
TOM 登陆 Mac:本地录制会议并生成反馈,全程离线 AI 处理
来源标题:Show HN: Tom – meeting recording and feedback specs, all locally on Mac
TOM 是一款完全运行在 Mac 本地的会议录制与反馈工具,所有录制、转录、摘要和搜索均在设备端完成,不上传任何数据。它支持会议、语音笔记和反馈三种模式,录制时逐字转录,停止后生成结构化摘要(TL;DR、行动项、决策等)并建立全文索引。该应用以 Apache 2.0 协议免费开源,需 Apple Silicon 芯片及 macOS 14.6 以上系统。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
你录制的一切,皆可搜索。每一次录制都让 TOM 更聪明。 为顾问、律师、治疗师和创始人录制会议、语音笔记和屏幕反馈——他们无法将客户音频放入他人的云中。原生 macOS 应用,带菜单栏快捷方式。完全在设备端运行 AI——你的录音、你的转录、你的摘要、你的搜索,全部在你的 Mac 上。任何内容都不会被上传。免费且开源,采用 Apache License 2.0——无需账户、无需许可证密钥、无录制时长限制。 需要运行 macOS 14.6 (Sonoma) 或更高版本的 Apple Silicon Mac。 TOM 驻留在你的 Dock 和菜单栏中。按 ⌘⇧R(或点击“开始录制”)打开录制面板,选择“会议”、“语音笔记”或“反馈”,选择一个窗口或屏幕,然后开始录制。TOM 静默地捕捉会议——没有机器人加入你的通话,不会通知参会者,任何内容都不会上传到任何地方。TOM 在你录制时逐词转录。当你停止时,它会写出结构化摘要(TL;DR、行动项、决策、讨论主题和待解决问题),并为所有录制内容中的每个词建立索引以供搜索——全部在你的 Mac 上完成。 会议是三种模式之一。语音笔记仅录制你的麦克风。反馈会话在你说出需要修改的内容时录制一个窗口或你的屏幕:按 ⌥A 在屏幕上绘制,按 ⌥M 标记一个时刻,TOM 会在“回顾”标签页中将每个标记与你所说的话配对。一键复制带注释的截图、笔记和完整转录文本,可直接粘贴到 Claude 或 ChatGPT 中。 你使用 TOM 的时间越长,它就越聪明。录制 60 次后,你可以问“我们和 Acme 就定价达成了什么协议?”并得到跨越 8 段对话的带引用答案,附有视频时间戳。录制 120 次后,你就拥有了机构记忆——每一个决策、每一个承诺,都可按语义搜索。 TOM 会搜索每一次录制,并返回带引用的答案,包含录制标题、日期和可点击跳转的视频时间戳。 TOM 专为需要大量开会且无法将音频放入他人云端的专业人士而构建。 如果你每周开会少于两次,或者你使用的是 Windows 或 Intel Mac,TOM 可能不适合你。 功能 含义 隐形录制 ScreenCaptureKit 可捕捉任何窗口——Zoom、Meet、Teams、Webex、Slack huddles、免提通话的线下会议。没有机器人加入你的通话。 视频 + 音频 完整 HEVC/AAC MP4 保留在本地。可回看屏幕共享、演示、展示——不仅仅是文字。 双流捕捉 系统音频(对方声音)和你的麦克风并行录制,然后混合为单一流用于转录和播放。同时到达两路的声音(扬声器、侧音)只转录一次,而非两次。 实时转录 Parakeet TDT v3(通过 FluidAudio)在你录制时逐词转录,大约比说话者慢一秒,因此你停止时转录文本已准备就绪。Whisper large-v3-turbo (WhisperKit) 是替代引擎,可选的 Whisper 处理可在每次录制后优化实时转录。音频永远不会离开你的 Mac。 结构化摘要 每次录制都会生成 TL;DR、行动项、决策、讨论主题和待解决问题。完全由 Qwen 3 4B Instruct(4-bit MLX)在设备端生成。 长会议的 Map-reduce 超过约 48K 字符(约 50 分钟)的转录文本会被分块,并行提取,然后归纳为单一连贯的摘要,这样 2 小时的会议不会超出上下文窗口。 可编辑的 AI 提示词 如果你想要不同的风格、长度或章节组合,可在“设置”→“通用”→“高级”中调整摘要和标题提示词。提示词使用 {{kindNoun}} 和 {{language}} 占位符。 跨录制搜索 用自然语言提问。TOM 在本地嵌入你的查询,立即显示匹配的录制内容,然后流式输出答案,内联 [1] 引用指向源录制(标题 + 日期)和视频时间戳。 多语言 通过 multilingual-e5-small 嵌入覆盖 100 多种语言。Whisper 检测口语语言,TOM 将其作为提示传递给摘要/标题提示词,因此非英语录制会获得非英语的书面记录。 卡拉 OK 视频回放 回看录制时,字幕会高亮实际正在说的词,使用转录器提供的逐词时间信息。 语音笔记 仅麦克风的录制,用于个人捕捉——相同的处理流程,相同的资料库。 反馈会话 在你说出内容时录制一个窗口或整个屏幕。在屏幕上绘制(⌥A)或标记一个时刻(⌥M);每个注释都会获得一张截图和你围绕它所说的话。“发送到 Claude 或 ChatGPT”会将笔记、转录文本和带注释的截图复制到剪贴板并打开新聊天。导出 ▸ 规格文件夹会写出 review.md、screens/ 和 annotations.json,供编码智能体使用。 导出 任何录制均可导出为 Markdown、MP4 视频或 M4A 音频。视频和音频导出始终包含麦克风和系统音频。 重命名 双击标题或使用卡片上的“重命名…”。自定义标题在重新摘要和重新转录后仍保留;清除自定义标题可将其交还给 AI。 文件导入 拖入任何 .mp4、.m4a、.mp3、.wav、.mov 文件,TOM 会转录并为其建立索引。 分组 类似 Apple Notes 的文件夹。在分组之间拖动录制内容。 自动会议检测 识别 Zoom、Google Meet、Teams、Webex 和 Slack Huddle 窗口,并提供一键录制提示。 串行处理队列 多个录制、重新转录或导入任务按 FIFO 排队,而不是争抢 GPU。你会在等待处理的录制上看到“已排队”徽章。 空闲模型卸载 Whisper 和 Qwen 在处理流程各阶段之间以及“提问”框空闲后被从内存中卸载,因此 TOM 在不使用时不会占用约 4 GB 的模型权重。 浅色与深色模式 默认跟随系统外观;工具栏按钮可循环切换 系统 / 浅色 / 深色。橙色强调色。 五种语言 界面支持英语、德语、西班牙语、法语和意大利语。 隐私
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。