交的文字。服务重启不能自动续跑模型，需重新加入原录音重跑；检查点明确标注为未完成。浏览器刷新不会主动取消当前服务中的任务。
- 两个页面编辑同一文稿时，旧页面不能静默覆盖新版本；提示冲突后可保留独立副本。归档可恢复，不是永久删除。默认加载最近20份，文稿库列出最近200份；并非多人权限系统。
- 加密文稿库不是跨电脑备份，换Windows账户可能无法解密。看到保存失败提示时，立即导出JSON；未点“保存校订”的表格输入不在自动保存范围内。
- 个别音频数据包损坏时，可保留其余可解码内容并显式警告；按时间戳补静音避免后续时间轴前移。无法恢复的声音不会伪造，严重时间跳变或超过100个坏包拒绝处理。
- 识别默认离线；模型下载通过独立进程联网，“本次直连”只影响下载进程，不修改系统代理。未接入云端摘要、情绪推断或会议音频上传。
- 服务只监听回环地址，不是带账户权限控制的多人服务器，请勿直接暴露到公网。
app.py是唯一当前入口，pace_v2s/是V3代码，tests/是当前回归测试，resources/仍使用原词库。final1.py、app3.py等及final2/main.py保留为历史实现，不再作为默认入口。
模型、依赖和测试产物放在D:\CodexScratch，未创建运行时目录到OneDrive的链接。不要把虚拟环境或模型依赖树复制进同步目录。
旧模型转换/包内补丁/Gemini试验已停用；旧Token诊断改为只报告配置存在性。词库更新需显式--download，只生成独立预览，不覆盖当前词库。历史Git提交包含曾经硬编码的凭据：本次移除了启动器中的值，但未重写历史或执行账号密钥轮换；建议自行撤销失效凭据。