101 lines
8.7 KiB
Markdown
101 lines
8.7 KiB
Markdown
---
|
||
layout: default
|
||
title: Inquire Mode
|
||
parent: User Guide
|
||
nav_order: 4
|
||
---
|
||
|
||
# Inquire 模式 - 语义搜索
|
||
|
||
Inquire 模式将整个录音库转化为一个智能知识库，你可以使用自然语言问题进行搜索。无需逐个查找录音或努力回忆哪次会议包含了特定讨论，你只需提出问题，即可获得来自所有相关录音的全面答案。
|
||
|
||
|
||
|
||
## 理解 Inquire 模式
|
||
|
||
把 Inquire 模式想象成一位知识渊博的助手，他听过了你库中的每一条录音，并能立即回忆和综合来自任何录音的信息。当你提出问题时，系统会搜索所有转录内容，理解你查询背后的上下文和含义，并提供带有来源录音引用的连贯答案。
|
||
|
||
这种语义搜索能力远超简单的关键词匹配。系统能够理解概念、关系和上下文。如果你询问"预算担忧"，它会找到关于财务限制、成本超支、资金问题和资源限制的讨论——即使从未有人说过"budget concerns"这个确切短语。
|
||
|
||
## 开始使用 Inquire 模式
|
||
|
||
通过点击顶部导航栏中的 Inquire 按钮访问 Inquire 模式。界面打开后，顶部有一个干净的搜索区域，左侧有强大的筛选选项。搜索结果将显示在主内容区域，以易于阅读的格式组织呈现。
|
||
|
||
Inquire 模式的魅力在于其简洁性。你不需要学习特殊的搜索语法或命令。只需像询问同事一样输入你的问题，系统会处理查找和综合相关信息的复杂性。
|
||
|
||
## 使用筛选器聚焦搜索
|
||
|
||
左侧边栏包含筛选器，帮助你在提问前将搜索范围缩小到特定录音。当你拥有庞大的录音库并希望聚焦于特定上下文时，这特别有用。
|
||
|
||
标签筛选器允许你选择带有特定标签的录音，当你想要在特定项目、客户或会议类型内搜索时非常完美。如果你一致地标记录音，这将成为分割搜索的强大方式。系统会显示每个标签匹配多少条录音，帮助你了解搜索范围。
|
||
|
||
说话人筛选器允许你聚焦于特定人员在各条录音中说的话。当你需要追踪某人的承诺、了解某人对各种话题的观点，或为与特定人员的会议做准备时，这非常有价值。
|
||
|
||
日期范围筛选器帮助你聚焦最近的讨论或在特定时间段内搜索。这对于追踪讨论如何随时间演变，或查找特定季度或项目阶段的信息特别有用。
|
||
|
||
## 提出有效的问题
|
||
|
||
|
||
|
||
从 Inquire 模式获得出色结果的关键是提出清晰、具体的问题。当你提供上下文并明确你要查找的内容时，系统效果最佳。
|
||
|
||
不要搜索像"deadline"这样的单个词，而是提出完整的问题，如"移动应用项目的截止日期有哪些？"这有助于 AI 不仅理解你想要什么信息，还能理解你为什么需要以及如何最实用地呈现它。
|
||
|
||
该系统擅长处理不同类型的查询。你可以要求总结多次会议中的特定主题、请求行动项目或决策列表、搜索特定陈述或承诺、分析讨论中的模式或趋势，或识别问题和建议的解决方案。
|
||
|
||
## 理解你的结果
|
||
|
||
|
||
|
||
当 Inquire 模式返回结果时，它会提供一个综合答案，从所有相关录音中提取信息。响应不仅仅是搜索结果列表——它是一个连贯的叙述，将来自多个来源的信息整合为统一的答案。
|
||
|
||
每条信息都包含格式为（录音 ID：XX）的引用，直接链接到源录音。点击这些链接会带你进入完整录音，在那里你可以看到完整的上下文。这种透明度确保你始终可以验证信息，并在需要时深入了解。
|
||
|
||
系统智能地组织信息，将相关要点分组在一起，并以逻辑流程呈现。如果多个录音讨论同一主题，答案将综合这些讨论，展示对话如何随时间演变，同时保持对每个来源的清晰归属。
|
||
|
||
## 实际应用场景
|
||
|
||
Inquire 模式在众多真实场景中表现出色。在准备会议时，你可以快速回顾之前讨论过的议程主题、哪些问题尚未解决以及做出了哪些承诺。这确保你在充分知情的情况下参加会议，而无需花费数小时回顾旧录音。
