从用户输入到结果复用的完整链路
- 录音试听、文件上传、异步转写与历史内容读取。
- 时间戳定位、同步高亮、生词候选及 TXT / SRT 导出。
- 账户归属检查、对象存储直传、阶段队列与两类转写引擎。
- Chromium 回归使用模拟 API 和麦克风，覆盖录音、播放、跳转、失败恢复与移动布局。
PART 02 / 从性能目标，到整体架构
高性能，落在这张图里。
左侧看完整架构，右侧读设计。选择维度，再点图中编号。
整体架构
先看全局：业务请求、媒体文件和耗时任务各走自己的路径。
可左右滑动看全图，或点“适应宽度”查看全貌。
处理顺序：上传 → 转码 → 回报任务服务 → 长短转写分流 → 保存结果。图示为逻辑架构，云端 worker 需按部署启用。
继续深入 / 方案取舍相比直接接 API 或单体应用，取舍在哪里？
识别 API 提供语音识别能力，单体也可以实现完整产品。这里比较的是三种实现范围与资源组织方式；Vox 的价值在于把这些能力接成了可持续使用的工作流。
左右滑动，查看完整方案对比 →
| 关注点 | 仅接入转写 API最小接入方式 | 同步单进程应用Web 与耗时处理同部署 | Vox归档 + 回听 + 异步处理 |
|---|---|---|---|
| 转写之后 | 得到识别结果；个人内容库与回听交互需继续建设。 | 可以实现归档与阅读，体验取决于额外的产品设计。 | 文件、结果、时间戳和生词在同一工作台中关联，支持再次使用与导出。 |
| 等待长任务 | 调用方负责管理等待、状态和结果保存。 | 同步处理会延长请求等待，并与 Web 共享运行资源。 | 任务创建与执行分开；阶段与结果可查询，前端定期更新。 |
| 增加处理能力 | 受服务提供方配额和调用预算约束。 | 通常以整个应用为部署单位；也可进一步拆分后台任务。 | 按转码、短转写、长转写分别增加消费者，针对积压分配资源。 |
| 引擎与成本选择 | 采用选定提供方的能力与计费方式。 | 同样可以集成不同引擎，但需自行设计切换与结果适配。 | 以统一接口接本地与云端引擎，按时长分流；成本取舍可继续调优。 |
| 需要承担的复杂度 | 接入轻；仍需补齐用户、内容管理与异常处理。 | 部署和本地调试简单，适合较小规模或早期验证。 | 增加了跨服务通信、队列、部署与一致性治理成本。 |
适合 Vox 的场景：希望长期积累音视频资料、经常按句复听，且转码与转写负载需要分别安排资源。
继续深入 / 验证与代码依据这些设计已经做到什么，又该怎样验证？
下一步：测量性能，补齐可靠性
- 独立扩展路径已具备；并发吞吐、延迟与成本仍需压测，尚无容量数字承诺。
- KEDA 配置是待更新的示例，仍需对齐当前队列并验证自动扩缩容。
- 继续完善任务幂等、失败重试、死信与数据库/消息一致性。
- 补齐备份恢复、用户配额、服务访问边界与监控告警；持久存储不等于永久保存承诺。
用同一组任务，分别测量准确率、效率与速度
固定音频、任务目标、模型版本、硬件与并发条件，先记录基线，再比较优化后的表现。以下是测量计划，目前尚无量化基准结果。
- 效率 · 用户投入
- 完成一次转写和定位回听所需的操作次数、主动操作时间、查找时间与校对时间。
- 速度 · 端到端耗时
- 分别记录上传、排队、转码和转写耗时，再看端到端耗时的中位数与 P95。
- 准确率 · 识别质量
- 在人工标注的相同样本上统计字词错误率，并记录人工校对时间。回听方便不等于模型识别率更高。
- 效率 · 有效产出
- 检查关键内容能否被正确找回、定位与导出，观察后续任务是否真正复用了这些结果。
展开实现依据与当前边界
以下链接指向仓库实现，便于继续追问设计细节。没有用未经测量的性能数字或“零丢失”承诺代替验证。
- Whisper 本地转写与ElevenLabs Scribe v2 接入：模型提供识别能力，统一正文与时间戳供前端使用。
- 任务阶段与长短音频分流：转码后选择转写队列；默认阈值可通过配置调整。
- 持久化队列与消息：目前不宣称自动重试、恰好一次或端到端零丢失。
- 文件归属、完成校验与签名地址：对象与元数据分开持久保存；签名地址有时效。
- 统一 Transcriber 接口：本地和云端返回相同的结果结构。
- 英文生词候选提取：词典规则筛选，尚未按个人掌握程度进行个性化。
两类转写引擎已有实现；当前 Compose 没有包含云端 worker，需按实际部署启用。任务阶段与结果可查询，处理中的状态回报仍需完善。搜索目前针对文件名与 ID；段落定位依赖已有时间戳。未提交的录音草稿只保存在当前页面，提交成功后才进入服务器端内容管理。真实设备、线上存储及 Safari/iOS 仍需联调验证。
设计回到使用中，才有意义
用真实任务，检验这些选择。
体验录音、转写与按句回听，或回到性能理念继续了解产品目标。