Skip to content
Conduit

skill

dingtalk-style-minutes

把任意录音变成钉钉闪记风格的飞书图文纪要。Evidence-linked graphic minutes, structured notes, and complete transcripts.

PoetCoderJun/dingtalk-style-minutescommunitylistedunreviewed
Use skill

Set up

Skills are installed by placing their folder where your agent loads skills.

Download ZIP from GitHub Open the repository

The download comes from github.com/PoetCoderJun/dingtalk-style-minutes itself, not from our server, so what you get is exactly what its author published.

Install instructions come from the README

Skills do not use an MCP config. Follow the steps in the README below.

README

synced Oct 17, 2026

简体中文 | English

DingTalk-style Minutes

手机录音、会议录音、采访音频，都能变成一份钉钉闪记风格的飞书图文纪要。

一段录音 → 内容概览 + AI 图文纪要 + 分章节完整转写

和 AI 说一句话就行

用 $dingtalk-style-minutes 把这段录音整理成飞书图文纪要。

安装与运行条件

仓库根目录是项目文档；可安装 Skill 位于 skill/dingtalk-style-minutes/。请让 Agent 检查以下依赖，而不是只安装本仓库：

请安装 github.com/PoetCoderJun/dingtalk-style-minutes，
安装 github.com/zarazhangrui/beautiful-feishu-whiteboard，
安装 github.com/larksuite/cli，并确认 lark-doc / lark-shared Skills 可用。
登录飞书，确认目标文档与画板有编辑权限。
若选择 DashScope，再安装 github.com/PoetCoderJun/clean-talking-video，
在隔离 Python 环境安装它的 requirements.txt，并配置 DASHSCOPE_API_KEY。
若选择 FunASR，在隔离环境安装模型与依赖，并将输出规范化为 transcript.json。
  • Python 3.9–3.13；DashScope 音频代理还需要 FFmpeg / FFprobe。
  • Node.js 20+、npm/npx，用于白板检查与渲染；飞书 CLI、已认证用户及可编辑目标。
  • beautiful-feishu-whiteboard 负责 SVG 与在线画板验证；lark-doc 及其共享依赖负责文档操作。安装 CLI 不代表这些 Skills 一定已经可用。
  • requirements-dev.txt 是测试依赖，不会安装 ASR 模型、clean-talking-video、飞书 CLI 或其 Skills。

选择输入路径

输入路径实际依赖与边界
现成 transcript.json跳过 ASR；保留 segments 中的 id、start、end、text，有可靠分离结果时保留 speaker_id
DashScopetranscribe_media.py 调用 clean-talking-video 的转写器；需要 API key、网络及转写器自身 Python 依赖
本地 FunASR由 Agent 安装模型、运行并转换到上述契约；本仓库没有内置 FunASR 一键适配器，模型首次下载可能需要网络

**当前公开版本的兼容性：**clean-talking-video 转写器默认模型为 qwen3-asr-flash-filetrans（可由 DASHSCOPE_ASR_MODEL 覆盖），但不接受 --diarization 或 --speaker-count，也不生成 speaker_id。本仓库包装入口默认请求说话人分离，因此直接使用默认参数会失败。明确单说话人时使用 --no-diarization；多人录音应提供已有可靠分离的转写，或用支持分离的本地模型，不能把单人路径当成多人能力。

以下示例仅适用于明确单说话人，且依赖和 API key 已就绪；运行会调用云服务，可能产生费用：

python <minutes-skill-root>/scripts/transcribe_media.py \
  --input /data/recording.m4a \
  --output-dir /work/minutes-demo \
  --clean-talking-skill /path/to/clean-talking-video/clean-talking-video \
  --no-diarization

--clean-talking-skill 或 CLEAN_TALKING_VIDEO_SKILL 指向含 scripts/transcribe.py 的安装目录，不一定是仓库根目录。不传时入口尝试常见 Codex / Agents Skills 目录。输出为 transcript.json 与 draft.srt；随后按 Skill 工作流从完整 JSON 建模，而不是只读 SRT。

数据会去哪里

DashScope 路径在本地生成压缩音频代理，再上传到 DashScope 临时存储进行识别；不会上传原始视频。FunASR 或已有转写可以跳过云 ASR，但所用 Agent 服务仍可能处理转写文本。

成品流程会把纪要、完整转写与画板写入飞书，并读取在线画板与文档验证结果。因此“本地 FunASR”只说明转写位置，不代表整个流程全本地。若不能上传，请停在本地建模/渲染阶段；该阶段产物不等于已完成的飞书交付。

查看证据与验证

上方三张图是现有输出预览，不是可重跑的完整录音案例。项目的公开工程证据包括来源片段关联、转写覆盖检查、SVG 与文档验证器，以及本地测试夹具；它们不证明任何客户部署或业务收益。

开发检查只需隔离环境与测试依赖：

python3 -m venv ../.venv-minutes
../.venv-minutes/bin/python -m pip install -r requirements-dev.txt
../.venv-minutes/bin/python -m unittest discover -s tests -v

虚拟环境放在仓库外，避免打包检查将依赖字节码当作发布内容。这组测试无需 API key，不写入飞书；在线画板和最终文档的验证仍属于真实交付步骤。

许可

MIT。本项目参考钉钉闪记的信息结构，与钉钉或阿里巴巴无关联。

↑↓ navigate openesc close