# Mttone 需求规格说明 (Feature)

## 1. 产品概述

Mttone 是一款专注于“本地离线会议纪要与声纹人脉库”的桌面应用程序。其核心价值在于利用端侧 AI 能力（如本地 ASR 与本地 LLM），在断网或高度注重隐私的环境下，实现会议音频录制、实时语音转写、声纹分离与识别以及智能会议纪要整理。

## 2. 核心功能特性

### 2.1 会议管理与元数据记录

- **会议元数据管理**：支持记录会议的基本场景信息，包括会议时间、地点、主题、核心参会人等。
- **会议延续性支持**：考虑到现实中会议可能会中断（如同一主题的上下午场会议），系统支持延续上一次的会议记录进行持续录制与补充，同时也支持随时创建全新的会议。

### 2.2 会议录制与实时转写 (ASR)

- **本地实时录制**：支持在本地直接拉起麦克风录制会议音频。需要支持回放；
- **实时语音转文字**：基于端侧 ASR 技术，将录音流式转写为文本并在界面上实时呈现。

### 2.3 声纹分离与识别 (Diarization)

- **多说话人分离**：能够识别出不同说话人的音频片段，标注为 Speaker_1, Speaker_2 等。
- **声纹对齐与绑定**：提供声纹试听功能，并结合 AI 建议，支持用户手动或自动将发言人（Speaker）绑定到真实的参会人姓名。
- **全局对齐**：当说话人身份确认后，一键将全篇会议记录中的对应发言人标签更新为真实姓名。

### 2.4 智能会后整理 (LLM)

- **口语净化**：利用本地大语言模型（如 gemma4:2b, qwen2.5:3b），对转写出的冗长、重复、带有口癖的原始文本进行智能改写与净化，生成更适合阅读的会议记录。
- **行内修订对比**：在界面上以差异化样式（Diff）呈现原始文本与净化后文本的对比，方便用户核对和手动编辑。

### 2.5 本地大语言模型管理 (Ollama Integration)

- **模型下载与拉取**：集成 Ollama，支持在客户端内直接输入模型名称进行下载。
- **模型切换与状态监控**：实时监控 Ollama 服务的连接状态，查看已下载的本地模型列表及大小，并支持动态切换当前激活的模型。

### 2.6 历史会议与声纹人脉库 (Data Management)

- **会议记录持久化**：本地采用 SQLite 数据库存储历史会议的音频、文本与元数据。
- **声纹人脉库**：逐步积累常用联系人的声纹特征，未来可实现“闻声识人”，自动匹配历史声纹数据。

### 2.7 私域知识库管理 (Private Knowledge Base)

- **文档上传与管理**：支持用户上传本地文档（如 PDF、Word、TXT 等），构建私域背景知识库。
- **会议资料关联 (Context Binding)**：允许用户在创建或编辑会议时，将特定的知识库文档关联到该会议。
- **ASR 行业词汇自适应**：在会议录制进行语音转文本时，系统会自动从关联文档中提取行业词汇、项目代号和专有名词，作为热词注入到 ASR 引擎，显著提升专业术语的识别准确率。
- **检索增强生成 (RAG) 纪要**：在会后利用本地大模型生成会议纪要、待办事项或执行口语净化时，AI 将结合关联的文档资料进行参考，确保生成的纪要不仅符合会议发言内容，且事实准确、具备业务上下文深度。

## 3. 非功能性需求

- **隐私保护与离线可用**：所有音频处理、语音转写和 LLM 推理均在本地端侧完成，无需上传云端。
- **跨平台支持 (Mobile First)**：系统聚焦于 iOS 平台开发（适配 iPhone/iPad 尺寸）。对于 Mac 端，不再单独开发原生桌面版本，而是借助 Apple Silicon (M系芯片) 的兼容模式（"Designed for iPad"），直接在 Mac 上运行 iOS 版本，实现一端开发、双端运行。
- **性能与功耗控制**：在本地运行声纹比对和端侧大模型时，需重点优化资源占用与发热问题。