音频转文字与说话人分离处理平台产品系统

项目面向会议纪要、访谈整理、课程录音、客服质检等音频处理场景，解决人工听打效率低、多人录音难区分发言人、批量任务缺少统一控制的问题。通过将语音识别、说话人分离、批处理调度和可视化控制台整合到一个系统中，降低了音频转文字流程的操作门槛，并提升了长音频和多文件任务的处理效率。

系统支持批量扫描音频目录并自动处理 wav、mp3、flac、m4a 等常见格式，输出带时间戳、说话人标签的 txt 文本，并可选导出结构化 json 结果。界面端提供硬件模式切换、文件级并行 worker、运算占用调节、说话人分离开关、恢复处理、跳过已处理文件、实时进度条、滚动日志和心跳日志等能力。

我完成项目的需求拆解、WhisperX 转写能力接入、pyannote 说话人分离集成、批处理任务调度、CPU/GPU 自适应策略、Streamlit 可视化控制台、桌面窗口封装以及日志与恢复机制设计。实现上重点处理了长音频转写、批量文件调度、异常回退、断点恢复和运行状态可视化等问题，使系统既能命令行运行，也能通过控制台页面完成参数配置与任务追踪。