Necessito de um gerador automático de atas de reunião a partir de gravações de áudio

Nossa equipe realiza várias chamadas de vídeo e voz toda semana, e neste momento alguém sempre precisa se sentar depois e escrever manualmente o que foi decidido e quem é responsável por o quê. Isso leva uma hora ou mais cada vez e as anotações muitas vezes estão incompletas, então as pessoas esquecem seus compromissos antes que o resumo chegue até elas. Quero substituir esse processo manual por um pipeline automatizado que pegue uma reunião gravada e produza um protocolo limpo e estruturado por conta própria.

O núcleo da tarefa é o reconhecimento de fala que pode lidar com vários falantes, distinguir entre eles quando possível e produzir uma transcrição precisa mesmo com o ruído de fundo típico de escritório. A partir dessa transcrição, o sistema deve extrair a substância real da reunião: as decisões que foram tomadas, as tarefas que foram atribuídas, quem é responsável por cada uma e quaisquer prazos mencionados. A saída não deve ser um despejo bruto de transcrição, mas um protocolo curto e legível que leve um minuto para ser lido.

Uma vez que o protocolo é gerado, ele precisa ser enviado automaticamente por email a todos que participaram, logo após a gravação ser processada, sem que ninguém o acione manualmente a cada vez.

O que estou procurando:
— reconhecimento de fala ajustado para gravações com múltiplos falantes
— lógica que extrai decisões, tarefas, responsáveis e datas
— um modelo de protocolo claro e reutilizável
— distribuição automática de email para os participantes