|
||
|
||
对于项目管理，该系统有助于追踪多次会议中的决策、识别分配给团队成员的所有行动项目，并监控项目需求或优先级如何随时间变化。你可以提出"产品发布已识别了哪些风险？"这样的问题，并获得来自所有相关讨论的综合列表。
|
||
|
||
研究和分析变得更加高效。无论你是分析客户反馈模式、追踪竞争对手提及，还是识别访谈中反复出现的主题，Inquire 模式都能揭示可能隐藏在数小时录音中的洞察。
|
||
|
||
该系统还可作为出色的合规和文档工具。你可以快速找到对客户做出的具体承诺、定位关于监管要求的讨论，或验证谈判中达成的协议。引用系统提供了追溯到原始录音的审计轨迹。
|
||
|
||
## 高级搜索策略
|
||
|
||
随着你对 Inquire 模式越来越熟悉，你可以开发复杂的搜索策略。从更广泛的问题开始，以了解可用信息的全貌，然后通过越来越具体的查询深入挖掘。这种迭代方法有助于你发现可能不知道直接询问的信息。
|
||
|
||
战略性地组合筛选器。例如，在准备客户会议时，按该客户的标签和相关日期范围进行筛选，然后询问未决问题或承诺。这种聚焦方法会产生高度相关的结果，而不会受到不相关录音的干扰。
|
||
|
||
注意系统如何解读你的问题。如果结果不完全符合预期，请尝试用不同的措辞或添加更多上下文重新提问。系统会从你录音中的模式中学习，因此使用与实际讨论一致的术语通常会产生更好的结果。
|
||
|
||
## 技术考量
|
||
|
||
Inquire 模式的强大功能来自其语义理解能力。当启用 embeddings（需安装 sentence-transformers）时，系统会创建数学意义上的表示，使其能够理解超越简单关键词匹配的概念。这意味着即使使用不同的词汇表达相同的想法，它也能找到相关信息。
|
||
|
||
Speakr 使用 all-MiniLM-L6-v2 embedding 模型，这是一个经过深思熟虑的轻量级选择，在性能和资源效率之间取得了平衡。该模型生成 384 维向量，并且可以在仅 CPU 的系统上舒适运行，这对于大多数 Speakr 部署在标准服务器或个人机器上（没有专用 GPU）的情况至关重要。虽然存在更新、更大的 embedding 模型，但它们需要显著更多的计算资源，可能会使系统在典型硬件上变得缓慢或无法使用。MiniLM 模型为会话内容提供了出色的语义理解，即使在处理数百条录音时也能保持快速响应。
|
||
|
||
系统以分块方式处理录音，使其能够高效地搜索非常长的录音。每个分块被独立分析，但结果会被综合以保持上下文和连续性。这种方法确保了速度和准确性，即使在大型录音库中也是如此。
|
||
|
||
性能在正确设置的情况下扩展良好。录音的初始索引在转录后自动完成，后续搜索利用这个预计算的索引。响应时间通常从聚焦搜索的几秒钟到大型库中复杂查询的稍长时间不等。
|
||
|
||
## 充分利用 Inquire 模式
|
||
|
||
要最大化 Inquire 模式的价值，请保持良好的录音习惯。确保录音具有清晰的音频质量以获得准确的转录，使用说话人识别来追踪谁说了什么，并应用一致的标签来组织内容。输入数据越好，搜索功能就越强大。
|
||
|
||
利用搜索的迭代特性。从一般性问题开始，查看结果，然后提出后续问题以深入挖掘。系统会在会话中保持上下文，使你能够根据初始结果轻松优化搜索。
|
||
|
||
请记住，Inquire 模式是对标准录音界面的补充，而非替代。使用 Inquire 模式在录音之间进行发现和综合，但当你需要深入关注单个录音时，带有聊天界面的标准转录视图可能更合适。
|
||
|
||
## 需要记住的限制
|
||
|
||
尽管功能强大，Inquire 模式也有边界。它仅搜索转录文本，不直接搜索音频，因此转录中的任何错误都会影响搜索结果。系统无法推断录音中未明确陈述的信息——它查找和综合所说的内容，而非意图但未说出的内容。
|
||
|
||
语言支持针对英语进行了优化，因为 embedding 模型（all-MiniLM-L6-v2）主要在英语文本上训练。其他语言可能以不同程度的成功率工作。如果非常长的录音超出处理限制，可能会被摘要而非完全索引。系统要求录音完全处理后才能被搜索，因此非常新的录音可能不会立即出现在结果中。
|
||
|
||
---
|
||
|
||
下一篇：[分享录音](sharing.md) →
|