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

4.6 KiB

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?