vTaiwan 音頻轉錄與AI自動摘要 Worker

這是一個基於 Cloudflare Workers 的音頻轉錄服務，使用 Whisper AI 模型將音頻檔案轉換為繁體中文文字。

功能特點

• 🎵 支援多種音頻格式 (MP3, WAV等)
• 🤖 使用 Cloudflare Whisper AI 模型進行轉錄
• 🇹🇼 自動轉換為繁體中文輸出
• ⚡ 高效能的 Cloudflare Workers 平台
• 🌐 RESTful API 介面
• 🧠 使用 @cf/openai/gpt-oss-120b 自動整理逐字稿重點

安裝與設定

1. 安裝依賴

npm install

2. 生成類型定義

npm run cf-typegen

本地開發

啟動開發伺服器

npm run dev --remote

開發伺服器將在 http://localhost:8787 啟動。

測試基本連接

curl http://localhost:8787

應該返回 "Hello World!"

API 使用

音頻轉錄端點

POST /api/transcription/

• Content-Type: multipart/form-data
• 請求體: 使用 form field file 上傳音頻檔案
• 回應: 轉錄後的繁體中文文字

測試範例

準備測試檔案

首先創建測試檔案目錄並放入測試音頻：

將你的測試音頻檔案放入 files/test.mp3

使用 curl 測試

# 測試音頻轉錄
curl -X POST \
  -F "file=@./files/ja.mp3" \
  http://localhost:8787/api/transcription/ja

# 測試.wav音頻轉錄
curl -X POST \
  -F "file=@./files/test.wav" \
  http://localhost:8787/api/transcription/

其他音頻格式範例

# WAV 檔案
curl -X POST \
  -F "file=@./files/test.wav" \
  http://localhost:8787/api/transcription/

# M4A 檔案
curl -X POST \
  -F "file=@./files/test.m4a" \
  http://localhost:8787/api/transcription/

AI 自動摘要功能

AI 自動摘要會將逐字稿切成最大約 15,000 字符的區塊，透過 @cf/openai/gpt-oss-120b 生成每段重點後再彙整為完整大綱。若內容超過 8 段，會自動限制只處理前幾段以避免超時。

單段測試

curl -X POST \
  -F "file=@./files/sample.txt" \
  http://localhost:8787/api/test-ai

以上端點會讀取文字檔並返回 AI 整理的大綱結果。

上傳完整逐字稿

curl -X POST \
  -F "file=@./files/transcript-2025-07-16.txt" \
  http://localhost:8787/api/upload-transcription

成功後會：

• 將檔案原文上傳到 R2 儲存
• 自動產出大綱並寫入 D1 資料庫
• 回傳 meeting_id 與 R2 儲存鍵值

部署

部署到 Cloudflare Workers

npm run deploy

生產環境測試

部署後，將上述 curl 命令中的 URL 替換為你的 Worker 域名：

curl -X POST \
  -F "file=@./files/test.mp3" \
  https://your-worker-name.your-subdomain.workers.dev/api/transcription/

可用指令

• npm run dev - 啟動本地開發伺服器
• npm run deploy - 部署到 Cloudflare Workers
• npm run cf-typegen - 生成類型定義檔案
• npm test - 執行測試

疑難排解

常見問題

1. AI 模型未配置錯誤

   • 確保 wrangler.jsonc 中有正確的 AI 綁定配置
   • 執行 npm run cf-typegen 重新生成類型

2. 音頻檔案過大

   • Cloudflare Workers 有請求大小限制
   • 建議音頻檔案小於 100MB

3. 轉錄結果為空

   • 檢查音頻檔案是否包含可識別的語音
   • 確認音頻格式是否受支援

除錯模式

在本地開發時，可以查看 console 輸出來了解轉錄過程：

npm run dev -- --local

技術架構

• Runtime: Cloudflare Workers
• AI 模型: @cf/openai/whisper-large-v3-turbo
• 語言處理: chinese-conv (簡轉繁)
• TypeScript: 完整類型支援

授權

請參考項目授權條款。