Potrzebuję automatycznego generatora protokołów spotkań z nagrań audio

Nasz zespół prowadzi kilka rozmów wideo i głosowych każdego tygodnia, a w tej chwili ktoś zawsze musi usiąść później i ręcznie spisać, co zostało ustalone i kto za co odpowiada. Zajmuje to godzinę lub więcej za każdym razem, a notatki są często niekompletne, więc ludzie zapominają o swoich zobowiązaniach, zanim podsumowanie do nich dotrze. Chcę zastąpić ten ręczny proces zautomatyzowanym przepływem, który bierze nagrane spotkanie i samodzielnie produkuje czysty, uporządkowany protokół.

Jądrem zadania jest rozpoznawanie mowy, które potrafi obsługiwać kilku mówców, rozróżniać ich tam, gdzie to możliwe, i produkować dokładny transkrypt nawet przy typowym hałasie w biurze. Z tego transkryptu system powinien wydobyć rzeczywistą treść spotkania: podjęte decyzje, przydzielone zadania, kto jest odpowiedzialny za każde z nich i wszelkie wspomniane terminy. Wynik nie powinien być surowym zrzutem transkryptu, ale krótkim, czytelnym protokołem, który można szybko przejrzeć.

Gdy protokół zostanie wygenerowany, musi być automatycznie wysyłany e-mailem do wszystkich, którzy uczestniczyli, krótko po przetworzeniu nagrania, bez potrzeby ręcznego uruchamiania go za każdym razem.

Czego szukam:
— rozpoznawanie mowy dostosowane do nagrań z wieloma mówcami
— logika, która wydobywa decyzje, zadania, właścicieli i daty
— jasny, wielokrotnego użytku szablon protokołu
— automatyczna dystrybucja e-mailowa do uczestników