LeMUR — Run LLMs Over AssemblyAI Transcripts

简介

LeMUR（Leveraging Large Language Models to Understand Recognized Speech）是 AssemblyAI 的转录-LLM 桥 —— 转录在你账户里之后，可以对它跑 Claude 或 GPT prompt，不用重新上传或分块。Endpoint：summary、Q&A、action items、custom prompt。适合会议复盘自动化、呼叫中心 QA、播客 show notes、任何转录后分析。兼容 assemblyai Python/Node SDK + LeMUR HTTP endpoint。装机时间：转录存在后 5 分钟。

Summary endpoint

import assemblyai as aai
aai.settings.api_key = ASSEMBLYAI_KEY

transcript = aai.Transcriber().transcribe("call.mp3")

summary = transcript.lemur.summarize(
    final_model=aai.LemurModel.claude3_5_sonnet,
    context="这是关于一笔未到账退款的客服通话。",
    answer_format="3 个要点",
)
print(summary.response)

自定义 prompt（最灵活）

prompt = '''
你是呼叫中心 QA 分析师。给这次客服通话打分：
- 同理心（0-10）
- 解决清晰度（0-10）
- 合规：agent 报过名字吗？有给案件编号吗？

返回严格 JSON 含这些字段加 'notes' 字符串 <200 字。
'''

result = transcript.lemur.task(
    prompt=prompt,
    final_model=aai.LemurModel.claude3_5_sonnet,
    temperature=0.0,
    max_output_size=600,
)
import json
print(json.loads(result.response))

Q&A endpoint（多问题）

qa = transcript.lemur.question(
    questions=[
        aai.LemurQuestion(question="客户主要抱怨什么？"),
        aai.LemurQuestion(question="客服提了退款吗？多少？"),
        aai.LemurQuestion(question="下一步建议？", answer_format="一句话"),
    ],
    final_model=aai.LemurModel.claude3_5_sonnet,
)
for r in qa.response:
    print(r.question, "→", r.answer)

Action items

action_items = transcript.lemur.action_items(
    final_model=aai.LemurModel.claude3_5_sonnet,
    context="内部产品规划会。",
)
print(action_items.response)

可用模型

FAQ

Q: 为啥用 LeMUR 不自己把转录喂 Claude？ A: 三个原因：(1) 转录留在 AssemblyAI 安全数据面 —— 不用重新上传可能含 PII 的内容；(2) 跳过分块 + 上下文管理水管；(3) 一张账单。一次性脚本直接调 Claude 没问题；生产分析每通电话流程 LeMUR 更简单。

Q: 能一次性对多个转录跑 LeMUR 吗？ A: 能 —— aai.Lemur().task(transcript_ids=[id1, id2, id3], prompt=...)。适合每周通话组合分析。每次最多 100 个转录。

Q: LeMUR 支持 tool call 吗？ A: 还不支持 —— LeMUR 是文本进文本出。要 tool use 就先拉转录再传给你自己开 tools 的 Claude/OpenAI 调用。