核心能力
SenseAudio 会议助手是围绕 SenseAudio ASR 构建的会议场景专用技能，覆盖实时与离线两种核心工作模式：
实时会议：通过 WebSocket 流式识别，输出带时间戳的字幕流，支持 16000Hz PCM 单声道音频输入，延迟可控，适合会中实时辅助。
离线录音：通过 HTTP 接口处理已录制的会议文件，支持 sense-asr-pro（默认推荐，含说话人分离、情感分析、翻译）与 sense-asr-deepthink（翻译语义优化）两类模型，可输出结构化 JSON 包含说话人标签、字级时间戳、多语种翻译。
智能后处理：在转写结果基础上，通过结构化 segments 提取会议摘要、关键决策与行动项，支持责任人归属与时间定位。
显著优点
- 会议场景优化：
sense-asr-pro专为会议设计，说话人分离（diarization）与情感识别原生集成，无需额外模型拼接 - 双语会议友好：支持
target_language实时翻译，DeepThink 模型对语义润色有额外优化 - 结构化输出：
verbose_json格式保留完整元数据，便于后续 LLM 加工或入库检索 - 渐进式增强：默认最小请求，按需开启 diarization、翻译、情感，避免过度配置
潜在局限
- 音频格式严苛：实时流强制 PCM/16kHz/单声道/16-bit，需客户端预处理，不支持直接投 wav/mp3 裸流
- 说话人分离模型限制：
max_speakers仅适用于sense-asr-pro，且分离准确率受会议重叠发言、音质影响 - DeepThink 参数约束：不能同时传
language与target_language，需单独配置 - 纪要质量依赖转写结构：若直接对纯文本摘要而非结构化 segments 处理，关键信息易遗漏
适用人群
- 需为线上会议系统（Zoom、自研会议平台）集成实时字幕与纪要的开发者
- 构建企业会议归档、可搜索知识库的技术团队
- 跨国团队需中英/多语种同步翻译会议记录的场景
常规风险
- 密钥泄露风险：需统一从
SENSEAUDIO_API_KEY环境变量读取，禁止硬编码 - 实时流稳定性：WebSocket 长连接需处理断线重连、音频缓冲区管理，生产级需额外实现超时与降级策略
- 数据合规：会议音频与转写内容可能含敏感信息，需确认 SenseAudio 服务端数据留存与加密策略是否符合企业合规要求
- 翻译准确性：实时翻译对专业术语、口音容错有限，关键决策建议人工复核