Files
lpt-docs/docs/concepts/study-recording.md
T

78 lines
4.6 KiB
Markdown

# 学习录音
## 定义
学习录音是学习会话期间对用户设备上**全部播放声音**的连续采集。它记录的是系统输出——用户当时听到的一切(视频课、音频课、播客、他人的讲解),而不是麦克风输入(用户自己的声音或环境声)。
学习录音与学习会话绑定:一次会话对应一段录音,录音随会话开始而开始、随会话结束而结束。
## 设计意图
一次学习中真正需要沉淀的上下文,大部分存在于**当时播放的内容**里;而这些内容在会话结束后既无法复述,也无法检索。要求用户在学习的当下分心记录,会直接拉低记录率,进而削弱复习闭环的原料供给。
学习录音把「记录」从学习中剥离出去:
- 学习时专心听,不必边学边记。
- 事后由 AI 从转写文本中提炼知识碎片与报告原料。
- 复习时可以回到当时的原始材料,而不是只依赖当时写下的几行字。
它与「量化,但不评判」的原则一致:录音只增加可回看的原料,不产生评分,也不带来约束。
## 边界的划定
- **只采系统输出,不采麦克风。** 录音回答的是「用户听到了什么」,而不是「房间里发生了什么」。这条边界同时收敛了隐私范围与转写噪音。
- **与输出设备无关。** 内置扬声器、有线耳机、蓝牙耳机、外接显示器的音频都汇入同一路系统混音,用户切换设备不改变录音行为,也不需要重新配置。
- **采不到的内容属于正常边界。** 处于独占播放模式或受版权保护的内容可能无法被系统混音捕获,这类缺口不做补偿。
- **录音时长不是学习时长。** 有效学习时间仍由学习会话定义;录音只是会话期间的一段素材。
- **录音不代表内容归属。** 录音产出的碎片按内容归属规则处理,录音本身不参与归属判定。
## 采集与浏览器的分工
录制系统声音的能力不在浏览器里,因此分工是:
- **本机录音程序**:跟随系统默认输出设备采集、编码、上传。
- **网页**:发起与结束录音、展示状态、在需要时回放。
由此得到的性质是:网页被关闭或崩溃不会中断录音;录音是否可用,不取决于当时打开了哪个页面。这也意味着学习录音是系统里第一个不运行在浏览器内的能力。
## 多设备的边界
录音必须发生在**声音实际播放的那台设备**上:声音从哪台设备发出,就在哪台设备上采集。这条约束决定了几件事:
- 录音能力是**按设备**存在的,不是按账号。同一账号在多台设备上学习,每台设备各自需要具备采集能力并各自授权。
- 网页可以服务于任意设备(它只负责发起与展示),但录音不跟着网页走。在手机上浏览学习页面时,手机若没有采集能力,就没有录音。
- 换一个播放设备就要重新具备采集能力,这与「切换输出设备不影响录音」并不矛盾:后者说的是耳机的插拔,前者说的是换了一台电脑或换到手机。
## 产物的去向
| 产物 | 去向 |
|------|------|
| 原始音频 | 长期保留,作为可回看的原始学习材料 |
| 转写文本 | 作为 AI 任务的输入,用于生成学习报告草稿与知识碎片 |
原始音频长期保留的代价是存储随学习时长线性增长,属于需要单独规划容量的对象。
## 隐私边界
录音采集的是用户听到的一切,可能包含他人语音(线上会议、通话)。因此:
- 录制期间必须有持续且可见的指示,用户随时可停。
- 采集范围由系统混音决定,用户不需要、也无法逐条挑选内容。
- 是否在会议等场景下录音,属于用户自己的判断;系统只保证「可见、可停、可追溯」。
## 相关概念
- 学习会话:录音的绑定主体,提供开始与结束的时点。
- 知识碎片:转写文本的主要产物形态。
- 学习报告:转写文本的汇总结局之一。
- 内容归属:录音产物按内容归属规则处理,录音不改变归属判定。
- AI 任务:转写与提炼都通过 AI 任务执行。
- 时间与效率:录音时长与有效学习时间是两个独立口径。
## 待决问题
1. 录音是否允许脱离学习会话独立存在(例如只录某一段材料)?
2. 转写文本是直接进入学习报告,还是只作为碎片原料、由用户确认后再记录?
3. 转写未完成或失败的录音,在复习与检索中如何呈现?
4. 会话暂停期间是否继续录音?